Traitement automatique du langage naturel

Le traitement automatique du langage naturel regroupe les méthodes qui permettent à un programme de travailler sur du texte humain : le découper, en reconnaître les entités, personnes, lieux, montants, dates, le classer par thème ou par sentiment, en extraire des relations, le résumer, le traduire, ou en produire. Pendant des décennies, ces tâches reposaient sur des règles linguistiques et des modèles statistiques spécialisés, chacun entraîné pour une tâche. Les modèles de langage fondés sur l'architecture transformer ont unifié le domaine : un même modèle, éventuellement ajusté, réalise la plupart de ces tâches avec une qualité inédite. L'assurance est un terrain naturel pour ces techniques, parce que l'essentiel de son information est écrit : polices et avenants, questionnaires, déclarations de sinistre en texte libre, rapports d'expertise, correspondances, décisions de justice. Les usages vont de la classification automatique des courriers à l'analyse des descriptions de sinistres pour repérer des causes émergentes, en passant par la comparaison de clauses et la détection de fraude dans les récits. Les limites tiennent à l'exactitude, aux biais linguistiques, et à la difficulté de garantir qu'un modèle comprend réellement un texte juridique plutôt qu'il n'en reproduit la forme.