#Directeur du Natural Language Group de l'Université de Californie du Sud
Le Natural Language Group de l' USC/ISI (University of Southern California /
Information Sciences Institute) traite de plusieurs aspects du traitement du
langage naturel: traduction automatique, résumé automatique de texte, accès
multilingue aux verbes et gestion du texte, développement de taxonomies de
concepts (ontologies), discours et génération de texte, élaboration d'importants
lexiques pour plusieurs langues, et communication multimédias.
Son directeur, Eduard Hovy, est docteur en informatique (spécialité:
intelligence artificielle) de l'Université de Yale (doctorat obtenu en 1987). Il
est membre des départements informatiques de l'Université de Californie du Sud
et de l'Université de Waterloo. Ses recherches concernent principalement la
traduction automatique, le résumé automatique de texte, l'organisation et la
génération de textes, et l'élaboration semi-automatique d'importants lexiques et
banques terminologiques. Tous ces thèmes sont des sujets de recherche au Natural
Language Group.
Eduard Hovy est également l'auteur ou le directeur de publication de quatre
ouvrages et d'une centaine d'articles techniques. Il a fait partie des comités
de rédaction de Computational Linguistics et du Journal of the Society of
Natural Language Processing of Japan. Il est actuellement le président de
l'Association of Machine Translation in the Americas (AMTA, et le vice-président
de l'Association for Computational Linguistics (ACL).
*Entretien du 27 août 1998 (entretien original en anglais)
= Le multilinguisme sur le web est-il un atout ou une barrière?
Dans le contexte de la recherche documentaire et du résumé automatique de texte,
le multilinguisme sur le web est un facteur qui ajoute à la complexité du sujet.
Les gens écrivent dans leur propre langue pour diverses raisons : commodité,
discrétion, communication à l'échelon local, mais ceci ne signifie pas que
d'autres personnes ne soient pas intéressées de lire ce qu'ils ont à dire ! Ceci
est particulièrement vrai pour les sociétés impliquées dans la veille
technologique (disons une société informatique qui souhaite connaître tous les
articles de journaux et périodiques japonais relatifs à son activité) et des
services de renseignements gouvernementaux (ceux qui procurent l'information la
plus récente, utilisée ensuite par les fonctionnaires pour décider de la
politique, etc.). Un des principaux problèmes auquel ces services doivent faire
face est la très grande quantité d'informations. Ils recrutent donc du personnel
bilingue "passif" qui peut scanner rapidement les textes afin de mettre de côté
ce qui est sans intérêt et de donner ensuite les documents significatifs à des
traducteurs professionnels. Manifestement, une combinaison de résumé automatique
de texte et de traduction automatique sera très utile dans ce cas. Comme la
traduction automatique est longue, on peut d'abord résumer le texte dans la
langue étrangère, puis effectuer une traduction automatique rapide à partir du
résultat obtenu, en laissant à un être humain ou un classificateur de texte (du
type recherche documentaire) le soin de décider si on doit garder l'article ou
le rejeter.
Pour ces raisons, durant ces cinq dernières années, le gouvernement des
Etats-Unis a financé des recherches en traduction automatique, en résumé
automatique de texte et en recherche documentaire, et il s'intéresse au
lancement d'un nouveau programme de recherche en informatique documentaire
multilingue. On sera ainsi capable d'ouvrir un navigateur tel que Netscape ou
Explorer, entrer une demande en anglais, et obtenir la liste des documents dans
toutes les langues. Ces documents seront regroupés par sous-catégorie avec un
résumé pour chacun et une traduction pour les résumés étrangers, toutes choses
qui seraient très utiles.
En consultant MuST (multilingual information retrieval, summarization, and
translation system), vous aurez une démonstration de notre version de ce
programme de recherche, qui utilise l'anglais comme langue de l'utilisateur sur
un ensemble d'environ 5.000 textes en anglais, japonais, arabe, espagnol et
indonésien.
Entrez votre demande (par exemple, "baby", ou tout autre terme) et appuyez sur
la touche Retour. Dans la fenêtre du milieu vous verrez les titres (ou bien les
mots-clés, traduits). Sur la gauche vous verrez la langue de ces documents: "Sp"
pour espagnol, "Id" pour indonésien, etc. Cliquez sur le numéro situé sur la
partie gauche de chaque ligne pour voir le document dans la fenêtre du bas.
Cliquez sur "Summarize" pour obtenir le résumé. Cliquez sur "Translate" pour
obtenir la traduction (attention, les traductions en arabe et en japonais sont
extrêmement lentes! Essayez plutôt l'indonésien pour une traduction rapide mot à
mot).
