Accueil › Glossaire › NLG

NLG (Natural Language Generation)

La NLG (Natural Language Generation), ou génération de langage naturel, est le sous-domaine du NLP qui permet aux machines de produire du texte ou de la parole compréhensible par un humain, à partir de données structurées, de représentations internes ou d’instructions en langage naturel.

NLG dans l’écosystème NLP

Le NLP se divise en deux branches symétriques : la NLU (compréhension) et la NLG (génération). La NLU transforme le langage humain en représentations structurées que la machine peut exploiter. La NLG fait l’inverse : elle transforme des données, des représentations internes ou des instructions en texte lisible par un humain.

Quand vous demandez à un chatbot « Quel temps fait-il à Paris ? », la NLU extrait l’intention (météo) et l’entité (Paris). Le système récupère les données météo. Puis la NLG produit la réponse : « Il fait 12 °C à Paris avec un ciel nuageux et des éclaircies attendues cet après-midi. » Cette dernière étape, transformer des chiffres bruts en phrase fluide, c’est de la NLG.

Avec l’explosion des LLM (GPT-4, Claude, Gemini, LLaMA, Mistral), la NLG est devenue la branche la plus visible et la plus commercialement impactante du NLP. Chaque fois qu’un LLM rédige un e-mail, résume un document, traduit un texte ou génère du code, c’est de la NLG en action. Selon Gartner, d’ici 2026, 90 % du contenu en ligne sera au moins partiellement généré par des machines.

L’évolution de la NLG : des templates aux LLM

Génération par templates (années 1960-2000)

La forme la plus simple de NLG. Un template prédéfini contient des trous (slots) remplis dynamiquement par des données. Exemple : « Le niveau de pollen pour [JOUR] est [NIVEAU] dans [RÉGION]. » Le système de prévision pollinique écossais (Pollen Forecast for Scotland) est un exemple classique : il prend six chiffres en entrée et produit un résumé textuel standardisé.

Les templates sont fiables, prévisibles et faciles à certifier. Ils restent utilisés dans les applications où la précision factuelle est critique et la créativité n’est pas nécessaire : bulletins météo automatiques, alertes système, confirmations de commande, factures. Un publipostage (mail merge) est techniquement de la NLG par templates.

La limite est évidente : aucune flexibilité. Le texte produit est rigide, répétitif, et incapable de s’adapter au contexte ou au style. Chaque nouvelle formulation doit être codée manuellement.

Modèles statistiques et séquentiels (2000-2017)

Les modèles de Markov et les n-grammes ont apporté une première couche de variabilité : au lieu de suivre un template fixe, le système choisit le prochain mot en fonction des probabilités observées dans un corpus d’entraînement. Les chaînes de Markov peuvent produire du texte grammaticalement acceptable mais souvent incohérent sur des séquences longues.

Les réseaux de neurones récurrents (RNN), puis les LSTM et GRU, ont transformé la NLG en permettant de modéliser des dépendances séquentielles. L’architecture Seq2Seq (encodeur-décodeur), introduite pour la traduction automatique, est devenue le framework standard : un encodeur compresse l’entrée en un vecteur latent, un décodeur génère le texte de sortie mot par mot. Le mécanisme d’attention (Bahdanau, 2014) a ajouté la capacité de « regarder » les parties pertinentes de l’entrée pendant la génération, améliorant drastiquement la qualité.

Le teacher forcing est devenu la technique d’entraînement standard pour les décodeurs : pendant l’entraînement, au lieu d’utiliser le mot généré par le modèle comme entrée du pas suivant (ce qui propage les erreurs), on utilise le mot correct de la séquence de référence. Cela accélère la convergence mais crée un décalage entre entraînement et inférence (exposure bias).

