Extraire des informations d'un texte en vrac

Le secrétaire d'un club d'échecs organise une sortie en car. Il a demandé par mail qui venait, et trente-quatre réponses sont arrivées, de ce genre : « On sera deux, ma femme est végétarienne », « Finalement je viens, désolé du retard », « Peut-être, je confirme jeudi », « Pour moi c'est non, sauf si le car part après 9 h ». Il lui faut un nombre de places, un nombre de repas végétariens, et la liste de ceux qui n'ont pas répondu clairement.

L'IA sait faire ce genre de tri, à condition qu'on lui demande autre chose que « résume ces réponses ».

Dire quoi chercher, champ par champ

Une extraction, c'est un tableau que tu remplis à partir d'un texte. Commence donc par dessiner le tableau : une ligne par personne, et une colonne par information voulue. Pour chaque colonne, précise les valeurs permises, sinon tu récupères « oui », « Oui, avec plaisir » et « présent ».

Ensuite, prévois les cas qui ne rentrent pas dans les cases. Dans l'exemple, « peut-être » et « non sauf si » existent. Si tu ne dis rien, l'IA tranche à ta place, en silence.

Voici des réponses de membres de mon club d'échecs à l'invitation à une sortie en car. Une réponse par bloc, séparée par une ligne vide.

"""
[COLLE LES RÉPONSES]
"""

Construis un tableau avec une ligne par personne et ces colonnes :
- Nom (tel qu'il apparaît dans la réponse ; si absent, « inconnu »)
- Participation : oui / non / incertain
- Nombre de places (1 par défaut ; plus si la personne en annonce)
- Repas végétarien : nombre de repas, ou 0
- Condition ou remarque, si la personne en pose une
- Citation : les mots exacts de la réponse qui justifient la ligne

Règles :
- « Peut-être » et toute réponse conditionnelle sont « incertain », avec la condition notée.
- Si une personne écrit deux fois, garde le dernier message et signale le changement dans la remarque.
- N'invente rien. Si une information n'est pas dans la réponse, laisse la case vide.
- Après le tableau, donne le total des places pour les « oui », le nombre de repas végétariens, et la liste des « incertain ».

Exiger une citation pour chaque ligne

La colonne « Citation » est le conseil le plus utile de cet article. Pour chaque ligne, l'IA doit recopier les mots qui l'ont amenée à sa conclusion. Tu gagnes deux choses : tu repères tout de suite une interprétation douteuse en lisant la citation à côté du résultat, et l'IA invente moins, parce qu'une citation doit exister dans le texte. Ça ne la rend pas infaillible, elle peut citer une phrase qui existe et la comprendre de travers, mais c'est la plus rapide des vérifications.

Les cas qui trompent l'extraction

La négation et la condition. « Je ne pourrai pas ne pas venir » est un cas d'école. Plus courant : « non, sauf si... ». Prévois une catégorie pour l'entre-deux.

Les corrections. Quand la même personne envoie deux messages contradictoires, la règle « le dernier gagne » doit être écrite. Si tes messages ne sont pas datés, l'ordre du collage fait foi, donc colle-les dans l'ordre.

Les informations sur quelqu'un d'autre. « Ma femme est végétarienne » concerne une personne qui n'a pas écrit. Précise si tu veux compter ces cas, sinon la ligne de l'épouse n'existera jamais.

Les valeurs implicites. Si « on sera deux » signifie 2 places, c'est de la déduction. Dis si tu l'acceptes ou si tu préfères que l'IA laisse la case vide.

Les formats de date. Pour extraire des échéances d'un texte, demande une écriture unique (JJ/MM/AAAA) et ajoute « laisse le texte original si l'année manque ». Sinon, elle en choisit une.

Vérifier avant d'utiliser le tableau

Sur trente-quatre réponses, l'IA peut en oublier une ou deux, surtout au milieu d'un long texte. Trois contrôles prennent cinq minutes :

1. Compte les lignes. Il doit y avoir autant de lignes que de réponses. Demande à l'IA de te donner le nombre de blocs qu'elle a lus.
2. Relis les cas incertains et conditionnels, qui sont aussi les plus faciles à mal classer.
3. Prends cinq lignes au hasard et compare avec l'original. Si tu en trouves une fausse, relis tout le tableau.

Pour les très gros volumes, les consignes de l'article sur les longs documents s'appliquent : découpe en lots de quelques dizaines de messages, et fusionne les tableaux ensuite. Le calcul final (total des places, repas) vaut aussi d'être refait avec un tableur. Les additions longues ne sont pas le point fort d'un modèle de langage, et le tableau te permet de les contrôler.

Quel format de sortie choisir

Un tableau en texte se copie dans un tableur sans trop de peine, et suffit pour une tâche ponctuelle. Si tu dois réutiliser les données ailleurs, par exemple dans un fichier CSV ou dans un outil, demande un format plus strict : l'article sur le JSON et le CSV explique comment décrire les champs et valider le résultat.

Pense aux données personnelles

Des réponses de mails contiennent des noms, parfois des régimes alimentaires ou des informations de santé indirectement révélées. Avant de les coller dans un outil, retire ce qui n'est pas nécessaire à ta tâche (signatures, adresses, numéros de téléphone), et relis ce que dit l'article sur la confidentialité. Pour un club associatif, regarde aussi ce que prévoient vos règles internes.

Pour tester sur ton cas

Choisis un paquet de messages que tu dois dépouiller à la main cette semaine. Écris d'abord les colonnes et les règles pour les cas ambigus. Lance l'extraction sur dix messages seulement, compare avec ton propre dépouillement, corrige les règles qui ont dérapé, puis traite le reste.