Nous privilégions une approche personnalisée de chacun au travers notamment d’entretiens réguliers (entretien annuel, définition des objectifs,…) et de formations personnalisées.

Votre champ de recherche est l’analyse linguistique. De quoi s’agit-il ?

Aurélie Joseph : La linguistique est l’étude du fonctionnement des langues. Bien comprendre une langue et ses règles de fonctionnement est ce qui nous permet au quotidien en tant qu’être humain d’interpréter de manière précise et juste l’article d’un journaliste, l’email d’un collègue ou le courrier d’un client.

Hatem Hamza : Ce que nous nous appliquons à faire au sein du service R&D est de reproduire ces mécanismes d’interprétation intelligents sur la plate-forme ITESOFT. Pour cela, nos travaux se basent notamment sur ce que l’on appelle les réseaux de neurones.

Quel est l’apport de la linguistique en matière de traitement automatique de documents ?

Hatem : En premier lieu l’analyse linguistique améliore le tri automatique des documents. C’est une technologie supplémentaire pour interpréter le contenu d’un document et en déduire sa nature : est-on en présence d’un courrier de résiliation, d’une demande de souscription, d’un avenant de contrat,… ?

Aurélie : L’analyse linguistique contribue à un aiguillage encore plus rapide et plus fiable des courriers vers les interlocuteurs métiers de l’entreprise. Les collaborateurs affectés à la gestion des réclamations, des demandes d’adhésions, à l’instruction d’un dossier de demandes de prêts… tous profiteront d’un surplus de réactivité.

Avez-vous mesuré précisément cette amélioration du tri automatique ?

Aurélie : Nos comparatifs menés sur des flux clients en production incluant documents structurés, semi-structurés et courriers libres, ont démontré une amélioration moyenne de 16.91% du taux de classification automatique. Et cela tout en améliorant la fiabilité de ce tri puisque le taux de confusion est encore réduit de 0.32%. Plus le document a une structure libre, plus l’analyse linguistique est pertinente.

Existe t-il des cas ne pouvant être traités que par l’analyse linguistique ?

Hatem : Bien sûr ! Les négations par exemple : un client vous adresse un courrier manuscrit dans lequel il indique « …je ne suis pas satisfait… ». Seule une approche linguistique se basant sur la syntaxe sera capable de donner du poids aux mots « ne » et « pas » et saura les associer à l’adjectif « satisfait » pour en interpréter le sens véritable. Le courrier pourra ainsi être correctement adressé au service réclamations.

Quel est l’enjeu pour l’entreprise ici ?

Aurélie : De nombreuses études prouvent que conserver un client existant est 5 à 7 moins coûteux que l’acquisition d’un nouveau. Bien identifier et tracer toutes les réclamations pour les traiter est donc un enjeu de taille. L’analyse linguistique contribue à l’atteinte de cet objectif :un aiguillage des courriers encore plus rapide et fiable vers les interlocuteurs métiers.

Quels autres cas permet d’illustrer l’analyse linguistique ?

Aurélie : La gestion des synonymes. Un même concept peut être représenté par plusieurs mots ou groupe de mots : «adhérer» par exemple peut se dire «s’abonner», «souscrire», «s’affilier». Bien aiguiller un courrier nécessite ici de savoir identifier ces termes comme étant un seul et même concept. Dans ce cas la réactivité du service adhésion de l’entreprise sera optimisée : c’est aussi un levier d’amélioration de la satisfaction clients.

Hatem : Dans d’autres cas, le bon aiguillage du courrier dépend de la capacité du système à considérer des termes semblables comme ayant un sens différent. Par exemple le verbe « prendre » peut recouvrir de nombreux sens («prendre de nouvelles fonctions», «prendre RDV», « prendre en considération mon avis») et donc impliquer des aiguillages différents : vers un gestionnaire clients, vers un service réclamation, etc.

Sait-on gérer les expressions ?

Aurélie : Effectivement ! Un des buts de ma thèse est d’ailleurs d’optimiser encore nos résultats dans ce domaine. Il n’est pas évident pour un ordinateur d’interpréter une expression comme « en avoir ras le bol » ! Même s’il connait le sens de chacun des mots qui la compose. Mais si le système d’analyse automatique s’appui sur des connaissances linguistiques et privilégie les groupes de mots plutôt que les mots simples alors il saura isoler cette expression, l’extraire en lui donnant la valeur « être mécontent » voire même lui associer un degré d’urgence. Encore une fois cela impacte sur le bon aiguillage des documents et la réactivité des collaborateurs !

L’amélioration du tri automatique des documents est un des apports de l’analyse linguistique. Quels sont les autres ?

Hatem : L’autre apport majeur est d’accélérer le processus d’apprentissage des documents en donnant plus rapidement du sens aux mots. Cela est rendu possible -comme vient de l’indiquer Aurélie- grâce à la capacité du système à isoler très rapidement des expressions significatives (« changement d’adresse »,« changement d’abonnement », « renouvellement de contrat »,…). Le système atteint les mêmes taux de reconnaissance plus rapidement, avec un flux documentaire moindre.

Les résultats de vos recherches sont ils d’ores et déjà mis à disposition ?

Aurelie : La version 2.5 d’ITESOFT.FreeMind Enterprise va prendre en compte une partie de ces travaux. Citons par exemple la détection des négations, la capacité du système à distinguer les informations utiles de ce qui est superflu, la localisation géographique des mots et des groupes de mots sur un courrier pour mieux juger de leur sens.

Quels seront vos prochains grands axes de recherches ?

Hatem : Nous allons poursuivre nos efforts de recherche. A moyen terme il sera possible au travers de l’analyse du contenu des courriers de détecter des opinions (par exemple : personne favorable ou non à la marque, avec différents degrés de sensibilité) voire même de détecter des sentiments tels que l’ironie, l’affection, le doute,… Tout ceci, contribuera à rendre l’analyse d’un document encore plus fine, et le traitement du courrier toujours plus pertinent.

Hatem Hamza

Chercheur depuis 2008 au sein du département R&D du groupe ITESOFT.

Docteur en informatique issu du LORIA (Laboratoire Lorrain de Recherche en Informatique et ses Applications), Hatem Hamza est expert dans les domaines du Text Mining, de la classification non supervisée et des réseaux de neurones.

Plusieurs de ses travaux ont été publiés à l’international :

« An OCR document representation for classification tasks » par S. Laroum, N. Béchet, M. Roche, H. Hamza
International Journal on Data Engineering and Management, 2009

« Incremental classification of invoice documents » par H. Hamza, Y. Belaïd, A. Belaïd, B.B. Chauduri
ICPR 2008, Tampa, USA, 2008.

« An end-to-end administrative document analysis system. » par H. Hamza, Y. Belaïd, A. Belaïd, B.B. Chauduri
DAS 2008, Nara, Japan, 2008, pp. 175-182

Aurélie Joseph

Chercheur depuis 2010 au sein du département R&D du groupe ITESOFT.

Diplômée du Laboratoire LDI (Lexiques, Dictionnaires, Informatique) – Paris 13 et spécialisée dans le Traitement Informatique et Linguistique des Documents Ecrits, Aurélie Joseph rédige actuellement une thèse sur l’optimisation de la classification et l’extraction automatiques de données grâce à l’analyse linguistique.