Catégorie : Expertises
-
IA, sémantique et finance…une approche opérationnelle
Avec la régulation des transactions financières et une augmentation des contraintes liées à la compliance et/ou aux due diligence, l’automatisation de l’analyse des documents financiers est devenue une nécessité. Au cours de divers travaux de recherche et développement, QWAM s’est penchée sur l’analyse de ce type de documents. Utiliser des technologies d’analyse sémantique, reposant sur…
-
Intelligence artificielle: outil incontournable du traitement de vos textes
L’intelligence artificielle (sémantique, deep et machine learning, NLP, NLU) s’impose aujourd’hui comme l’outil incontournable d’aide à l’analyse des Big Data textuelles. La personnalisation des vocabulaires et à la création d’ontologies spécifiques proposées par QWAM Text Analytics s’appliquent aux problématiques de tout secteur.
-
Traitement du langage naturel : les étapes clés pour une analyse pertinente
Le Traitement Automatique du Langage Naturel (TALN) ou Natural Language Processing (NLP) est un processus complexe permettant d’extraire du sens à partir de données textuelles brutes. Expert dans le domaine, QWAM utilise des technologies avancées d’intelligence artificielle pour simplifier le traitement de ces données. De la détection de la langue à l’extraction de mots-clés, Sotiria…
-
L’IA sur les textes : valorisation de données textuelles grâce au « machine learning »
Chez QWAM CI, l’analyse de données textuelles est au cœur de notre métier. Grâce à QWAM Text Analytics, nous sommes capables de traiter des données textuelles en masse et d’en tirer des indicateurs clés. Parmi les éléments de base qui construisent ces indicateurs nous retrouvons les entités nommées, comme les personnes, les lieux et les…
-
Utiliser le potentiel des emails pour en extraire des données et du sens
Les boites mails sont devenues un outil de travail majeur qui drainent de grandes masses d’informations. L’identification des données pertinentes grâce à l’IA s’applique à de nombreux cas d’usage et devient un levier puissant de valorisation des données. Le potentiel d’utilisation des emails trouve notamment tout son sens en matière de relations clients ou d’optimisation…
-
Analyse du langage naturel : l’adaptation à l’IA plus performante et moins chère
L’analyse du langage naturel trouve de nombreuses applications au sein des entreprises, par exemple dans le domaine des Ressources Humaines, qui est en pleine transformation. L’une des limites de cette technologie demeurait la difficulté à s’adapter aux différents contextes métiers. En effet l’apprentissage du contexte et vocabulaire métier est une étape préliminaire qui était jusqu’à…
-
L’IA sur les textes : machine learning vs deep learning
L’intelligence artificielle doit permettre d’améliorer le traitement automatique de masses de données textuelles. Cependant les textes étant plus compliqués à modéliser que les autres données, ils nécessitent un savoir-faire particulier. Chez QWAM nous travaillons depuis de nombreuses années sur ce sujet, nous vous proposons dans cet article de vous fournir une première analyse des modèles existants,…
-
Intelligence artificielle: qui décide ?
Nous avons eu l’occasion de le souligner à plusieurs reprises, les questions d’éthique et plus généralement de politique sont aussi au cœur des réflexions sur l’Intelligence artificielle. Cédric Villani, dans son rapport « Donner un sens à l’Intelligence artificielle », s’interroge d’ailleurs sur l’impact qu’elle peut avoir sur l’emploi. Cette réflexion va bien au-delà d’une compétition homme/machine…
-
Technologie : de l’extraction d’entités nommées à celle de leurs relations.
L’extraction d’entités nommées ? Derrière ce terme un peu barbare pour le néophyte se cache une réalité bien connue des spécialistes des moteurs de recherche et des plateformes de crawling. Rappelons que l’opération consiste à extraire dans un texte, des suites de mots respectant des règles prédéfinies, les mots pouvant venir de dictionnaires spécifiques. Le…
-
Opinion Mining : l’analyse des conséquences
La fouille ou extraction d’opinions conduit naturellement à d’une part, leur catégorisation, qui va bien au-delà d’un classique « positif-négatif-neutre » (1) et d’autre part, à l’analyse des conséquences. Derrière cette expression se trouve une évidence : les opinions sont souvent annonciatrices d’actions. D’ailleurs, ce schéma est souvent recherché par les services gouvernementaux en charge de la…