Accueil › Glossaire › NLU

NLU (Natural Language Understanding)

La NLU (Natural Language Understanding), ou compréhension du langage naturel, est le sous-domaine du NLP qui permet aux machines d’interpréter le sens, l’intention et le contexte d’un texte ou d’une parole, en allant au-delà de la simple reconnaissance de mots pour saisir ce que l’utilisateur veut réellement dire.

NLU vs. NLP vs. NLG : comprendre la hiérarchie

La confusion entre NLP, NLU et NLG est fréquente. Clarifions :

Le NLP (Natural Language Processing) est le domaine général qui englobe tout le traitement automatique du langage. C’est le chapeau.

La NLU est la branche du NLP centrée sur la compréhension : transformer un input en langage naturel (texte ou parole) en une représentation structurée que la machine peut exploiter. Quand vous dites « Réserve-moi un vol pour Tokyo mardi prochain », la NLU extrait l’intention (réserver un vol), la destination (Tokyo) et la date (mardi prochain).

La NLG (Natural Language Generation) est la branche inverse : produire du texte fluide à partir de données structurées ou d’instructions. Quand un assistant vocal répond « J’ai trouvé 3 vols pour Tokyo mardi, le moins cher est à 489 € », c’est de la NLG.

Un LLM comme GPT-4 ou Claude fait les deux en même temps (NLU + NLG), mais conceptuellement la distinction reste utile pour comprendre les différentes couches d’un système conversationnel.

Les tâches fondamentales de la NLU

Intent Recognition (reconnaissance d’intention)

C’est la tâche la plus critique de la NLU, surtout dans les systèmes conversationnels. L’intent recognition détermine ce que l’utilisateur cherche à accomplir. Quand quelqu’un tape « Mon internet ne marche plus », le système doit comprendre que l’intention est de signaler une panne technique, pas de poser une question philosophique sur Internet.

Dans un chatbot de service client, chaque message est classé parmi un ensemble d’intentions prédéfinies : demander un remboursement, suivre une commande, signaler un bug, poser une question sur un produit. La précision de la classification d’intention détermine si le chatbot orientera l’utilisateur vers la bonne réponse ou le frustra avec une réponse hors sujet.

Les moteurs de recherche utilisent également l’intent recognition. Une recherche « poulet tikka masala » implique probablement une intention de recette. « Poulet tikka masala près de moi » implique une intention de trouver un restaurant. Ce changement d’intention à partir d’un seul mot ajouté montre la finesse requise.

Les approches modernes utilisent des modèles Transformer fine-tunés (BERT, RoBERTa) pour la classification d’intention. Les LLM permettent aussi de la faire en zero-shot (sans exemples d’entraînement spécifiques), ce qui est utile pour les domaines de niche où les données annotées sont rares. Des travaux récents utilisent des LLM pour augmenter les données d’entraînement des classifieurs d’intention via la génération de paraphrases, améliorant les performances dans les scénarios à faibles données.

Entity Extraction / NER

La reconnaissance d’entités nommées (Named Entity Recognition) identifie et classifie les éléments spécifiques d’un texte : personnes, organisations, lieux, dates, montants, produits. Dans la phrase « Macron rencontre Biden à Paris le 15 mars », la NER extrait [Macron:PERSONNE, Biden:PERSONNE, Paris:LIEU, 15 mars:DATE].

La NER est le complément naturel de l’intent recognition. L’intention dit quoi (l’action), les entités disent avec quoi (les paramètres). Pour l’intention « réserver un vol », les entités sont la destination, la date, le nombre de passagers, la classe.

Les modèles de NER les plus utilisés en production sont spaCy (rapide, léger, excellent pour le batch processing), les modèles BERT fine-tunés (haute précision), et les LLM (flexibles, capables de gérer des entités nouvelles sans ré-entraînement). En français, spaCy propose des modèles pré-entraînés et CamemBERT offre d’excellentes performances de NER.

