La langue française à l ’ heure du numérique The French Language in the Digital Age

1. La langue françaiseà l’heure du numériqueThe French Languagein the Digital Age  J. Mariani1,2 P. Paroubek1, G. Francopoulo2, A. Max1, F. Yvon1, P. Zweigenbaum1 SIMC III

2. Livres Blancs • Livres Blancs sur les langues européennes • Publiés par le réseau META-NET (Sept. 2012) • Présentent • la situation de ces langues • l’état des technologies qui les traitent • 31 Livres Blancs pour 30 langues • Nationales / régionales • dont les 23 langues officielles de l‘UE • Bilingues : langue concernée + anglais http://www.meta-net.eu/whitepapers SIMC III

3. Livre Blanc pour le Français SIMC III

4. La langue française • 128 millions de locuteurs « natifs ou réels » • 16ème langue maternelle la plus parlée dans le monde • 300 millions de personnes parlant français • 6ème langue la plus parlée dans le monde • Derrière l’anglais, le chinois mandarin, l’espagnol, l’hindi et le russe SIMC III

5. La langue française • Langue officielle dans près de 30 pays • Deuxième place derrière l‘anglais • Langue de la République Française • Plus de 80 langues parlées en France • Langue de travail dans de nombreuses organisations internationales • OCDE, ONU (UNESCO, OIT), CIO, OEB, UA… SIMC III

6. La langue française • Deuxième langue la plus traduite (langue source) dans le monde (UNESCO) • (loin) derrière l’anglais • Troisième langue la plus traduite (langue cible) dans le monde • derrière l’allemand et l’espagnol SIMC III

7. La langue française • 129 millions de personnes parlent français en Europe • 3ème langue seconde derrière l’anglais et l’allemand • Une des 23 langues officielles de l’Union Européenne • 2ème langue la plus traduite à la CE (derrière l’anglais) - langue source ou langue cible • 1997 : 45% des documents traduits étaient en anglais et 40% en français • 2007 : 72% des documents traduits étaient en anglais et 12% en français ! SIMC III

8. Le français sur Internet SIMC III

9. Le français sur Internet • Wikipedia • 284 langues (Juin 2012) • + 1 M articles : Anglais (3,9M), Allemand (1,4M), Français (1,2M), Néerlandais (1 M) • + 100K : Basque,… • + 10K : Occitan, Breton,… • + 1K : Corse, Flamand, Franco-provençal, Picard… French Month of Science - HLT Workshop - Tallinn - Estonia

10. Les technologies de la langue • Traitement automatique de la langue écrite • Monolingue • Analyseur morphosyntaxique, analyseur syntaxique, Extracteur de terminologie, … Compréhension et génération de texte, Résumé Automatique, Recherche d’Informations (moteur de recherche), Systèmes de Réponse aux Questions (cf IBM Watson/Jeopardy)… • Interlingue • Recherche d’Informations interlingue, Traduction automatique ou assistée, … • Traitement automatique de la langue parlée • Monolingue • Reconnaissance et compréhension de la parole, Synthèse vocale, Dialogue oral, Reconnaissance du locuteur, … • Interlingue • Identification de la Langue, Traduction vocale,… SIMC III

11. Les technologies de la langue • Traitement automatique de la langue signée • Analyse, Synthèse, Traduction • Technologies essentielles pour permettre l’accessibilité • Technologies intermédias : Synthèse vocale à partir du texte (handicapés visuels), Transcription de la parole, Traitement de la langue des signes (handicapés auditifs), Commande vocale (handicapés moteurs) • Technologies interlingues : pour supprimer les barrières de la langue, qu’on peut considérer comme un handicap. SIMC III

12. Ressources Linguistiques • Nécessité de disposer d’une infrastructure pour développer les technologies • Ressources linguistiques • Moyens d’évaluation • Ressources linguistiques • Données, corpus, lexiques, dictionnaires, bases terminologiques et encyclopédiques (Wikipédia, DBpédia, Semanticpédia)… • Nécessaires pour mener les recherches en linguistique • Nécessaires pour effectuer l’apprentissage automatique des systèmes basés sur les approches statistiques (plus grandes sont les données, meilleurs sont les systèmes) • Standards pour la distribution des données SIMC III

13. Evaluation • Evaluation des Technologies de la Langue • Comparer les performances des systèmes de différents laboratoires, basés sur différentes approches, sur des données communes, avec un procole commun, dans le cadre de campagnes d’évaluation • Indicateur de la qualité de la recherche et du progrès technologique • Compétition / coopération internationales (« coopétition ») • Compare les performances des technologies avec les besoins des applications (TRL) SIMC III

14. Histoire de la Reconnaissance Vocaleà travers les évaluations du NIST SIMC III

15. Performances en Traduction Automatique (score BLEU %) SIMC III

16. Corpus Parallèles pour la Traduction Automatique Courtesy Euromatrix SIMC III

17. Etat des technologies et des ressources pour le français (0-6) SIMC III

18. Traitement de la parole SIMC III

19. Traitement de l’écrit SIMC III

20. Traduction Automatique SIMC III

21. Ressources linguistiques SIMC III

22. Effort technologique en France • Quelques grands programmes nationaux au fil des ans • FRANCIL (AUF), Techno-Langue, Quaero,… • Disponibilité de ressources linguistiques • Connaissance du niveau technologique • Bon niveau de la recherche • Tissu industriel : PMEs SIMC III

23. Conclusions • Ressources et technologies disponibles pour le français, mais loin derrière l’anglais • Manque de continuité dans le soutien des pouvoirs publics à l’effort scientifique et industriel (France et Europe) • Alors qu’il apparaît essentiel de disposer de Technologies de la langue pour traiter le multilinguisme (donnée fondamentale de l’UE) • Souhait d’un large programme coordonné au plan européen (Commission et Etats-Membres) SIMC III