Named Entity Recognition (NER)

La reconnaissance d’entités nommées (NER) est une tâche de traitement automatique du langage naturel (NLP) qui repère les segments de texte désignant des éléments du monde réel et attribue à chacun un type, comme une personne, une organisation, un lieu, une date ou un montant. Dans « Marie Curie a enseigné à l’Université de Paris à partir de 1906 », un modèle NER marque « Marie Curie » comme une personne, « Université de Paris » comme une organisation et « 1906 » comme une date. Cette opération transforme les e-mails, rapports, contrats et transcriptions en données structurées que les moteurs de recherche, les graphes de connaissances, les outils d’analyse et les outils de protection de la vie privée peuvent exploiter. Les Message Understanding Conferences des années 1990 ont fait de la NER une tâche d’évaluation standard, et la tâche partagée CoNLL-2003 a fixé les quatre types toujours utilisés comme référence : personne, lieu, organisation et divers. Des schémas plus vastes, comme OntoNotes 5.0, définissent 18 types, notamment les dates, les quantités, les produits et les événements.

Fonctionnement de la NER#

La NER est généralement formulée comme un étiquetage de séquence. Un segmenteur divise le texte en jetons, puis le modèle attribue à chaque jeton une étiquette selon le schéma BIO : B- marque le début d’une entité, I- un jeton à l’intérieur de celle-ci, et O un jeton qui ne fait partie d’aucune entité. Ainsi, les noms composés de plusieurs mots, comme « Université de Paris », restent regroupés. Ce code transforme les étiquettes prédites par un modèle en segments d’entités :

# Token-level BIO tags, as predicted by an NER model for one sentence
tokens = ["Marie", "Curie", "taught", "at", "the", "University", "of", "Paris", "from", "1906", "."]
tags = ["B-PER", "I-PER", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "O", "B-DATE", "O"]

# Merge each B- tag with the I- tags that follow it into one entity span
entities = []
for token, tag in zip(tokens, tags):
    if tag.startswith("B-"):
        entities.append([token, tag[2:]])
    elif tag.startswith("I-") and entities and entities[-1][1] == tag[2:]:
        entities[-1][0] += f" {token}"

print(entities)

Il affiche [['Marie Curie', 'PER'], ['University of Paris', 'ORG'], ['1906', 'DATE']], la sortie structurée que les systèmes en aval stockent et interrogent.

Les modèles qui prédisent les étiquettes ont évolué au cours des trois dernières décennies. Les premiers systèmes utilisaient des règles écrites à la main et des gazetteers, c’est-à-dire des listes de noms connus. Les étiqueteurs statistiques, tels que les modèles de Markov cachés et les champs aléatoires conditionnels, apprenaient à partir de textes annotés à l’aide de caractéristiques conçues manuellement, comme les majuscules et les suffixes des mots. En 2016, les réseaux LSTM bidirectionnels avec une couche de sortie CRF ont appris ces caractéristiques eux-mêmes, puis les transformers ajustés ont pris le relais : BERT a obtenu un score F1 de 92,8 sur l’ensemble de test CoNLL-2003. L’auto-attention permet à ces modèles d’utiliser la phrase entière comme contexte : « Apple » est ainsi étiqueté comme une organisation dans « Apple a lancé un nouveau téléphone », mais pas dans « J’ai mangé une pomme ». Les systèmes sont évalués selon la précision, le rappel et le score F1 au niveau des entités ; une prédiction n’est comptabilisée que si son segment et son type correspondent exactement à la référence.

Les modèles plus récents abandonnent l’ensemble fixe d’étiquettes. GLiNER, un transformer bidirectionnel compact, prend les noms des types d’entités en entrée et repère les segments correspondants pour des types jamais vus pendant l’entraînement. Les grands modèles de langage extraient également des entités lorsqu’on leur fournit un schéma et qu’on leur demande des sorties structurées.

NER et tâches associées#

• Liaison d’entités : associe chaque mention reconnue à une entrée précise d’une base de connaissances comme Wikidata, afin que « Paris » désigne la ville ou Paris Hilton.
• Extraction de relations : repère les liens entre les entités, par exemple quelle personne travaille pour quelle organisation, souvent à partir de la sortie de la NER.
• Analyse des sentiments : mesure l’opinion exprimée dans un texte. La NER identifie le sujet d’une critique, et l’analyse des sentiments mesure ce que son auteur en pense.
• Détection d’objets : l’équivalent de la NER pour les images ; elle localise des régions de l’image et attribue une classe à chacune.

L’approche à étiquettes ouvertes de GLiNER a son équivalent direct en vision : YOLOE-26, la version à vocabulaire ouvert d’Ultralytics YOLO26, prend des noms de classes comme prompts textuels au moment de l’inférence et détecte et segmente les objets de ces classes, y compris ceux qui ne figurent pas dans ses catégories d’entraînement.

Applications concrètes#

Le traitement de documents associe la reconnaissance d’entités nommées à la reconnaissance optique de caractères (OCR) : les factures, contrats et formulaires sont numérisés, l’OCR lit le texte et la reconnaissance d’entités nommées extrait des champs comme le fournisseur, la date et le montant total pour les systèmes comptables et de conformité. Les pipelines de production envoient les prédictions incertaines à des personnes et apprennent de leurs corrections :

• Masquage des données personnelles (PII) : des outils de protection de la vie privée comme Presidio, le logiciel open source de Microsoft, utilisent la NER avec des règles de détection de motifs pour repérer et masquer les noms, adresses et numéros de compte avant le partage ou l’utilisation de textes pour l’entraînement.
• Extraction d’informations cliniques : la NER clinique extrait les médicaments, posologies, symptômes et diagnostics des notes médicales pour que les hôpitaux et les chercheurs puissent rechercher et analyser les dossiers à grande échelle.
• Recherche et recommandations : les sites d’actualité et les plateformes de contenu étiquettent les articles avec les personnes, entreprises et lieux qu’ils mentionnent, ce qui permet la recherche d’entités et la suggestion d’articles associés.