Classification de texte

Définition

La classification de texte est la tâche consistant à attribuer automatiquement une catégorie ou une étiquette à un texte — par exemple taguer un ticket de support par sujet, par langue ou par priorité.

Aussi connu sous : catégorisation de texteclassification de documentstagging de tickets

Comment cela fonctionne

On donne un texte au modèle, qui prédit une ou plusieurs étiquettes parmi un ensemble défini. Il peut être entraîné sur des exemples étiquetés (apprentissage supervisé) ou, avec les LLM modernes, travailler en zero-shot — il suffit de décrire les catégories dans un prompt et le modèle classe sans entraînement spécifique à la tâche.

Dans le support, la classification alimente le tagging automatique, la détection de sujet, la détection de langue et le scoring de priorité. La reconnaissance d'intention et l'analyse de sentiment sont toutes deux des formes spécialisées de classification de texte.

Pourquoi c'est important pour le support

C'est la constance de la classification qui rend les données de tickets exploitables : elle alimente un routage précis, un reporting fiable et la priorisation des SLA. Quand l'IA tague les tickets de la même façon à chaque fois, vos tableaux de bord et vos workflows peuvent enfin se fier aux étiquettes — ce que le tagging manuel offre rarement.

Questions fréquentes

La reconnaissance d'intention est-elle un type de classification de texte ?

Oui. La reconnaissance d'intention classe un message selon l'objectif du client, et l'analyse de sentiment le classe selon le ton. Les deux sont des applications spécialisées de la classification de texte.

L'IA peut-elle classer des tickets sans données d'entraînement ?

Les LLM modernes savent faire de la classification zero-shot : vous décrivez les catégories dans un prompt et le modèle étiquette le texte sans aucun exemple spécifique à la tâche, même si quelques exemples (few-shot) améliorent souvent la constance.

Termes liés

Reconnaissance d'intention

La reconnaissance d'intention est le processus qui consiste à identifier, à partir de son message, ce que le client cherche à accomplir — par exemple « suivre une commande », « demander un remboursement » ou « résilier un abonnement » — afin que le système puisse l'orienter ou le résoudre correctement..

Analyse de sentiment

L'analyse de sentiment est la classification automatisée de la tonalité émotionnelle d'un message — généralement positive, négative ou neutre — afin que les équipes puissent évaluer ce que ressent un client et réagir en conséquence..

Apprentissage zero-shot

L'apprentissage zero-shot désigne le fait qu'un modèle d'IA accomplisse une tâche pour laquelle il n'a jamais été explicitement entraîné ni reçu d'exemples, en s'appuyant sur les connaissances générales acquises pendant le pré-entraînement et sur une description claire de la tâche..

Traitement du langage naturel (NLP)

Le traitement du langage naturel (NLP) est le domaine de l'IA qui vise à permettre aux ordinateurs de comprendre, d'interpréter et de générer le langage humain — le socle de tâches comme la reconnaissance d'intention, l'analyse de sentiment et la classification de texte..

Routage des tickets

Le routage des tickets est le processus qui dirige les tickets de support entrants vers le bon agent, la bonne équipe ou la bonne file, selon des règles comme le sujet, le canal, la langue, la priorité ou le segment client..

Passez à l'action

Macha est une couche d'agents IA qui se pose sur le help desk que vous utilisez déjà, Zendesk, Freshdesk, Front, Intercom ou Gorgias.

Démarrer l'essai