L’IA pour le business : après le RPA et la visualisation de données, la NLG est “The next big thing”

Alors que de nombreuses entreprises intègrent les RPA et déploient des outils de Business Intelligence à des fins de visualisation des données, les technologies NLG émergent pour traduire les informations contenues dans les entrepôts de données en textes clairs et compréhensibles par tous.

Depuis quelques années déjà, de nombreuses entreprises implémentent les solutions RPA (Robotic Process Automation) pour automatiser les processus répétitifs, consommateurs de temps et à faible valeur ajoutée. Certains acteurs, comme la société UiPath – créée en 2005, présente dans 25 pays et valorisée 35 milliards de $ – ont émergé et on assiste actuellement à un déploiement rapide des RPA au sein des ETI et grandes entreprises.

Avec le RPA, les sociétés peuvent automatiser des processus métiers en se basant sur des règles.

Les gains de productivité sont importants et les risques d’erreurs limités.

A côté de l’automatisation des processus, les entreprises ont cherché (et cherchent encore) à exploiter et surtout à valoriser le potentiel de leurs données. La première étape que nous avons vécue fut la mise en place des entrepôts de données. Les « data lakes » sont à présent en place et il s’agit aujourd’hui d’exploiter cette mine d’information pour en tirer une valeur business.

Les éditeurs d’outils de business intelligence ne s’y sont pas trompés et ont mis en marché des solutions logicielles pour traduire des données brutes en graphiques, tableaux, ou en cartes interactives. On a ainsi vu émerger des solutions Saas telles que Tableau ou Power BI. Le cas de Microsoft Power BI, apparu en 2015, illustre bien cette séquence. Microsoft propose aux entreprises de toute taille (version pro à partir de 9,99$ par mois en 2021) un outil intuitif grâce auquel les métiers ou les équipes Power BI peuvent construire des visualisations de données interactives et personnalisées.

Seulement, dans la plupart des cas, les cartes et les graphiques ne suffisent pas. Ils illustrent des tendances ou des valeurs mais ne permettent pas de comprendre les éléments sous-jacents permettant d’expliquer ces tendances ou ces valeurs. C’est la raison pour laquelle, en général, les commentaires d’analyse et les reportings, bien qu’ils soient fréquents, répétitifs et fastidieux, sont encore produits manuellement par des experts métiers.

Au cours de l’année 2020, on a vu apparaitre des connecteurs entre les RPA, les plateformes de data visualisation et certaines plateformes de génération automatisée de « langage naturel » propulsées à l’IA (Natural Language Generation ou NLG).

Ces dernières apportent une couche de valeur supplémentaire en exprimant les données en langage clair et compréhensible.

Les données expriment leur valeur à travers la NLG.

En 2021, la génération de langage naturel présente beaucoup d’intérêt et de valeur :

● Production de reportings prêt à l’emploi
● Traitement en temps réel
● Élimination du risque d’erreur sur les données (ou de copier/coller)
● Gain de temps considérable
● Forte acceptation du métier
● Possibilité d’intégration dans un assistant virtuel texte ou vocal

La NLG s’inscrit dans le processus de transformation digitale de l’entreprise.

Les grands acteurs de la NLG, d’après l’institut Gartner s’appellent Arria NLG, Narrative Science, Yseop ou AX Semantics.

En France, des solutions existent, soit auprès de start-up pure-player, soit auprès d’intégrateurs des plateformes citées précédemment.

demain.ai est l’intégrateur de « la plateforme la plus complète du marché » (source : Forrester), celle du « leader mondial » (source : Gartner) du secteur : Arria NLG.

Le déploiement des solutions de NLG est rapide, simple et accessible.

La crise sanitaire actuelle conduit les entreprises à gagner en efficacité et en productivité. Comme le RPA ou la visualisation de données, la Génération de Langage Naturel est un outil d’automatisation des processus. Il apparaît aujourd’hui clairement que la NLG soit « The next big thing » en matière technologique. C’est en tout cas ce que pensent les analystes de Gartner qui voient cette technologie arriver à maturité de marché en 2022.