Transformers et LLM (2017-présent)

Le Transformer (Vaswani et al., 2017) a rendu obsolètes les RNN/LSTM pour la NLG. Son mécanisme d’auto-attention parallélise le traitement de la séquence et capture les dépendances à longue portée bien mieux que la récurrence. Les modèles décodeurs autorégressifs (GPT-2, GPT-3, GPT-4, Claude, LLaMA, Mistral) génèrent du texte en prédisant le prochain token, un à la fois, en conditionnant sur tous les tokens précédents.

L’échelle a tout changé. GPT-3 (175 milliards de paramètres, 2020) a démontré que la NLG pouvait produire du texte quasi indistinguable de l’écriture humaine. GPT-4, Claude et Gemini ont poussé encore plus loin les capacités de raisonnement, de suivi d’instructions et de génération longue. Les modèles encodeur-décodeur comme T5 et FLAN-T5 (Google) traitent chaque tâche NLP comme une transformation texte-à-texte, unifiant NLU et NLG dans un cadre commun.

Le pipeline classique de la NLG

Les systèmes NLG traditionnels (pré-LLM) suivent un pipeline en étapes distinctes. Même si les LLM court-circuitent ce pipeline en traitant tout de bout en bout, comprendre ces étapes reste utile pour concevoir des systèmes NLG robustes.

Les LLM effectuent toutes ces étapes implicitement dans un seul forward pass du réseau de neurones. C’est à la fois leur force (simplicité, flexibilité) et leur faiblesse (difficile de contrôler finement chaque étape, risque d’hallucination dans la sélection du contenu).

Techniques et mécanismes de génération

Stratégies de décodage

Comment le modèle choisit-il le prochain mot parmi les milliers de candidats ? Plusieurs stratégies coexistent :

Greedy decoding : choisir le mot le plus probable à chaque pas. Simple mais produit du texte répétitif et ennuyeux.

Beam search : maintenir les k séquences les plus probables en parallèle et choisir la meilleure à la fin. Utilisé principalement en traduction automatique, où la fidélité est prioritaire sur la créativité.

Sampling avec température : échantillonner le prochain mot selon la distribution de probabilité, avec un paramètre de température qui contrôle la « créativité ». Température basse = texte conservateur et prévisible. Température haute = texte créatif mais potentiellement incohérent.

Top-k et top-p (nucleus) sampling : limiter l’échantillonnage aux k mots les plus probables (top-k) ou aux mots dont la probabilité cumulée atteint p % (top-p). Top-p est la stratégie la plus couramment utilisée dans les LLM modernes.

Mécanismes de copie et de pointage

Les mécanismes de copie (Copy Mechanism, Pointer Networks) permettent au modèle de « copier » des mots directement de l’entrée vers la sortie, plutôt que de les générer depuis le vocabulaire. C’est essentiel pour les tâches où le texte de sortie doit inclure des noms propres, des chiffres ou des termes techniques présents dans l’entrée. Sans mécanisme de copie, le modèle risque de « halluciner » un chiffre proche mais inexact.

RLHF et alignement

Les LLM bruts, pré-entraînés uniquement par prédiction du prochain token, produisent du texte fluide mais pas nécessairement utile, sûr ou aligné avec les intentions de l’utilisateur. Le Reinforcement Learning from Human Feedback (RLHF) est la technique d’alignement dominante : des évaluateurs humains comparent des réponses du modèle, un modèle de récompense apprend leurs préférences, et le LLM est optimisé (via PPO ou DPO) pour maximiser cette récompense. Le RLHF est ce qui transforme un modèle de prédiction de texte en assistant conversationnel utile.

Les grandes tâches de la NLG

Applications concrètes de la NLG

Reporting et business intelligence

La NLG transforme les données brutes en narratifs compréhensibles. Au lieu de regarder un graphique de ventes avec 200 points de données, un cadre reçoit : « Les ventes ont progressé de 12 % au T3, portées par la région EMEA (+18 %) qui compense le recul de l’Amérique du Nord (-3 %). Le produit X représente 42 % de la croissance totale. » Des entreprises rapportent une réduction de 80 % du temps consacré à la production de rapports grâce aux outils NLG. Selon Forrester, 65 % des entreprises utilisent déjà des outils NLG dans au moins une fonction métier.