Analyse sémantique et désambiguïsation

L’analyse sémantique va au-delà des mots individuels pour saisir le sens des phrases dans leur ensemble. Elle gère la polysémie (un mot avec plusieurs sens : « banque » financière vs. rive), la synonymie (« voiture », « auto », « véhicule » désignent la même chose), et les structures complexes (négation, ironie, métaphore).

La phrase « Je n’ai pas dit qu’il a volé l’argent » change complètement de sens selon le mot accentué : « JE n’ai pas dit… » (quelqu’un d’autre l’a dit), « …qu’il a VOLÉ… » (il l’a peut-être emprunté). La NLU doit résoudre ces ambiguïtés en s’appuyant sur le contexte.

Les word embeddings (Word2Vec, GloVe) et surtout les embeddings contextuels des Transformers (BERT, où le même mot « banque » a un vecteur différent selon le contexte) ont transformé la capacité des machines à désambiguïser le langage.

Résolution de coréférence

Identifier à quoi les pronoms et les expressions anaphoriques font référence. « Marie a dit à Pierre qu’elle viendrait demain. Il lui a répondu qu’il serait en retard. » La NLU doit comprendre que « elle » = Marie, « il » = Pierre, « lui » = Marie. Sans cette résolution, un système de dialogue perd le fil de la conversation après quelques phrases.

Dialogue State Tracking

Dans un système de dialogue multi-tours (une conversation avec plusieurs échanges), la NLU doit maintenir un état du dialogue : quelles informations ont déjà été fournies, quelles questions restent sans réponse, quel est le contexte courant. Si un utilisateur dit « Et pour le retour ? » après avoir discuté d’un vol aller, le système doit comprendre que « le retour » fait référence au même voyage, sans que l’utilisateur ait besoin de répéter la destination.

Modèles et architectures pour la NLU

Approches classiques

Avant les Transformers, la NLU reposait sur des modèles statistiques : modèles de Markov cachés (HMM) pour le POS tagging, Conditional Random Fields (CRF) pour la NER, SVM et forêts aléatoires pour la classification d’intention. Ces modèles nécessitaient beaucoup d’ingénierie de features (choix manuel des caractéristiques discriminantes) et des données annotées spécifiques au domaine.

Les réseaux récurrents (LSTM, GRU, BiLSTM) ont ensuite amélioré les performances en capturant les dépendances séquentielles, mais ils restaient limités en taille de contexte et difficiles à paralléliser.

BERT et les Transformers encodeurs

BERT (Bidirectional Encoder Representations from Transformers, Google, 2018) a révolutionné la NLU. Son mécanisme d’attention bidirectionnelle permet de comprendre un mot en tenant compte de tout son contexte (avant et après), contrairement aux modèles autorégressifs (GPT) qui ne regardent que le contexte précédent. BERT est pré-entraîné par masquage de tokens (Masked Language Modeling) : on masque 15 % des mots et le modèle apprend à les prédire à partir du contexte.

Ses descendants (RoBERTa, ALBERT, DeBERTa, ELECTRA) ont affiné l’approche. Pour le français, CamemBERT (INRIA/Facebook AI) et FlauBERT sont les variantes de référence. XLM-RoBERTa est la version multilingue couvrant 100 langues.

Pour les tâches de NLU pures (classification, NER, Q&A extractif), les modèles de type BERT restent souvent le meilleur choix en production : ils sont plus petits, plus rapides et moins coûteux que les LLM, pour des performances comparables voire supérieures sur des tâches spécifiques après fine-tuning.

LLM pour la NLU

Les LLM décodeurs (GPT-4, Claude, Gemini, LLaMA, Mistral) sont capables de réaliser toutes les tâches de NLU en zero-shot ou few-shot, simplement via des instructions en langage naturel. Pas besoin de fine-tuning ni de données annotées. Vous demandez au LLM « Extrais les entités nommées de ce texte » et il le fait.

Cet avantage est décisif pour les entreprises qui n’ont pas de données annotées ou de compétences ML. Mais pour des applications à forte volumétrie, la latence et le coût des appels LLM restent un frein. L’approche hybride (LLM pour le prototypage et les cas complexes, BERT fine-tuné pour la production à grande échelle) est la plus pragmatique.

