Glossaire IA · Business
Classification de texte
En une phrase
La classification de texte est la tâche d'IA qui attribue automatiquement une ou plusieurs catégories à un texte, comme un e-mail ou un message : type de demande, sujet, priorité ou langue. C'est la base pour trier, prioriser et répartir le travail.
Autres noms: catégorisation de texte · text classification · classification automatique de textes · étiquetage automatique
Qu’est-ce que la classification de texte ?
C’est l’une des tâches les plus anciennes et les plus utiles du NLP. Le filtre anti-spam de votre messagerie fait de la classification de texte : pour chaque message, il choisit entre deux catégories. Le même principe vaut pour toute question à laquelle on peut répondre par une étiquette : de quoi parle cet e-mail ? À quel service l’envoyer ? Est-il urgent ?
Passez à la pratique
Un agent qui trie et répond à vos e-mails
Dès 39 €/mois + TVA
Il classe la boîte de réception par priorité et prépare des réponses en contexte.
Découvrir l'agent e-mailOn distingue plusieurs types selon la nature des catégories :
| Type | Ce qu’elle décide | Exemple |
|---|---|---|
| Binaire | L’une de deux | Spam / pas spam |
| Multiclasse | Une parmi plusieurs | Commande, facture, incident, question |
| Multi-étiquette | Plusieurs à la fois | Incident + urgent + client VIP |
| Hiérarchique | Catégorie et sous-catégorie | Incident > Livraison > Retard |
Deux usages très connus sont des classifications de texte qui portent leur propre nom : la détection d’intention dans un chatbot et l’analyse de sentiment.
En lien avec ce terme
UTIO Email
- Module à ajouter à tout forfait voix ou WhatsApp
- 2 boîtes et 2 000 e-mails par mois
- E-mail seul : dès 89 €/mois
Dès 39 €/mois + TVA
Découvrir l'agent e-mailComment ça marche
- On définit les catégories avec des critères clairs. Si deux personnes ne s’accordent pas sur le classement d’un e-mail, le modèle ne fera pas mieux.
- Le texte est converti en nombres qui en capturent le sens.
- Un modèle attribue la catégorie. Trois approches :
- Règles : des mots-clés (« facture » → Comptabilité). Rapides mais fragiles.
- Modèle entraîné : il apprend à partir d’exemples étiquetés. Précis et peu coûteux par texte, mais à entretenir.
- Modèle de langage avec consignes : il comprend la description de chaque catégorie. Souple, sans entraînement.
- On agit selon l’étiquette : ranger dans un dossier, attribuer à une personne, remonter la priorité ou répondre.
Exemple
Une société de location d’utilitaires à Angers reçoit environ 150 e-mails par jour dans une boîte partagée. Chaque matin, quelqu’un passait une heure à les lire et à les répartir. Avec la classification de texte, chaque e-mail arrive étiqueté par type (réservation, modification, facture, dommages, autre) et par urgence. Les déclarations de dommages avec restitution le jour même remontent en tête ; les messages publicitaires disparaissent de la vue.
La classification de texte chez UTIO
L’agent e-mail d’UTIO applique la classification à votre courrier : il le classe en fils et le priorise, l’urgent en haut et l’automatique dehors, et met en quarantaine le douteux et l’inutile. Chaque e-mail rejoint la fiche du contact dans le CRM, avec un responsable, un statut et une prochaine étape dans le pipeline, à côté de ses appels et de ses WhatsApp.
À partir de ce tri, l’agent prépare des brouillons de réponse avec votre ton, que vous relisez et envoyez, ou que vous laissez partir seuls selon le niveau d’autonomie choisi.
Questions fréquentes
Quelle différence entre classification de texte et analyse de sentiment ?
L'analyse de sentiment est un cas particulier de classification de texte, où les catégories sont positif, négatif ou neutre. La classification de texte est plus générale : les catégories peuvent être des sujets, des services ou des niveaux d'urgence.
Faut-il entraîner un modèle pour classer des textes ?
Plus forcément. Avant, il fallait des centaines d'exemples étiquetés par catégorie. Avec les modèles de langage, il suffit souvent de décrire les catégories et de fournir quelques exemples. Pour de très gros volumes, un petit modèle entraîné reste moins cher.
Comment savoir si la classification fonctionne bien ?
En vérifiant un échantillon de textes déjà classés et en comptant les bonnes réponses par catégorie. Surveillez surtout les erreurs coûteuses, comme un e-mail urgent classé comme inutile.
Termes associés
- NLP (traitement du langage naturel)
Le NLP (traitement du langage naturel) est la branche de l'intelligence artificielle qui permet aux machines de travailler avec le langage humain : lire, analyser, classer, traduire et produire du texte ou de la parole comme le font les personnes.
- Analyse de sentiment
L'analyse de sentiment est la technique d'IA qui détecte la tonalité émotionnelle d'un texte (positive, négative ou neutre, parfois des émotions comme la colère ou l'urgence) pour savoir comment se sent son auteur sans tout lire à la main.
- Intention (intent)
Une intention (intent) est l'objectif d'une personne quand elle écrit ou dit quelque chose à un chatbot ou à un agent IA, comme réserver, annuler ou demander un prix. La détecter permet au système de décider quoi faire du message.
- Machine learning
Le machine learning, ou apprentissage automatique, est la branche de l'IA où un système apprend une tâche à partir d'exemples, au lieu de suivre des règles écrites à la main, et s'améliore à mesure qu'il voit davantage de données.
- Embeddings
Un embedding est une suite de nombres qui représente le sens d'un texte, d'une image ou d'un son. Deux textes de sens proche ont des embeddings proches, ce qui permet de chercher par le sens et pas seulement par les mots exacts.
Mis à jour le