Ce programme de démonstration n'est pas (encore) un produit. Nous avons de
nombreuses recherches à mener pour améliorer la qualité de chaque étape. Mais
ceci montre la direction dans laquelle nous allons.
*Entretien du 8 août 1999 (entretien original en anglais)
= Quoi de neuf depuis notre premier entretien?
Durant les douze derniers mois, j'ai été contacté par un nombre surprenant de
nouvelles sociétés et start-up en technologies de l'information. La plupart
d'entre elles ont l'intention d'offrir des services liés au commerce
électronique (vente en ligne, échange, collecte d'information, etc.). Etant
donné les faibles résultats des technologies actuelles du traitement de la
langue naturelle - ailleurs que dans les centres de recherche - c'est assez
surprenant. Quand avez-vous pour la dernière fois trouvé rapidement une réponse
correcte à une question posée sur le web, sans avoir eu à passer en revue
pendant un certain temps des informations n'ayant rien à voir avec votre
question? Cependant, à mon avis, tout le monde sent que les nouveaux
développements en résumé automatique de texte, analyse des questions, etc.,
vont, je l'espère, permettre des progrès significatifs. Mais nous ne sommes pas
encore arrivés à ce stade.
Il me semble qu'il ne s'agira pas d'un changement considérable, mais que nous
arriverons à des résultats acceptables, et que l'amélioration se fera ensuite
lentement et sûrement. Ceci s'explique par le fait qu'il est très difficile de
faire en sorte que votre ordinateur "comprenne" réellement ce que vous voulez
dire - ce qui nécessite de notre part la construction informatique d'un réseau
de "concepts" et des relations de ces concepts entre eux - réseau qui, jusqu'à
un certain stade au moins, reflèterait celui de l'esprit humain, au moins dans
les domaines d'intérêt pouvant être regroupés par sujets. Le mot pris à la
"surface" n'est pas suffisant - par exemple quand vous tapez: "capitale de la
Suisse", les systèmes actuels n'ont aucun moyen de savoir si vous songez à
"capitale administrative" ou "capitale financière". Dans leur grande majorité,
les gens préféreraient pourtant un type de recherche basé sur une expression
donnée, ou sur une question donnée formulée en langage courant.
Plusieurs programmes de recherche sont en train d'élaborer de vastes réseaux de
"concepts", ou d'en proposer l'élaboration. Ceci ne peut se faire en deux ans,
et ne peut amener rapidement un résultat satisfaisant. Nous devons développer à
la fois le réseau et les techniques pour construire ces réseaux de manière
semi-automatique, avec un système d'auto-adaptation. Nous sommes face à un défi
majeur.
= Que pensez-vous des débats liés au respect du droit d'auteur sur le web?
Quelles solutions pratiques suggérez-vous?
En tant qu'universitaire, je suis bien sûr un des parasites de notre société, et
donc tout à fait en faveur de l'accès libre à la totalité de l'information. En
tant que co-propriétaire d'une petite start-up, je suis conscient du coût que
représente la collecte et la présentation de l'information, et de la nécessité
de faire payer ce service d'une manière ou d'une autre.
Pour équilibrer ces deux tendances, je pense que l'information à l'état brut -
et certaines ressources à l'état brut: langages de programmation ou moyens
d'accès à l'information de base comme les navigateurs web - doivent être
disponibles gratuitement. Ceci crée un marché et permet aux gens de les
utiliser. Par contre l'information traitée et les systèmes vous permettant
d'obtenir et structurer très exactement ce dont vous avez besoin doivent être
payants. Cela permet de financer ceux qui développent ces nouvelles
technologies.
Prenons un exemple: à l'heure actuelle, un dictionnaire n'est pas disponible
gratuitement. Les sociétés éditrices de dictionnaires refusent de les mettre
librement à la disposition des chercheurs et de toute personne intéressée, et
elles avancent l'argument que ces dictionnaires ont demandé des siècles de
travail (j'ai eu plusieurs discussions à ce sujet avec des sociétés de
dictionnaires). Mais de nos jours les dictionnaires sont des instruments
stupides: on doit connaître le mot avant de le trouver! J'aimerais avoir un
outil qui me permette de donner une définition approximative, ou peut-être une
phrase ou deux incluant un espace pour le mot que je cherche, ou même
l'équivalent de ce mot dans une autre langue, et que la réponse me revienne avec
le(s) mot(s) que je cherche. Un tel outil n'est pas compliqué à construire, mais
il faut d'abord le dictionnaire de base. Je pense que ce dictionnaire de base
devrait être en accès libre. Par contre on pourrait facturer l'utilisation du
moteur de recherche ou du service permettant d'entrer une information -
partielle ou non - qui soit très "ciblée", afin d'obtenir le meilleur résultat.