Applications de la NLU

Chatbots et assistants virtuels

La NLU est le cœur de tout chatbot intelligent. Quand un client écrit « Je veux annuler ma commande passée hier, le numéro c’est 45892 », la NLU extrait l’intention (annuler une commande), les entités (numéro de commande : 45892, date : hier), et le système peut exécuter l’action. Les assistants vocaux (Siri, Alexa, Google Assistant) ajoutent une couche de speech-to-text avant la NLU, mais le processus de compréhension est le même.

Les chatbots modernes utilisent la NLU pour gérer des conversations multi-tours, détecter la frustration dans le ton du message (et escalader vers un humain si nécessaire), et maintenir le contexte à travers des échanges longs. Mobileye (Intel) rapporte que plus de 60 millions de véhicules utilisent leur technologie, dont la couche NLU pour l’interaction conducteur.

Recherche sémantique

Contrairement à la recherche par mots-clés traditionnelle, la recherche sémantique alimentée par la NLU comprend le sens de la requête. Une recherche « comment réduire ma facture d’électricité » renvoie des résultats pertinents même si les documents ne contiennent pas exactement ces mots, mais parlent d’ « économies d’énergie » ou de « réduction de la consommation ». C’est le fondement des moteurs de recherche modernes et des systèmes RAG.

Analyse de sentiment et veille

L’analyse de sentiment utilise la NLU pour déterminer la tonalité émotionnelle d’un texte : positif, négatif, neutre, et de plus en plus des émotions fines (frustration vs. déception, enthousiasme vs. soulagement). Les entreprises l’utilisent pour surveiller leur e-réputation sur les réseaux sociaux, analyser les avis clients, et détecter les signaux faibles de mécontentement.

La difficulté principale est la détection du sarcasme et de l’ironie. « Super, encore une mise à jour qui casse tout » est sémantiquement positif mais émotionnellement très négatif. Les modèles NLU modernes entraînés sur des données culturellement diverses améliorent la détection de ces nuances, y compris dans des contextes multilingues.

Cybersécurité

La NLU est utilisée pour détecter les tentatives de phishing et les e-mails frauduleux. Au lieu de se baser sur des listes noires de mots-clés (facilement contournables), les systèmes NLU analysent le ton, la structure et les intentions de l’e-mail. Un message qui demande des identifiants de connexion avec un sentiment d’urgence artificiel sera détecté comme suspect, même s’il n’utilise aucun mot-clé de phishing connu. Abnormal Security utilise la NLU comme composante centrale de sa détection de menaces e-mail, analysant les patterns de communication normaux pour identifier les anomalies.

Santé

La NLU analyse les notes cliniques en texte libre pour extraire des diagnostics, des médicaments, des allergies et des antécédents. Dans les rapports de radiologie, la NLU peut identifier automatiquement les pathologies mentionnées et les structurer dans le dossier patient. Les systèmes d’aide à la décision clinique utilisent la NLU pour interpréter les questions des médecins et rechercher les preuves pertinentes dans la littérature médicale.

SVI / IVR téléphonique

Les systèmes de serveur vocal interactif (SVI) modernes utilisent la NLU pour comprendre les demandes formulées en langage naturel par l’appelant, au lieu de le forcer à naviguer dans des menus à touches. « Je veux parler à quelqu’un pour un problème de facturation » est analysé par la NLU pour router l’appel vers le bon département, sans les interminables « Tapez 1 pour… tapez 2 pour… ».

Défis de la NLU

Ambiguïté linguistique. Le langage humain est intrinsèquement ambigu. « J’ai vu sa cane » peut signifier « j’ai observé le bâton de marche de cette personne » ou « j’ai observé son canard femelle ». La NLU progresse sur la désambiguïsation contextuelle, mais les cas limites restent nombreux.

Sarcasme et ironie. Même les modèles les plus avancés peinent à détecter le sarcasme de manière fiable. Le sarcasme dépend fortement du contexte culturel, du ton (à l’écrit, il n’y a pas de ton de voix), et de la connaissance partagée entre les interlocuteurs.

