Partie 1 : Cas d’usage Métier et Outils

1.1 Introduction aux cas d’usage Métier en assurance

• Exploration des besoins métier
• Applications des technologies de traitement de texte
• Traduction, résumé, extraction d’information
• Analyse des avis clients et des motifs d’insatisfaction
• Analyse des risques assurés
• Analyse des contrats et des avenants
• Analyse des sinistres avec les textes descriptifs

1.2 Outils

• OCR pour l’extraction d’information
• Outils d’import de documents et d’analyse
• Chatbots
• Outils d’Analyse de Texte : Fonctionnalités et applications
• Construction de bases de données structurées avec des informations textuelles

Partie 2 : Collecte des données et manipulation textuelle de base

2.1 Collecte des données textuelles

• Webscraping : Acquisition de données depuis le web
• Extraction de données à partir de documents structurés et non-structurés
• Données des sites d’avis clients : exploitation pour les besoins métier

2.2 Manipulation textuelle basique

• Nettoyage et prétraitement des données
• Manipulation des chaînes de caractères et expressions régulières

Partie 3 : Machine Learning avec les données textuelles

3.1 Fondements du Machine Learning textuel

• Introduction aux concepts de Machine Learning textuel
• Sélection et transformation des données pour l’apprentissage automatique

3.2 Création de modèles de Machine Learning textuel

• Entraînement de modèles de classification de texte
• Analyse de sentiment et classification de thèmes
• Classification des activités et nomenclatures

Partie 4 : Utilisation des modèles de langue et Intelligence Artificielle générative

4.1 Modèles de Langue et IA générative

• Présentation des modèles de langues modernes (GPT-3, ChatGPT, etc.)
• Applications de l’IA générative dans le traitement de texte

4.2 Utilisation pratique

• Création de texte généré par des modèles de langue
• Résolution de problèmes métiers avec ChatGPT et autres modèles
• Développement de Chatbots avancés avec l’IA générative