3.

Traitement du langage naturel

Pour passer avec succès le test de Turing, une machine doit être capable de résoudre des problèmes complexes qu’on peut lui soumettre, mais aussi de comprendre et d’employer la langue naturelle de son interlocuteur humain. Plus précisément, la traduction automatique d’une langue vers une autre constitue l’un des enjeux du traitement informatique du langage.

D’importantes recherches ont été menées dans ce but après la Seconde Guerre mondiale. En effet, les Américains souhaitaient pouvoir lire des textes soviétiques sans devoir apprendre le russe. En 1962, les machines construites par des chercheurs ont produit un exemple resté célèbre. La phrase « L’esprit est fort mais la chair est faible. » (The spirit [esprit/alcool] is strong but the flesh [chair/viande] is weak) traduite automatiquement en russe, puis retraduite vers la langue d’origine, donnait : « la vodka est bonne, mais la viande est pourrie » ! Il apparaissait alors manifeste que la traduction automatique se révélait très délicate, si bien que les recherches dans ce domaine ont été singulièrement freinées.

De fait, une traduction fidèle nécessite une compréhension précise du sens des phrases. Or, un très grand nombre d’énoncés sont ambivalents, pouvant avoir plusieurs sens selon le contexte. Par exemple, la phrase « la petite brise la glace » peut signifier « la petite fille brise la glace » ou bien « le petit vent frais la glace ». Dans cet exemple, même l’identification de la fonction grammaticale des mots requiert une compréhension préalable du contexte. De plus, la connaissance contextuelle nécessaire à l’interprétation d’une phrase s’étend bien au-delà du texte dont elle fait partie, car dans de nombreux cas, la compréhension fait appel à tout un contexte culturel dont l’ordinateur devrait disposer.

Cependant, les recherches en linguistique menées dans ce sens ont tout de même abouti à des applications, comme les systèmes d’aide à la traduction, et les systèmes capables d’interroger des bases de données, d’analyser des ensembles de documents, de corriger l’orthographe de textes ou d’extraire la terminologie de corpus de textes.