Vocabulaire spécialisé. Les modèles généralistes sous-performent face à la terminologie technique (médecine, droit, finance). Un fine-tuning sur des données du domaine est souvent nécessaire. Des modèles sectoriels (Baichuan4-Finance, BioBERT) comblent cette lacune pour certains domaines.

Multilinguisme et code-switching. Comprendre un texte qui mélange plusieurs langues (« je suis tellement busy avec ce meeting ») ou qui passe d’une langue à l’autre pose des défis de tokenization et d’analyse sémantique. Les modèles multilingues (XLM-RoBERTa, mBERT) progressent mais ne rivalisent pas encore avec les modèles monolingues sur les langues individuelles.

Contexte multi-tours. Maintenir une compréhension cohérente sur une conversation de 20 échanges, avec des changements de sujet, des références implicites et des corrections, reste un défi ouvert. Les fenêtres de contexte des LLM (128K tokens pour GPT-4, 200K pour Claude) atténuent le problème mais ne le résolvent pas pour les conversations très longues ou complexes.

Peu de données annotées. Pour les domaines de niche ou les langues à faibles ressources, les données d’entraînement annotées pour la NLU (intentions, entités) sont rares et coûteuses à produire. Le few-shot learning des LLM et les techniques d’augmentation de données par paraphrase offrent des solutions partielles.

Tendances NLU en 2026

NLU multimodale. La compréhension ne se limite plus au texte. Les systèmes modernes intègrent texte, images, audio et vidéo dans un pipeline NLU unifié. Un assistant qui voit une photo de produit défectueux et lit le message « C’est arrivé comme ça » doit fusionner ces deux entrées pour comprendre la situation.

Few-shot et zero-shot NLU. Les LLM permettent de déployer des capacités NLU dans de nouveaux domaines sans données annotées, simplement en décrivant la tâche dans le prompt. C’est un changement de paradigme pour les entreprises qui devaient auparavant annoter des milliers d’exemples avant de pouvoir entraîner un classifieur d’intention.

NLU explicable. Comprendre pourquoi un système a interprété un message de telle manière est crucial pour les applications sensibles (santé, juridique, finance). Les techniques d’attention visualization et d’attribution (quels mots ont le plus influencé la décision) progressent vers une NLU plus transparente.

NLU on-device. La compression de modèles (quantization, distillation) permet d’exécuter des modèles NLU directement sur smartphone ou appareil IoT, sans connexion cloud. Cela améliore la latence (réponse instantanée) et la confidentialité (les données restent sur l’appareil). Les frameworks comme Google LiteRT et Qualcomm Neural Processing SDK facilitent ce déploiement.

Émotions et intention fine. Au-delà du triptyque positif/négatif/neutre, la NLU progresse vers la reconnaissance d’états émotionnels fins (frustration, confusion, soulagement, enthousiasme) et d’intentions implicites (un client qui décrit longuement un problème sans demander explicitement un remboursement veut probablement un remboursement).

Verdict

La NLU est le composant qui fait la différence entre un système qui « reconnaît des mots » et un système qui « comprend ce que vous voulez ». C’est le socle de tout chatbot, assistant vocal, moteur de recherche sémantique et système d’analyse de texte digne de ce nom.

En pratique, deux approches coexistent : les modèles BERT fine-tunés pour les pipelines NLU à haute volumétrie et faible latence (classification d’intention en production, NER sur des millions de documents), et les LLM pour la flexibilité (nouveaux domaines, zero-shot, cas complexes). Le choix dépend du volume, du budget et de la criticité de la tâche.

Si vous construisez un chatbot ou un assistant, ne sous-estimez pas la NLU. Un chatbot avec une NLU médiocre comprendra mal l’utilisateur une fois sur cinq, ce qui détruit la confiance et l’adoption. Investissez dans la classification d’intention, l’extraction d’entités et le suivi d’état du dialogue avant de vous concentrer sur la qualité de la réponse générée. Une réponse brillante à la mauvaise question n’a aucune valeur.