Les modèles de langage de nouvelle génération comme GPT permettent de générer automatiquement du texte de manière fluide et cohérente. Ces systèmes ont ouvert la voie à de nombreuses applications prometteuses en traitement du langage naturel.
La génération automatique de texte
Les modèles de langage génératifs comme GPT ont initialement été conçus pour générer de manière intuitive du texte sur n’importe quel sujet fourni en entrée. Cette capacité permet déjà de produire automatiquement :
A lire en complément : C'est quoi un objectif de carrière ?
- des articles sur des sujets factuels ;
- des rapports techniques ;
- des scripts pour la génération de contenu numérique.
Certains travaux explorent le potentiel de ces modèles pour la création littéraire ou journalistique. Bien que la qualité ne soit pas encore à la hauteur d’un auteur humain, des chercheurs sont parvenus à guider GPT. Il peut générer de courts poèmes ou de brèves nouvelles en s’inspirant du style d’écrivains célèbres. Cependant, des défis importants demeurent sur la cohérence narrative sur le long terme, le développement de personnages complexes ou le choix stylistique cohérent d’un auteur.
Par ailleurs, des questions éthiques se posent sur le risque de désinformation lié à la génération automatique de fausses informations par ces systèmes. Leur fonctionnement reste une boîte noire et il n’est pas toujours possible de distinguer un texte écrit par un humain d’un autre généré par un modèle. Des garanties doivent être apportées sur l’origine et la véracité des contenus générés pour éviter d’éventuelles manipulations. De nombreux professionnels et utilisateurs partagent cet avis.
Lire également : Quels sont les avantages et les inconvénients d'être chef d'entreprise ?
Les systèmes de questions-réponses
Les modèles de langage comme GPT sont également très performants pour répondre à des questions précises portant sur de grands volumes de textes. Cette capacité permet d’envisager des assistants virtuels toujours plus perfectionnés.
Certains projets explorent déjà comment coupler un modèle génératif avec une base de connaissances. Ils peuvent ainsi répondre de manière plus nuancée et complète aux questions des utilisateurs. Ces systèmes se rapprochent des capacités d’un chatbot complet, capable de tenir une conversation sur divers sujets en fournissant des réponses naturelles et contextuelles.
Les systèmes de questions-réponses complètent également les moteurs de recherche traditionnels. Ils permettent d’accéder au sens des documents plutôt qu’à de simples correspondances de mots-clés. Ils pourraient, notamment, améliorer les assistants vocaux pour répondre de manière plus précise et plus rapide aux requêtes des utilisateurs.
Le résumé automatique de documents
Les modèles génératifs sont aussi experts pour extraire les idées et éléments clés d’un texte long et en produire un résumé court et cohérent. Cette application pourrait révolutionner les pratiques de veille technologique ou de synthèse documentaire.
Actuellement, la qualité des résumés automatiques produits par ces systèmes s’approche de ce qu’un humain peut faire. Néanmoins des efforts doivent encore être menés pour mieux :
- identifier les concepts clés ;
- résumer des documents techniques complexes ;
- générer des sous-parties cohérentes à partir d’un long texte source.
De futures itérations des modèles, combinés à de meilleures bases de connaissances, devraient permettre de produire des résumés toujours plus fidèles et efficaces pour synthétiser l’essentiel sans avoir à lire des documents entiers.
La traduction automatique
Les systèmes de traduction neuronale ont récemment atteint des niveaux de performance proches d’un traducteur humain pour certaines langues. Les architectures sous-tendant les modèles de langage génératifs contribuent à ces avancées.
GPT et les outils semblables sont ainsi déjà capables de traduire efficacement des textes écrits de taille moyenne entre l’anglais et d’autres langues majeures. La qualité reste moindre pour des langues moins représentées ou des domaines techniques spécifiques.
Des progrès restent encore nécessaires en traduction orale. Cependant, l’intégration de ces modèles dans les assistants vocaux pourrait bientôt permettre une traduction en temps réel de la parole. Ils ouvrent la voie à une compréhension mutuelle accrue entre individus.
Autres applications émergentes
Au-delà des usages déjà matures, de nombreuses applications prospectives sont explorées par la recherche pour pousser plus loin les capacités de ces modèles.
Certains travaux commencent à étudier la possibilité de générer automatiquement du code informatique fonctionnel à partir de spécifications haut niveau. Cette capacité pourrait révolutionner le développement logiciel.
D’autres recherches tentent d’aider artistes et créateurs en leur fournissant des idées et concepts qui peuvent nourrir leur réflexion. Bien que ce ne soit pas pour se substituer à l’humain, cette assistance créative ouvre des pistes prometteuses.