Peut-on vraiment analyser les sentiments avec une IA ?
Tous ceux qui ont pu lire Anna Karenine, Crimes et Châtiments ou encore Madame Bovary se rappellent tout à fait les sentiments de chacun des héros de ces classiques de la littérature.
Anna et son désespoir, Emma Bovary et sa frustration ou encore Raskolnikov et la tourmente dans laquelle il a vécu. Ces textes bien que majeurs, sont denses en informations, en évènements, en temporalité et en personnages. Il serait très intéressant d'en faire une analyse tant au niveau linguistique, littéraire que des sentiments !
L’IA peut-elle comprendre ce qu’on ressent ?
Il existe déjà énormément d'études faites à plusieurs niveaux sur ces livres, mais qu'en est-il d'une analyse de sentiments via intelligence artificielle ? Ou encore nos opinions, nos sentiments, nos émotions contenus dans ce que l'on écrit au quotidien dans nos sms, réseaux sociaux, commentaires, mails ou autre ? Comment peut-on analyser tous ces milliers voire millions de verbatims et autres textes que nous croisons ? Une IA analyste de sentiments est-elle possible ? Serait elle fiable ? Quels seraient les verrous ?
C’est quoi exactement l’analyse de sentiments ?
Tout d'abord petit rappel : l'analyse de sentiment est une technique ou un processus visant à traiter analytiquement et quantitativement de larges quantités de données numériques venant de différents canaux afin d'en dégager une tendance positive, négative ou neutre.
En d'autres termes, c'est une branche de l'intelligence artificielle qui permet de classifier, interpréter et extraire des motifs spécifiques liés aux opinions et pouvoir nous retourner un taux de satisfaction autour d'un sujet donné. Cette technique est souvent utilisée à des fins de modération des opinions en ligne, d'analyse d'opinion des collaborateurs ou encore du "costumer retail".
L'analyse de sentiments dépendait énormément et principalement de certains outils NLP déterministes telles que les approches basées sur des règles comme les expressions régulières ou les motifs syntaxiques.
L'avènement et la démocratisation des IA génératives peut accélérer et améliorer la technique grâce à ses capacités énormes d'analyse, de compréhension et de contextualisation. Ces IA étant basées sur des LLM (large language models) ; qui sont des systèmes d'IA conçus pour traiter de vastes quantités de données afin de comprendre et de générer des textes (IBM), peuvent analyser plusieurs types de données textuelles, générer d'éventuelles interprétations des sentiments et fournir un contexte, cela pour améliorer la précision de l'analyse.
Comment l'IA tente t-elle de décoder nos émotions ?
Plusieurs techniques peuvent être utilisées afin d'effectuer une analyse de sentiments sur un corpus donné. Nous pouvons citer :
Sarcasme, ironie, sous-entendus… le casse-tête des IA
Toutefois, une IA générative est basée sur des calculs, les sentiments étant encore plus compliqués que les mathématiques et ne répondant pas toujours à la raison, étant exprimés de façons aussi diverses que variés, il est difficile de s'assurer que l'analyse que fera l'IA sera fiable et qu'elle pourra faire sauter tous les verrous de la langue.
En effet, la complexité d'une langue et ses nuances ne rendent pas la tâche facile.
En effet, le langage humain est grammaticalement, sémantiquement et lexicalement complexe et riche. L'expression d'un même sentiment peut différer d'une personne à une autre.
Anna Karenine peut tout à fait parler de son malheur en disant "La vie c'est trop nul", alors que madame Bovary dirait "Je n'aime pas du tout cette vie", et Raskolnikov ajouterait "Je ne suis pas non plus fan de la vie". Le réel défi serait de faire comprendre à un outil d'analyse sémantique, en l'occurrence une IA que ces phrases décrivent la même nuance d'émotion avec des mots différents.
De plus, il est quasiment impossible de détecter du sarcasme dans un écrit.
Il est possible que l'IA choisisse de classer la phrase "Bravo je te félicite. Tu as oublié de sauvegarder tes fichiers", car la première partie de la phrase est positive et la deuxième énonce un fait. Ce qui est pour nous compréhensible comme étant un sarcasme ne l'est donc pas pour une machine.
En outre, certaines spécificités du langage français peuvent échapper à des outils d'analyse de sentiments basés sur de l'IA. Notamment l'utilisation de la négation pour renverser le sens d'une phrase. Si Raskolnikov dit : "Je ne dis pas que ma voisine est sympa hein" et que Emma Bovary rétorque : "Je ne dis pas non plus que mon mari est ennuyeux mais…", ces deux personnages là sous entendent tout à fait le contraire de ce que leur négation véhicule.
Et si ceci n'est pas suffisamment complexe, la langue rajoute sa part de multipolarité. Nous pouvons tout à fait faire comprendre que le restaurant est trop loin mais que les plats sont délicieux. Que notre amour est éternel et certainement pas artificiel… Il serait donc recommandé d'extraire les entités séparément afin d'assurer une bonne contextualisation et de leur attribuer les bonnes polarités.
Pour finir, je demande (comme chaque année) donc à un modèle de m'analyser cette fameuse phrase de la chanson de Louise Attack La phrase : "Je voudrais que tu te rappelles notre amour est éternel et pas artificiel", il me répond :
La phrase « Je voudrais que tu te rappelles notre amour est éternel et pas artificiel" exprime un sentiment positif et profond. L'auteur semble vouloir souligner la sincérité et la durabilité de son amour, insistant sur le fait qu'il n'est pas faux ou temporaire. C'est une déclaration d'amour forte et émouvante. » ...
Toujours sur ma faim.