19
coeur des programmes de transcription automatique, portent sur la définition de méthodes d'analyses
robustes qui soient capables, pour le langage parlé, de prendre en compte les erreurs générées par les
reconnaisseurs de la parole, et pour le dialogue écrit ou oral ou écrit/oral, la caractère non standard de
la langue (tweet, chat, forum), les niveaux de langue et les variétés dialectales; de méthodes multimodales n'effectuant pas de traitement en cascade mais des analyses conjointes de plusieurs modalités; de
nouveaux modèles permettant de représenter et exploiter les caractéristiques des énoncés linguistiques
et du signal oral, et plus largement le signal de l'écriture manuscrite, l'image, la vidéo; de modèles et
méthodes pour la prise en compte du contexte de production du message oral ou écrit de manière à
adapter l'analyse automatique et mieux prendre en compte l'utilisateur final.
Multimodalité
La communication est intrinsèquement multimodale. La reconnaissance des intentions communicatives, dans les sens humain-machine ou machine-humain, inclut la parole, les signaux acoustiques et
visuels, les expressions, les émotions et autres signes sociaux comme les attitudes ou signes
d’engagement. Des modèles d’analyse et de reconnaissance spécifiques à chaque modalité doivent être
développés. L’interprétation des signaux en termes de fonctions socio-émotionnelles requiert leur fusion, mais aussi la prise en compte du contexte.
Collaboration Humain Machine
Cette problématique est primordiale pour améliorer les interactions humains-machines, afin de permettre aux utilisateurs d’avoir une meilleure interaction avec les programmes et robots. Cela passe en
particulier par la facilitation de l’interaction et donc le développement d’outils pour le traitement du
langage naturel.
Les grands défis concernant cette thématique:
Recommandations à l’utilisateur
Les systèmes de recommandation cherchent à prédire l’évaluation qu’un client potentiel peut faire
d’un produit, sur la base des évaluations données par le client et d’autres clients sur différents produits
(le système recommande ensuite les produits dont l’évaluation prédite est élevée). Un problème auquel
se heurtent ces systèmes est celui de la “sérendipité” (c’est-à-dire la capacité à proposer des choses
nouvelles, plutôt que seulement des produits trop semblables à ceux déjà bien notés par le client). Ces
nouveaux produits que le système serait capable de proposer à bon escient pourraient gagner aussi à
être expliqués en référence aux choix précédents du client, et à ce qu’on a pu apprendre de son profil
de préférences.
Décision sous incertitude
Certaines décisions sont non répétées et ne doivent donc pas seulement être bonnes en moyenne. De
plus, l’incertitude peut présenter un aspect épistémique (dû à une information incomplète), sans qu’il
s’agisse de se protéger contre la variabilité d’un phénomène. La décision face à l’incertitude doit alors
prendre en compte l’attitude pessimiste, ou optimiste du décideur. L’incertitude peut aussi n’être appréciée que de manière qualitative. Un système d’aide à la décision devrait si nécessaire, être capable
d’une manière générale, d’expliquer, d’argumenter les décisions qu’il propose. Il devrait aussi pouvoir
coeur des programmes de transcription automatique, portent sur la définition de méthodes d'analyses
robustes qui soient capables, pour le langage parlé, de prendre en compte les erreurs générées par les
reconnaisseurs de la parole, et pour le dialogue écrit ou oral ou écrit/oral, la caractère non standard de
la langue (tweet, chat, forum), les niveaux de langue et les variétés dialectales; de méthodes multimodales n'effectuant pas de traitement en cascade mais des analyses conjointes de plusieurs modalités; de
nouveaux modèles permettant de représenter et exploiter les caractéristiques des énoncés linguistiques
et du signal oral, et plus largement le signal de l'écriture manuscrite, l'image, la vidéo; de modèles et
méthodes pour la prise en compte du contexte de production du message oral ou écrit de manière à
adapter l'analyse automatique et mieux prendre en compte l'utilisateur final.
Multimodalité
La communication est intrinsèquement multimodale. La reconnaissance des intentions communicatives, dans les sens humain-machine ou machine-humain, inclut la parole, les signaux acoustiques et
visuels, les expressions, les émotions et autres signes sociaux comme les attitudes ou signes
d’engagement. Des modèles d’analyse et de reconnaissance spécifiques à chaque modalité doivent être
développés. L’interprétation des signaux en termes de fonctions socio-émotionnelles requiert leur fusion, mais aussi la prise en compte du contexte.
Collaboration Humain Machine
Cette problématique est primordiale pour améliorer les interactions humains-machines, afin de permettre aux utilisateurs d’avoir une meilleure interaction avec les programmes et robots. Cela passe en
particulier par la facilitation de l’interaction et donc le développement d’outils pour le traitement du
langage naturel.
Les grands défis concernant cette thématique:
Recommandations à l’utilisateur
Les systèmes de recommandation cherchent à prédire l’évaluation qu’un client potentiel peut faire
d’un produit, sur la base des évaluations données par le client et d’autres clients sur différents produits
(le système recommande ensuite les produits dont l’évaluation prédite est élevée). Un problème auquel
se heurtent ces systèmes est celui de la “sérendipité” (c’est-à-dire la capacité à proposer des choses
nouvelles, plutôt que seulement des produits trop semblables à ceux déjà bien notés par le client). Ces
nouveaux produits que le système serait capable de proposer à bon escient pourraient gagner aussi à
être expliqués en référence aux choix précédents du client, et à ce qu’on a pu apprendre de son profil
de préférences.
Décision sous incertitude
Certaines décisions sont non répétées et ne doivent donc pas seulement être bonnes en moyenne. De
plus, l’incertitude peut présenter un aspect épistémique (dû à une information incomplète), sans qu’il
s’agisse de se protéger contre la variabilité d’un phénomène. La décision face à l’incertitude doit alors
prendre en compte l’attitude pessimiste, ou optimiste du décideur. L’incertitude peut aussi n’être appréciée que de manière qualitative. Un système d’aide à la décision devrait si nécessaire, être capable
d’une manière générale, d’expliquer, d’argumenter les décisions qu’il propose. Il devrait aussi pouvoir