Apprendre les langues aux machines

Résumé

Depuis une dizaine d'années, le terme d'« intelligence artificielle » est revenu partout sur le devant de la scène, des magazines grand public aux créateurs de start-up et aux décideurs politiques. Des progrès dans la recherche sur les réseaux de neurones, une technologie pourtant ancienne, mais aussi l'augmentation de la puissance de calcul et de masse de données disponibles, ont permis d'accélérer de façon spectaculaire les performances des systèmes d'intelligence artificielle. Au cœur de cette révolution, le traitement automatique des langues (TAL) joue un rôle central. Connu depuis longtemps au travers de la correction orthographique et de la traduction automatique, ce domaine de recherche consacré à l'analyse, la génération et la transformation de données textuelles a récemment fait la une à plusieurs reprises, notamment avec l'arrivée de ChatGPT.

Pour donner quelques clefs sur ces enjeux, je présenterai brièvement plusieurs étapes importantes du développement du TAL, en montrant quels objectifs, quelles approches et quels obstacles ont jalonné l'histoire du domaine, une histoire aussi ancienne que celle de l'informatique. Cela nous permettra d'illustrer l'évolution des approches à l'œuvre au fil des décennies, symboliques puis statistiques et désormais neuronales, mais également de mieux comprendre les spécificités des données textuelles et les difficultés qu'elles ont posées au fil des décennies, et qu'elles posent souvent encore aujourd'hui. Nous nous attarderons sur les avancées les plus récentes en nous appuyant sur le cas de ChatGPT, en nous attardant sur certains des enjeux, notamment éthiques, liés à ces avancées. Nous montrerons également que ces techniques en développement si rapide renouvellent la question des places respectives de la recherche, de l'innovation et de l'ingénierie, tout en interrogeant les scientifiques sur ce qu'elles peuvent nous apprendre sur les langues et sur nous-mêmes.