Partager via


Qu’est-ce qu’Azure AI Language ?

Azure AI Language est un service cloud qui fournit des fonctionnalités de traitement du langage naturel (NLP) pour comprendre et analyser du texte. Utilisez ce service pour créer plus facilement des applications intelligentes à l’aide de Language Studio sur le web, d’API REST et de bibliothèques de client.

Fonctionnalités disponibles

Ce service de langage unifie les services Azure AI services précédemment disponibles suivants : Analyse de texte, QnA Maker et LUIS. Si vous devez effectuer une migration à partir de ces services, consultez la section migration ci-dessous.

Le service de langage fournit également plusieurs nouvelles fonctionnalités, qui peuvent être les suivantes :

  • Préconfigurés, ce qui signifie que les modèles IA qu’utilise la fonctionnalité ne sont pas personnalisables. Vous envoyez juste vos données et utilisez la sortie de la fonctionnalité dans vos applications.
  • Personnalisables, ce qui signifie que vous allez entraîner un modèle IA à l’aide de nos outils pour adapter vos données spécifiquement.

Conseil

Vous ne savez pas quelle fonctionnalité utiliser ? Consultez Quelle fonctionnalité de service de langage dois-je utiliser ? pour vous aider à décider.

Language Studio vous permet d’utiliser les fonctionnalités de service ci-dessous sans avoir besoin d’écrire du code.

Reconnaissance d’entité nommée (NER)

Capture d’écran d’un exemple de reconnaissance d’entité nommée.

Reconnaissance d’entité nommée est une fonctionnalité préconfigurée qui catégorise les entités (mots ou expressions) dans du texte non structuré en plusieurs groupes de catégories prédéfinies. Par exemple : personnes, événements, lieux, dates et plus encore.

Détection des informations d’identification personnelle et médicales

Capture d’écran d’un exemple de détection d’informations d’identification personnelle.

Détection des informations d’identification personnelle est une fonctionnalité préconfigurée qui identifie, catégorise et rédige les informations sensibles à la fois dans des documents texte non structurés et des transcriptions de conversation. Par exemple : numéros de téléphone, adresses e-mail, formes d’identification et plus encore.

Détection de la langue

Capture d’écran d’un exemple de détection de langue.

Détection de la langue est une fonctionnalité préconfigurée qui peut détecter la langue dans laquelle un document est écrit, et qui retourne un code de langue pour un large éventail de langues, de variantes, de dialectes et de quelques langues régionales/culturelles.

Analyse des sentiments et exploration des opinions

Capture d’écran d’un exemple d’analyse des sentiments.

Analyse des sentiments et exploration des opinions sont des fonctionnalités préconfigurées qui vous aident à identifier ce que les gens pensent de votre marque ou d’un thème donné en explorant du texte pour y trouver des indices sur un sentiment positif ou négatif, et qui peuvent les associer à des aspects spécifiques du texte.

Résumé

Capture d’écran d’un exemple de résumé.

Résumé est une fonctionnalité préconfigurée qui utilise un résumé extractif pour produire un résumé de documents et de transcriptions de conversation. Elle extrait des phrases qui représentent collectivement les informations les plus importantes ou pertinentes dans le contenu d’origine.

Extraction d’expressions clés

Capture d’écran d’un exemple d’extraction d’expressions clés.

Extraction d’expressions clés est une fonctionnalité préconfigurée qui évalue et retourne sous forme de liste les concepts principaux dans du texte non structuré.

Liaison d’entités

Capture d’écran d’un exemple de liaison d’entités.

Liaison d’entités est une fonctionnalité préconfigurée qui lève l’ambiguïté sur l’identité des entités (mots ou expressions) trouvées dans du texte non structuré et retourne des liens vers Wikipédia.

Analyse de texte pour l’intégrité

Capture d’écran d’un exemple d’analyse de texte pour la santé.

Analyse de texte pour la santé est une fonctionnalité préconfigurée qui extrait et étiquette les informations médicales pertinentes provenant de textes non structurés, comme les notes des médecins, les bilans de sortie d’hospitalisation, les documents cliniques et les dossiers médicaux électroniques.

Classification de texte personnalisée

Capture d’écran d’un exemple de classification de texte personnalisée.

La classification de texte personnalisée vous permet de créer des modèles IA personnalisés pour classifier des documents texte non structurés dans des classes personnalisées que vous définissez.

Reconnaissance d’entité nommée personnalisée (NER personnalisée)

Capture d’écran d’un exemple de NER personnalisée.

La NER personnalisée vous permet de créer des modèles IA personnalisés pour extraire des catégories d’entités personnalisées (étiquettes pour mots ou phrases), en utilisant du texte non structuré que vous fournissez.

Compréhension du langage courant

Capture d’écran d’un exemple de compréhension du langage courant.

