Skilit dans la presse nationale
Extrait du Magazine "En Contact" 29 avril 2024 : A Marseille, on sait repérer les bonnes affaires, les marchés naissants. Le couple Santi, fondateur de Skilit, déclare avoir « craqué » la solution et l’algorithme, dopés à l’IA, qui permettent de comparer le sens caché des mots. Les RH et l’optimisation du recrutement constituent des applications possibles.
L’IA de Skilit promet un « profilage sémantique »
Peut-on améliorer le traitement automatique du langage naturel ? Oui répond une start-up marseillaise, attirée notamment par la taille et la profondeur du marché : 413 milliards de dollars pour le traitement automatique du langage naturel.
Fondée en 2022 par le couple Julia et Jean-Marc Santi, la start-up marseillaise Skilit clame avoir fait une avancée notable dans la quête de l'intelligence sémantique pour les IA. En collaboration avec le Laboratoire d'Intelligence Artificielle d'Avignon, elle a développé un algorithme capable d'analyser et comparer le sens caché des mots. Leur logiciel, s'appuyant sur un référentiel de 47 000 mots et expressions liés à des compétences, permet d'identifier les "soft skills" d'un candidat à l'embauche à travers sa lettre de motivation. Il automatise la détection de ces signaux faibles du langage qui trahissent la personnalité. Déjà utilisé par Matcheed, l'outil qualifie les pré-candidatures sans CV ni test, en repérant si leurs talents naturels correspondent au poste recherché.
Mais Skilit vise plus loin avec le LIA : enrichir son référentiel pour permettre aux IA génératives d'interpréter correctement le langage naturel, évitant ainsi 30% d'erreurs d'interprétation actuelles.
Une dizaine de chercheurs vont travailler sur différents champs lexicaux, comme la formation, pour personnaliser les parcours pédagogiques. En couplant langage naturel et émulateurs d'IA, le taux d'erreurs pourrait passer sous les 3%. Un marché évalué à 108 milliards de dollars en 2023 et 413 en 2032 par Precedence Research pour le traitement automatique du langage naturel (NLP).
