Créée en mai 2022, Skilit a développé une solution innovante facilitant l’aide à la décision dans différents secteurs. C’est en capitalisant sur les dernières avancées dans les domaines des sciences du langage, du comportement et de l’IA que cette jeune start-up essaye de rendre le digital plus humain à l’aide d’un outil d’analyse sémantique. « Grâce à l’Intelligence Artificielle et à notre algorithme, nous sommes capables de vérifier le sens perçu d’un texte et de comprendre le comportement naturel de la personne qui l’a écrit » explique Julia Santi, présidente cofondatrice de Skilit.
« Notre outil est un décodeur qui capte la finesse du langage naturel, le graal de l'IA pour l'heure inaccessible au traitement statistique », explique Julia Santi, présidente et cofondatrice de cette entreprise qui occupe quatre personnes. Avec son époux, Jean-Marc, expert en sciences du comportement, elle en a posé la première brique en développant un logiciel qui permet d'identifier les « soft skills », ces compétences personnelles révélées dans l'écriture d'une lettre de motivation à l'embauche.L'outil s'appuie sur un référentiel de 47.000 mots et expressions rattachés à des compétences particulières : telle locution indique par exemple que le candidat a une aptitude prononcée pour le travail en équipe ou qu'il fait preuve d'initiative. « Les recruteurs travaillent sur ces signaux faibles du langage qui trahissent la personnalité. Notre outil automatise leur détection », précise Julia Santi.
Chez Matcheed, une RH tech où il a été récemment installé, il sert déjà à qualifier les pré-candidatures à un poste, sans CV, sans test ni a priori. « L'outil nous permet de déceler si les talents naturels du postulant sont adaptés au poste », explique son président, Eric Vernier. Il suffit aux recruteurs d'ajouter pour cela les qualités recherchées en priorité dans la description des missions : rigueur, contrôle des émotions, honnêteté… L'IA de Skilit se charge ensuite de trouver les meilleures combinaisons parmi les réponses réceptionnées.
Le savoir-faire de Skilit repose sur un « méta modèle de dimension comportementale » de base développé par Jean-Marc Santi depuis la fin des années 1990, notamment en partenariat avec les Départements de psychologie scientifique des Universités d’Utrech et de Twente aux Pays Bas. « Nous avons défini 16 comportements humains basiques, qui permettent aux individus de faire face à l’ensemble des stimuli auxquels ils sont confrontés. De 1996 à 2017, j’ai travaillé sur la base de cette grille, et je l’ai appliquée dans les ressources humaines, le marketing, la communication ou encore la validation d’équipes…» En 2017, Jean-Marc Santi a décidé de digitaliser cette approche. « Je souhaitais parvenir à identifier, définir une personnalité, sans recourir au traditionnel questionnaire qui entraîne forcément beaucoup de biais », détaille-t-il, en ajoutant « quand Google fait l’analyse sémantique des requêtes des internautes les mots sont traités en fonction de l’usage et non en fonction de leur sens. La data texte représente aujourd’hui près de 80 % de ce que l’on trouve sur le Net. Qu’en font les entreprises ? Pas grand-chose à part vendre. Ces données pourraient pourtant permettre de mieux s’orienter, de mieux recruter, de mettre les bonnes personnes aux bons endroits. Nous soulevons un coin de ce voile…».
Avec le centre de recherche avignonnais, la deeptech veut passer à l'étape supérieure en enrichissant son référentiel de mots et locutions pour permettre aux IA génératives d'interpréter le langage naturel dans les requêtes et d'éviter les erreurs. Exemple : si une personne dit qu'elle a été une mère pour les frères qu'elle a dû élever, les intelligences statistiques en déduiront qu'elle a enfanté ses frères. « Ce type d'aberrations est source de 30 % d'erreurs de compréhension des requêtes sur Chat GPT . Notre outil veut lever ce type d'ambiguïtés ».Une dizaine de chercheurs vont s'atteler à la tâche dans les prochains mois, en collaborant avec des organisations pour élargir peu à peu le champ lexical à différents secteurs.
Par exemple, un programme va s'attaquer à la sémantique de la formation pour personnaliser le parcours pédagogique des élèves. « En couplant le langage naturel aux émulateurs d'IA, on atteint un taux d'erreur inférieur à 3 % sur les requêtes », mesure Julia Santi. Elle s'attaque à un marché colossal : selon le cabinet d'étude canadien Precedence Research, le traitement automatique du langage naturel pourrait atteindre 413 milliards de dollars en 2032.
Auteur (que nous remercions de son article) : Aymeric Fabien Pontier - Editeur de Livres et de Périodiques (Lille)
Sources :
https://bfmtv.com/economie/professionnels/focus-entreprises/skilit-s-appuyer-sur-les-mots-pour-decider_AB-202302010016.html…
https://lejournaldesentreprises.com/article/skilit-utilise-les-mots-pour-aider-les-entreprises-decider-2054025…
