Traitement automatique de textes : techniques linguistiques

De plus en plus nombreux et de plus en plus facilement accessibles, les documents sous forme électronique constituent une ressource d’informations majeure et suscitent le développement d’applications nouvelles. À l’origine, le traitement automatique des langues (TAL) se fixait pour objectifs la compréhension du langage naturel et la traduction automatique, et visait un dialogue optimal entre l’homme et la machine. Aujourd’hui, l’apparition de nouveaux besoins en traitement de la langue a simultanément augmenté les perspectives applicatives de cette discipline et réduit dans l’immédiat ses ambitions. L’exploitation des textes tout-venant, qu’il s’agisse par exemple des documents produits dans les entreprises ou de l’ensemble des textes transitant sur Internet, est devenue un enjeu majeur de ce domaine. Aux objectifs traditionnels du TAL – traduction et génération automatique de textes, interrogation de bases de données en langage naturel – s’ajoutent ainsi de nouvelles applications qui alimentent le champ plus vaste de l’ingénierie linguistique. Elles sont liées en particulier à la profusion des documents électroniques transitant sur les réseaux : l’usager a besoin de l’aide de l’ordinateur pour les sélectionner, les classer, y repérer l’information qui l’intéresse, les synthétiser, les structurer, etc. Des techniques de traitement des données textuelles ont ainsi fait leur apparition. Elles s’imposent peu à peu comme des composantes spécifiques dans un certain nombre de logiciels commerciaux et prennent place dans notre environnement de travail professionnel sous forme de traducteurs, correcteurs orthographiques et grammaticaux, moteurs de recherche, outils de veille scientifique et d’aide à la décision. L’information stratégique est de nature essentiellement textuelle. Cet article fait le point sur les techniques linguistiques mises en œuvre pour faciliter l’accès à cette information.

Dans ce contexte qui voit l’explosion des échanges de données écrites sous forme électronique, l’accent est mis sur le traitement de l’écrit.