La compréhension des verbatims doit permettre de mettre en œuvre plus facilement des actions appropriées.
« On ne s’en rend pas forcément compte, mais le traitement automatique du langage naturel est présent un petit peu partout : dans les correcteurs d’orthographe, dans la traduction automatique, dans les moteurs de recherche, dans les agents conversationnels… » D’origine polonaise, Aleksandra Guerraz arrive à Paris en 2000 pour y suivre une licence en sciences du langage. Elle s’intéresse très rapidement au traitement automatique du langage naturel (TALN), qui mêle la linguistique et l’informatique, et permet de « dépasser le domaine de la linguistique pure pour l’élargir à celui de la linguistique appliquée ».
Chez Orange, elle entame en 2004 une thèse portant sur la synthèse de la parole – qui transforme un texte écrit en parole. Elle est ensuite embauchée au centre R&D de Lannion, dans l’équipe du TALN : elle a récemment intégré l’équipe du traitement du dialogue homme-machine et tend à se spécialiser en « text mining ». « À l’époque, se souvient-elle, les gros sujets concernaient le traitement d’une requête par un moteur de recherche ou l’extraction d’information, notamment la reconnaissance d’entités nommées, c’est-à-dire de mots informatifs (noms de personnes, noms de lieux, d’organisations, dates, etc.) dans un document. »
Une interface simple et intuitive
Aujourd’hui, Aleksandra Guerraz travaille notamment sur EVA, un outil d’analyse sémantique simple. EVA est destiné à ses collègues non experts, qui ont besoin d’analyser des milliers de verbatims issus de sondages, d’enquêtes ou d’appels. Pour exploiter ces verbatims, des outils de classification statistique et d’analyse sémantique existent. Mais ils font appel à des compétences pointues en linguistique, statistiques et informatique.
« Aujourd’hui, nos collègues font appel à nous ou bien à des prestataires externes pour exploiter le contenu de ces verbatims, explique Aleksandra. On a voulu faciliter l’usage des outils d’analyse statistique et sémantique grâce à une interface simple et intuitive qui masque la complexité pour qu’ils puissent créer leurs propres analyses. »
Concrètement, EVA permet de regrouper en catégories les verbatims qui contiennent des mots similaires. « L’avantage de cet outil, précise-t-elle, c’est qu’il permet aux utilisateurs de définir eux-mêmes leurs catégories… On les guide un peu en proposant des regroupements statistiques, mais ils peuvent ensuite les affiner pour les adapter aux besoins de leur métier. » L’outil permet également de traiter des verbatims comportant des questions ouvertes du type « Votre avis nous intéresse ».
Une conception orientée « UX »
Une fois les verbatims classés, reste à présenter les résultats de façon lisible, ce qui permet de retenir ou d’écarter un groupe de propos sur un sujet spécifique. « La compréhension des verbatims par les entités opérationnelles doit leur permettre de mettre en œuvre plus facilement des actions appropriées par rapport à ce qu’elles observent dans leur métier, affirme la chercheuse. Aujourd’hui, nous travaillons avec plusieurs entités (ressources humaines, direction du système d’information…) pour savoir si l’outil correspond effectivement à leurs besoins. »
La conception est orientée « UX », c’est-à-dire qu’elle prend en compte les besoins utilisateurs. Sauf que dans ce cas, les utilisateurs ne sont pas les clients d’Orange, mais les collaborateurs du groupe. « On a d’abord observé comment ils procédaient pour analyser leurs verbatims et on a réfléchi à la manière de les aider. »
Une réflexion menée en collaboration avec différents acteurs au sein d’Orange : « EVA faisant appel à des outils comme Khiops, qui a été développé dans une autre équipe, nous avons bien évidemment collaboré avec elle. Nous avons également beaucoup travaillé avec une ergonome, des designers graphiques, des développeurs… », conclut Aleksandra.