La compréhension du langage courant (CLU) permet aux utilisateurs de créer des modèles de compréhension du langage naturel personnalisés afin de prédire l’intention globale d’un énoncé entrant et d’en extraire les informations importantes.

Workflow d'orchestration

Capture d’écran d’un exemple de workflow d’orchestration.

Le workflow d’orchestration est une fonctionnalité personnalisée qui vous permet de connecter des applications de compréhension du langage courant (CLU), de réponses aux questions et LUIS.

Réponses aux questions

Capture d’écran d’un exemple de réponses aux questions.

Réponses aux questions est une fonctionnalité personnalisée qui trouve la réponse la plus appropriée pour les entrées de vos utilisateurs et est couramment utilisée pour créer des applications clientes conversationnelles, telles que des applications de médias sociaux, des chatbots et des applications de bureau avec reconnaissance vocale.

Analyse de texte personnalisée pour la santé

Capture d’écran d’un exemple d’Analyse de texte personnalisée pour la santé.

Analyse de texte personnalisée pour la santé est une fonctionnalité personnalisée qui extrait des entités spécifiques à la santé d’un texte non structuré, en utilisant un modèle que vous créez.

Quelle fonctionnalité de service de langage dois-je utiliser ?

Cette section vous aide à choisir la fonctionnalité Service de langage que vous devez utiliser pour votre application :

Que voulez-vous faire ? Format de document Votre meilleure solution Cette solution est-elle personnalisable ?*
Détectez et/ou rédigez des informations sensibles telles que les informations personnelles et les informations à caractère confidentiel. Texte non structuré
conversations transcrites
Détection PII
Extrayez des catégories d’informations sans créer de modèle personnalisé. Texte non structuré La fonctionnalité Reconnaissance d’entité nommée préconfigurée
Extrayez des catégories d’informations à l’aide d’un modèle spécifique à vos données. Texte non structuré NER personnalisée
Extrayez les rubriques principales et les expressions importantes. Texte non structuré Extraction de phrases clés
Déterminez les sentiments et les opinions exprimés dans le texte. Texte non structuré Analyse des sentiments et exploration des opinions
Résumez de longs blocs de texte ou de conversations. Texte non structuré
conversations transcrites.
Résumé
Distinguez les entités et obtenez des liens vers Wikipédia. Texte non structuré Liaison d’entités
Classifiez les documents en une ou plusieurs catégories. Texte non structuré Classification de texte personnalisée
Extraire des informations médicales de documents cliniques/médicaux, sans créer un modèle. Texte non structuré Analyse de texte pour la santé
Extraire des informations médicales de documents cliniques/médicaux en utilisant un modèle entraîné sur vos données. Texte non structuré Analyse de texte personnalisée pour la santé
Créer une application conversationnelle qui répond aux entrées utilisateur. Entrées utilisateur non structurées Réponses aux questions
Détectez la langue dans laquelle un texte a été écrit. Texte non structuré Détection de la langue
Prédisez l’intention des entrées utilisateur et extrayez-en des informations. Entrées utilisateur non structurées Compréhension du langage courant
Connectez des applications à partir de la compréhension du langage courant, de LUIS et de réponses aux questions. Entrées utilisateur non structurées Workflow d’orchestration

* Si une fonctionnalité est personnalisable, vous pouvez effectuer l'apprentissage d’un modèle IA à l’aide de nos outils pour adapter vos données spécifiquement. Si une fonctionnalité est préconfigurée, cela signifie que les modèles IA qu’elle utilise ne peuvent pas être modifiés. Vous envoyez juste vos données et utilisez la sortie de la fonctionnalité dans vos applications.

Migrer à partir d’Analyse de texte, de QnA Maker ou de Language Understanding (LUIS)

Azure AI Language unifie trois services linguistiques individuels de Azure AI services : Analyse de texte, QnA Maker et Language Understanding (LUIS). Si vous utilisiez ces trois services, vous pouvez facilement migrer vers la nouvelle solution Azure AI Language. Pour obtenir des instructions, consultez Migration vers Azure AI Language.

Tutoriels

Une fois que vous avez suivi le guide de démarrage rapide du service Language, essayez nos tutoriels qui vous montrent comment résoudre différents scénarios.

Exemples de code supplémentaires

Vous trouverez d’autres exemples de code sur GitHub pour les langages suivants :

Déployer localement en utilisant des conteneurs Docker

Utilisez les conteneurs du service Language pour déployer localement des fonctionnalités d’API. Ces conteneurs Docker vous permettent de rapprocher le service plus près de vos données pour des raisons de conformité, de sécurité ou opérationnelles. Le service Language offre les conteneurs suivants :

Intelligence artificielle responsable

Un système IA comprend non seulement la technologie, mais aussi les personnes qui l’utiliseront, les personnes qui seront affectées par lui et l’environnement dans lequel il est déployé. Lisez les articles suivants pour en savoir plus sur l’utilisation et le déploiement de l’IA responsable dans vos systèmes :