Named Entity Recognition : Définition et Exemples

La Named Entity Recognition, ou reconnaissance d'entités nommées en français, est une sous-tâche fondamentale du traitement automatique du langage naturel (NLP). Elle consiste à détecter dans un texte brut les mentions d'entités du monde réel et à les catégoriser dans des classes prédéfinies comme les noms de personnes, les organisations, les lieux géographiques, les dates, les montants financiers ou encore les produits.

Cette technologie repose historiquement sur des approches à base de règles et de dictionnaires, mais les méthodes modernes utilisent principalement des modèles d'apprentissage profond, notamment les architectures Transformer comme BERT ou GPT. Ces modèles sont capables de comprendre le contexte entourant chaque mot pour déterminer s'il s'agit d'une entité et, le cas échéant, de quel type.

Dans le contexte du prompt engineering, la NER est particulièrement utile pour structurer des données non structurées. On peut demander à un LLM d'extraire les entités nommées d'un texte, de les classer par catégorie, ou de les utiliser comme base pour des tâches plus complexes comme la construction de graphes de connaissances ou l'analyse de sentiments ciblée.

La NER trouve des applications concrètes dans de nombreux domaines : veille médiatique (identifier les acteurs mentionnés dans des articles), analyse juridique (extraire les parties prenantes d'un contrat), santé (repérer les noms de médicaments et pathologies), et service client (détecter les produits ou services mentionnés dans les réclamations).