Voici un deuxième exemple. On devrait avoir accès librement à la totalité du
web, et à tous les moteurs de recherche "de base" du type de ceux qu'on trouve
aujourd'hui. Pas de copyright et pas de licence. Mais si on a besoin d'un moteur
de recherche qui procure une réponse très "ciblée" et très fiable, je pense
qu'il ne serait pas déraisonnable que ce service soit facturé.
Le créateur d'une encyclopédie ne va naturellement pas aimer ma proposition.
Mais je lui suggérerais d'équiper son encyclopédie d'un système d'accès
performant. Sans ce système, l'information brute donnée par cette encyclopédie
n'est qu'un stock d'informations et rien d'autre, et ce stock peut aisément se
perdre dans une masse considérable d'informations qui augmente tous les jours.
*Entretien du 2 septembre 2000 (entretien original en anglais)
= Quoi de neuf depuis notre dernier entretien?
Je vois de plus en plus de petites sociétés utiliser d'une manière ou d'une
autre les technologies liées aux langues, pour procurer des recherches, des
traductions, des rapports ou d'autres services permettant de communiquer. Le
nombre de créneaux dans lesquels ces technologies peuvent être utilisées
continue de me surprendre, et cela va des rapports financiers et leurs mises à
jour aux communications d'une société à l'autre en passant par le marketing.
En ce qui concerne la recherche, la principale avancée que je vois est due à
Kevin Knight, un collègue de l'ISI (Institut des sciences de l'information de
l'Université de Californie du Sud), ce dont je suis très honoré. L'été dernier,
une équipe de chercheurs et d'étudiants de l'Université Johns Hopkins (Maryland)
a développé une version à la fois meilleure et plus rapide d'une méthode
développée à l'origine par IBM (et dont IBM reste propriétaire) il y a douze ans
environ. Cette méthode permet de créer automatiquement un système de traduction
automatique, dans la mesure où on lui fournit un volume suffisant de texte
bilingue. Tout d'abord la méthode trouve toutes les correspondances entre les
mots et la position des mots d'une langue à l'autre, et ensuite elle construit
des tableaux très complets de règles entre le texte et sa traduction, et les
expressions correspondantes.
Bien que la qualité du résultat soit encore loin d'être satisfaisante - personne
ne pourrait considérer qu'il s'agit d'un produit fini, et personne ne pourrait
utiliser le résultat tel quel - l'équipe a créé en vingt-quatre heures un
système (élémentaire) de traduction automatique du chinois vers l'anglais. Ceci
constitue un exploit phénoménal, qui n'avait jamais été réalisé avant. Les
détracteurs du projet peuvent bien sûr dire qu'on a besoin dans ce cas de trois
millions de phrases disponibles dans chaque langue, et qu'on ne peut se procurer
une quantité pareille que dans les parlements du Canada, de Hong-Kong ou
d'autres pays bilingues. Ils peuvent bien sûr arguer également de la faible
qualité du résultat. Mais le fait est que, tous les jours, on met en ligne des
textes bilingues au contenu à peu près équivalent, et que la qualité de cette
méthode va continuer de s'améliorer pour atteindre au moins celle des logiciels
de traduction automatique actuels, qui sont conçus manuellement. J'en suis
absolument certain.
D'autres développements sont moins spectaculaires. On observe une amélioration
constante des résultats dans les systèmes pouvant décider de la traduction
opportune d'un terme (homonyme) qui a des significations différentes (par
exemple père, pair et père, ndlr). On travaille beaucoup aussi sur la recherche
d'information par recoupement de langues (qui vous permettront bientôt de
trouver sur le web des documents en chinois et en français même si vous tapez
vos questions en anglais). On voit également un développement rapide des
systèmes qui répondent automatiquement à des questions simples (un peu comme le
populaire AskJeeves utilisé sur le web, mais avec une gestion par ordinateur et
non par des êtres humains). Ces systèmes renvoient à un grand volume de texte
permettant de trouver des "factiodes" (et non des opinions ou des motifs ou des
chaînes d'événements) en réponse à des questions telles que: "Quelle est la
capitale de l'Ouganda?", ou bien: "Quel âge a le président Clinton?", ou bien:
"Qui a inventé le procédé Xerox?", et leurs résultats obtenus sont plutôt
meilleurs que ce à quoi je m'attendais.