Finance

La NLG produit des résumés de recherche actions (equity research), des rapports de performance de portefeuille, des analyses de résultats trimestriels et des alertes de conformité. La précision factuelle est critique dans ce contexte : un chiffre erroné dans un rapport financier peut avoir des conséquences réglementaires et financières sérieuses. Les systèmes NLG financiers combinent souvent des templates rigoureux avec des LLM pour le narratif explicatif.

E-commerce et marketing

La NLG automatise la rédaction de descriptions produits (des milliers de fiches à créer pour un catalogue), la personnalisation d’e-mails marketing, la création de contenus SEO, et la rédaction d’annonces publicitaires. La capacité à produire du contenu à grande échelle, personnalisé par segment d’audience, est un avantage compétitif direct.

Santé

La NLG produit des comptes rendus de radiologie, des résumés de dossiers patients, et des rapports de suivi clinique. Elle réduit le temps de documentation pour les soignants (Oscar Health rapporte une réduction de 40 % du temps de documentation et un traitement des réclamations 50 % plus rapide grâce aux outils NLG/NLP d’OpenAI). Les enjeux de sécurité sont maximaux : le texte généré doit être factuellement exact, car une erreur dans un rapport médical peut affecter le traitement d’un patient.

Journalisme automatisé

Des agences de presse comme Associated Press et Bloomberg utilisent la NLG pour rédiger automatiquement des brèves à partir de données structurées : résultats sportifs, résultats financiers trimestriels, bulletins météo. AP produit des milliers d’articles de résultats d’entreprises par trimestre via NLG, libérant les journalistes pour des analyses plus complexes.

Création de contenu créatif

L’IA créative utilise la NLG pour la génération d’histoires, les scripts, les dialogues de jeux vidéo, et l’assistance à l’écriture littéraire. Les LLM sont des co-auteurs capables de proposer des ébauches, des variations stylistiques, ou des suites narratives. La question de l’originalité et des droits d’auteur reste un débat actif.

Évaluation de la NLG

Évaluer la qualité d’un texte généré est un défi fondamental. Trois approches coexistent :

Métriques automatiques. BLEU (traduction), ROUGE (résumé), METEOR, LEPOR comparent le texte généré à des références humaines. Elles sont rapides mais corrèlent mal avec le jugement humain pour les tâches créatives ou de génération ouverte. Un texte peut obtenir un score BLEU élevé tout en étant ennuyeux, et vice versa.

Évaluation humaine. Des évaluateurs notent la fluence, la cohérence, la pertinence et l’utilité du texte généré. C’est la référence en termes de qualité mais c’est coûteux, lent et subjectif. Les études montrent que les évaluations humaines prédisent bien mieux l’utilité réelle du texte que les métriques automatiques.

Évaluation par tâche (extrinsèque). On mesure si le texte généré aide réellement l’utilisateur à accomplir sa tâche. Un résumé médical est-il utile au médecin pour prendre une décision ? Un rapport financier est-il exploitable par l’analyste ? C’est la mesure la plus pertinente mais la plus difficile à mettre en place.

LLM-as-Judge. Tendance récente : utiliser un LLM puissant pour évaluer automatiquement la qualité du texte généré par un autre modèle. GPT-4 ou Claude évaluent la cohérence, la pertinence et la factualité d’une réponse. Cette approche est plus rapide que l’évaluation humaine et mieux corrélée avec le jugement humain que les métriques automatiques classiques.

Défis de la NLG

Hallucinations. Le défi numéro un. Les LLM génèrent parfois des informations plausibles mais fausses : chiffres inventés, citations inexistantes, faits erronés présentés avec assurance. C’est inacceptable dans les domaines où la précision factuelle est critique (finance, santé, juridique). Les techniques de mitigation incluent le RAG (ancrer la génération dans des documents sources), le grounding, la vérification factuelle automatique et les mécanismes de citation.

