Analyse sémantique des réponses en langage naturel : la différence de talk4

La plateforme talk4 intègre un COBOT – COllaborative roBOT – , qui sous le contrôle d’un humain: son pilote, analyse et trie par sens commun, de façon ultra-rapide, les réponses apportées par les participants aux questions ouvertes posées dans un talk.

Cette fonctionnalité permet, de restituer en quelques minutes, à tous les participants, leurs réponses classées par idées cohérentes, pour les aider à continuer à réfléchir ensemble.

Comment çà marche et pourquoi ce choix de conception?

Le COBOT talk4 est un outil d’assistance à l’analyse de verbatims, qui fonctionne en connivence avec son ‘humain’: le pilote, dont il apprend la façon de classer les réponses, dans le contexte spécifique de la discussion en cours.

Le COBOT, qui a été entrainé au préalable pour comprendre le langage utilisé, apprend pendant le classement la logique que son pilote utilise pour trier les premiers verbatims saisis par les participants en réponse aux questions ouvertes posées.

Rapidement, le COBOT ne propose plus au pilote que d’intervenir pour classer les réponses qui appellent des idées différentes, et nécessitent donc probablement la création d’un nouveau sous-groupe.

Pourquoi ce choix?

Parce que chez talk4, nous savons qu’il n’y a pas une façon unique de trier des réponses à une question ouverte, autrement dit il n’y a pas de consensus qui s’impose et vers lequel on pourrait vouloir tendre.

Le niveau de connaissance de l’environnement, ou le regard particulier de celui qui les lit, lié à son rôle ou son expérience, influenceront grandement la grille de lecture des échanges.

C’est l’apprentissage de cette grille de lecture particulière, qui permettra de restituer un classement pertinent aux yeux du pilote, et qui permettra de capter plus de nuances que ce qu’un algorithme générique pourrait faire.

Le parti pris de talk4 est d’assumer ce constat et d’en profiter pour aller plus loin dans la conception du COBOT talk4 en intégrant un Machine Learning qui apprend la grille de lecture particulière du pilote.

Le Machine learning intégré au COBOT talk4 a donc la particularité d’apprendre en 2 étapes: en amont il a été entraîné à comprendre le langage utilisé par les participants, il continue à apprendre ensuite, en mode supervisé, et au fil de l’eau, la façon de classer du pilote.

On pourrait définir cette approche comme étant du « machine learning dynamique », la phase d’apprentissage et d’ajustement des hyper-paramètres du modèle se faisant simultanément avec l’arrivée de nouvelles données.

L’autre particularité du COBOT talk4 est qu’il fonctionne de façon ultra-rapide, pour permettre une restitution en quelques minutes des réponses classées par idées, pour alimenter la dynamique du groupe de participants et sa réflexion.

Pour faciliter ce processus complexe, il est souhaitable de demander aux participants de produire une idée par contribution, le nombre de contributions par participant étant lui évidement illimité.

A partir des regroupements obtenus, l’utilisateur voit émerger aussi bien les grandes tendances que les signaux faibles (les quelques contributions qui sont rattachées à aucun groupe).

Contactez-nous

2018-09-21T16:40:18+00:00