La montée rapide des Large Language Models, comme Gemini, Chatgpt et d’autres modèles génératifs, a attiré énormément de personnes vers le domaine du Natural Language Processing. Pourtant, cette popularité a aussi créé une certaine confusion, beaucoup réduisent aujourd’hui le NLP au simple language modeling, alors que le domaine est bien plus vaste, plus riche et plus fondamental.

Dans cette session intitulée “Beyond Language Modeling: Exploring the real scope of NLP”, nous aurons l’honneur de recevoir Salomon Metre, diplômé en Informatique et actuellement étudiant en Master NLP à l’Université de Lorraine. Il nous aidera à comprendre ce qu’est réellement le NLP, ce que signifie le language modeling, et surtout quelles sont les autres tâches essentielles qui structurent ce domaine.

Cette session sera une excellente occasion pour les étudiants, développeurs, passionnés d’IA, membres de la communauté et curieux de mieux comprendre les bases du traitement automatique du langage naturel. Elle permettra aussi de dépasser la vision limitée des LLMs pour découvrir les différents problèmes que le NLP cherche à résoudre, classification de texte, extraction d’information, traduction automatique, analyse syntaxique, résumé automatique, compréhension du langage, et bien plus encore.

Au-delà de l’aspect technique, cette rencontre vise aussi à ouvrir une discussion sur la nature même du NLP : est-ce de l’intelligence artificielle, des mathématiques, de la linguistique ou de l’informatique ? La réponse est justement au croisement de toutes ces disciplines.

Vous êtes invité fortement à participer à cette session. Elle sera particulièrement utile pour celles et ceux qui souhaitent mieux comprendre l’IA moderne, construire des projets autour du langage, s’orienter vers la recherche, ou simplement clarifier leur vision du NLP au-delà du buzz actuel autour des LLMs.

Ce que les participants vont découvrir :

• Le rôle réel du language modeling dans le NLP.

• Les principales tâches du Natural Language Processing au-delà des LLMs.

• Les liens entre NLP, IA, informatique, mathématiques et linguistique.

• Les problèmes concrets que les chercheurs et ingénieurs NLP cherchent à résoudre.

• Une meilleure carte mentale pour apprendre, explorer ou travailler dans le domaine du NLP.