Cohérence sur les textes longs. Générer un paragraphe cohérent est un problème résolu. Générer un document de 50 pages qui maintient la cohérence narrative, factuelle et stylistique reste difficile. Les modèles « oublient » les détails mentionnés plus tôt, ou se contredisent. L’extension des fenêtres de contexte (128K-200K tokens) et les world models atténuent ce problème.

Contrôlabilité. Faire produire au LLM un texte avec un style, un ton, une longueur et un format précis est plus difficile qu’il n’y paraît. L’instruction « Écris un e-mail formel de 200 mots » peut produire un texte de 350 mots au ton semi-formel. Le contrôle fin de la génération (constrained decoding, structured output) est un domaine de recherche actif.

Biais et toxicité. Les modèles NLG reproduisent les biais de leurs données d’entraînement et peuvent générer du contenu stéréotypé, biaisé ou toxique. Le RLHF et les filtres de sécurité atténuent le problème, mais ne l’éliminent pas. Les systèmes NLG déployés en production nécessitent des garde-fous et une supervision humaine.

Répétitivité et banalité. Sans paramétrage soigneux, les modèles NLG tendent à produire des réponses génériques et convenues. Les techniques de diversification (temperature, top-p, pénalité de répétition) améliorent la variété mais peuvent introduire de l’incohérence.

Coût et latence. Les LLM les plus puissants (GPT-4, Claude Opus) sont coûteux en inférence. La génération d’un rapport de 2 000 mots peut prendre 10 à 30 secondes et coûter plusieurs centimes. Pour les applications à forte volumétrie, des modèles plus petits et optimisés (Mistral, LLaMA quantisé) offrent un meilleur rapport qualité/coût.

Tendances NLG en 2026

NLG multimodale. Les modèles génèrent désormais du texte à partir d’images (captioning), de vidéos (description), et d’audio (transcription commentée). La NLG dépasse le cadre texte-à-texte pour devenir une capacité transversale dans les systèmes multimodaux.

Génération structurée (structured output). Les LLM apprennent à générer du JSON, du XML, du SQL et d’autres formats structurés de manière fiable, pas seulement du texte libre. C’est essentiel pour l’intégration dans des pipelines logiciels et l’alimentation d’API.

NLG personnalisée. Adapter le style, le ton et le niveau de langage au profil de l’utilisateur. Un rapport financier pour un PDG n’est pas formulé comme un rapport pour un analyste junior. Les LLM affinés par RLHF permettent cette personnalisation, et les travaux sur le « style transfer » la poussent plus loin.

Agents NLG autonomes. Les agents IA qui planifient, recherchent des données, exécutent des actions et rédigent des documents de manière autonome sont la tendance la plus active. La NLG devient un composant d’un système agentique plus large, pas une fin en soi.

Safety et vérifiabilité. Les réglementations (AI Act européen) poussent vers des systèmes NLG dont les sorties sont vérifiables, traçables et conformes. La NLG en milieu réglementé (santé, finance, juridique) nécessite des mécanismes d’audit et de validation humaine systématiques.

Verdict

La NLG est passée de niche académique à colonne vertébrale de l’économie de l’IA. Chaque interaction avec un LLM est un acte de NLG. Le marché est en croissance explosive, porté par la demande d’automatisation de contenu, de reporting et de communication client.

Pour les praticiens : le choix entre templates, modèles classiques et LLM dépend du contexte. Pour un reporting financier où la précision est absolue et le format standardisé, un système hybride (templates + LLM pour le narratif) est le choix le plus sûr. Pour la génération de contenu créatif à grande échelle, les LLM sont imbattables. Pour la génération de code, Claude et GPT-4 sont les outils de référence.

Le défi central de la NLG en 2026 n’est plus la fluence (les LLM écrivent mieux que la plupart des humains) mais la fiabilité : garantir que le texte généré est factuel, non biaisé, contrôlable et aligné avec l’intention de l’utilisateur. C’est sur ce terrain que les systèmes NLG seront jugés.