= Quelle est votre opinion sur le livre électronique?
Je ne crois pas au livre électronique. Encore plus que d'assister à un concert
en public ou d'aller voir un film au cinéma, j'aime l'expérience physique
d'avoir un livre sur les genoux et de prendre plaisir à son odeur, son contact
et son poids. Les concerts à la télévision, les films à la télévision et les
livres électroniques font qu'on perd un peu de ce plaisir. Et, pour les livres
particulièrement, je ne suis pas prêt à cette perte. Après tout, dans mon
domaine d'activité, il est beaucoup plus facile et beaucoup plus économique de
se procurer un livre qu'une place de concert ou de cinéma. Tous mes souhaits
vont aux fabricants de livres électroniques, mais je suis heureux avec les
livres imprimés. Et je ne pense pas changer d'avis de sitôt, et me ranger dans
la minorité qui utilise les livres électroniques. Je crains beaucoup moins la
disparition des livres que je n'ai craint autrefois la disparition des cinémas.
= Comment définissez-vous le cyberespace?
Pour moi, le cyberespace est représenté par la totalité des informations
auxquelles nous pouvons accéder par l'internet et les systèmes informatiques en
général. Il ne s'agit bien sûr pas d'un espace, et son contenu est sensiblement
différent de celui des bibliothèques. Par exemple, bientôt mon réfrigérateur, ma
voiture et moi-même seront connus du cyberespace, et toute personne disposant
d'une autorisation d'accès (et d'une raison pour cela) pourra connaître
précisément le contenu de mon réfrigérateur et la vitesse de ma voiture (ainsi
que la date à laquelle je devrai changer les amortisseurs), et ce que je suis en
train de regarder maintenant.
En fait, j'espère que la conception de la publicité va changer, y compris les
affiches et les présentations que j'ai sous les yeux en marchant, afin que cette
publicité puisse correspondre à mes connaissances et à mes goûts, tout
simplement en ayant les moyens de reconnaître que "voici quelqu'un dont la
langue maternelle est l'anglais, qui vit à Los Angeles et dont les revenus sont
de tant de dollars par mois". Ceci sera possible du fait de la nature dynamique
d'un cyberespace constamment mis à jour (contrairement à une bibliothèque), et
grâce à l'existence de puces informatiques de plus en plus petites et bon
marché.
Tout comme aujourd'hui j'évolue dans un "espace social" (socialspace) qui est un
réseau de normes sociales, d'expectations et de lois, demain, j'évoluerai aussi
dans un cyberespace composé d'informations sur lesquelles je pourrai me baser
(parfois), qui limiteront mon activité (parfois), qui me réjouiront (souvent,
j'espère) et qui me décevront (j'en suis sûr).
= Et la société de l'information?
Une société de l'information est une société dans laquelle la majorité des gens
a conscience de l'importance de cette information en tant que produit de base,
et y attache donc tout naturellement du prix. Au cours de l'histoire, il s'est
toujours trouvé des gens qui ont compris combien cette information était
importante, afin de servir leurs propres intérêts. Mais quand la société, dans
sa majorité, commence à travailler avec et sur l'information en tant que telle,
cette société peut être dénommée société de l'information. Ceci peut sembler une
définition tournant un peu en rond ou vide de sens, mais je vous parie que, pour
chaque société, les anthropologues sont capables de déterminer quel est le
pourcentage de la société occupé au traitement de l'information en tant que
produit de base. Dans les premières sociétés, ils trouveront uniquement des
professeurs, des conseillers de dirigeants et des sages. Dans les sociétés
suivantes, ils trouveront des bibliothécaires, des experts à la retraite
exerçant une activité de consultants, etc.
Les différentes étapes de la communication de l'information - d'abord verbale,
puis écrite, puis imprimée, puis électronique - ont chaque fois élargi (dans le
temps et dans l'espace) le champ de propagation de cette information, en rendant
de ce fait de moins en moins nécessaire le réapprentissage et la répétition de
certaines tâches difficiles. Dans une société de l'information très évoluée, je
suppose, il devrait être possible de formuler votre objectif, et les services
d'information (à la fois les agents du cyberespace et les experts humains)
oeuvreraient ensemble pour vous donner les moyens de réaliser cet objectif, ou
bien se chargeraient de le réaliser pour vous, et réduiraient le plus possible
votre charge de travail en la limitant au travail vraiment nouveau ou au travail
nécessitant vraiment d'être refait à partir de documents rassemblés pour vous
dans cette intention.