Dialogueurs / Agents conversationnels, de quoi parle-t-on ?

Qu’est-ce qu’un agent conversationnel ?

Un agent conver­sa­tion­nel – ou chat­bot en anglais – inter­agit en langue natu­relle, à l’o­ral ou à l’é­crit, avec l’u­ti­li­sa­teur afin de répondre à ces ques­tions ou, plus géné­ra­le­ment, à l’ai­der dans une tâche.

Ces agents conver­sa­tion­nels sont sou­vent pré­sents sur les sites Inter­net, sous la forme d’un ava­tar accom­pa­gné d’une inter­face de sai­sie dans lequel l’u­ti­li­sa­teur sai­sit sa ques­tion ou décrit son besoin.

Le texte sai­si par l’u­ti­li­sa­teur, ou sa parole dans le cas de chat­bot à recon­nais­sance vocale, est ensuite ana­ly­sé afin de four­nir une réponse la plus per­ti­nente possible.

Mia, l’agent conver­sa­tion­nel du minis­tère de l’intérieur

Comment un chatbot analyse-t-il le texte ou la parole ?

Les tech­no­lo­gies uti­li­sées pour ana­ly­ser la demande de l’u­ti­li­sa­teur seront dif­fé­rentes selon que cette demande est écrite ou par­lée. Cepen­dant, dans les deux cas, on peut dis­tin­guer les approches visant à iden­ti­fier les termes per­ti­nents et les approches par apprentissage.

Les chatbot à reconnaissance textuelle 

Les agents conver­sa­tion­nels ont beau­coup évo­lué depuis le célèbre Eli­za déve­lop­pé au milieu du siècle der­nier par Joseph Wei­zen­baum. Ce pro­gramme, qui ten­tait de simu­ler un pyscho­thé­ra­peute, pro­dui­sait de façon répé­ti­tive des phrases repre­nant des par­ties du texte sai­si. Loin de l’é­cho­la­lie d’E­li­za, les futurs agents sont de plus en plus anthro­po­morphes grâce à l’é­vo­lu­tion des tech­no­lo­gies d’in­tel­li­gence arti­fi­cielle. Les tech­no­lo­gies visant à ana­ly­ser le sens font désor­mais place de plus en plus à des approches par apprentissage.

Comment les chatbots analysent-ils le sens d’un texte ?

Les tech­no­lo­gies d’a­na­lyse du sens uti­li­sées par les chat­bots visent à iden­ti­fier les termes per­ti­nents de la ques­tion posée par l’u­ti­li­sa­teur. Cette ana­lyse peut com­por­ter une ana­lyse de pre­mier niveau afin d’é­car­ter les mots outils, qui peut être com­plè­tée par une ana­lyse séman­tique plus fine, telle que la désa­m­bi­guï­sa­tion séman­tique qui pour­ra, par exemple, dif­fé­ren­cier le verbe avions du sub­stan­tif. Ces termes iden­ti­fiés sont ensuite recher­chés dans une base de connais­sances afin de retour­ner une réponse à l’u­ti­li­sa­teur. Ce type de solu­tions peuvent être com­plé­tées par la prise en compte d’infor­ma­tions de contexte telles que la page Web consul­tée, ou l’his­to­rique des échanges.

Chatbots et intelligence artificielle, quelles possibilités ?

Les chat­bots intègrent de plus en plus des fonc­tions afin qu’ils imitent les com­por­te­ments humains : réseaux de neu­rones, l’ana­lyse des émo­tions, la syn­thèse vocale ou l’é­vo­lu­tion dans le domaine des avatars.

Chatbots et réseaux neuronaux

L’ap­pren­tis­sage par réseaux neu­ro­naux per­mettent de mettre en place des stra­té­gies d’ap­pren­tis­sage : à l’in­verse des stra­té­gies d’a­na­lyse de textes qui néces­sitent de décrire les règles d’a­na­lyse, les algo­rithmes d’ap­pren­tis­sage par réseaux de neu­rone per­mettent d’i­ni­tia­li­ser le chat­bot en l’en­traî­nant sur un grand volume d’in­te­rac­tions. Cette approche pré­sente quelques avan­tages : faci­li­té de mise en oeuvre, à condi­tion de dis­po­ser d’une base d’in­te­rac­tions suf­fi­sam­ment volu­mi­neuse, trai­te­ment de dia­logues « inat­ten­dus » mais attes­tés, pos­si­bi­li­té de conti­nuer l’ap­pren­tis­sage après le déploie­ment. Il n’est cepen­dant pas tou­jours pos­sible de pré­voir le com­por­te­ment du chat­bot ce qui, d’une cer­taine façon, est le revers d’un anthro­po­mor­phisme grandissant. 

Qu’est-ce qu’une intention pour un chatbot ?

L’ar­chi­tec­ture stan­dard des chat­bots indus­triels fait inter­ve­nir deux notions de base : les inten­tions et les enti­tés. L’in­ten­tion peut être vue comme une entrée dans une base de connais­sance et les enti­tés sont des para­mètres de ces inten­tions. Par exemple, dans la requête « quel est l’ho­raire du pro­chain train pour Pau », l’in­ten­tion est « demande_horaire » et l’en­ti­té asso­ciée « ville=Pau ».

Les tech­niques d’ap­pren­tis­sage (neu­ro­nales) sont mobi­li­sées pour iden­ti­fier les inten­tions et les enti­tés dans une requête, la réponse se fait ensuite à la mode d’un chat­bot « tex­tuel », par recherche dans une base de connais­sance struc­tu­rée. La ges­tion du dia­logue reste donc très décla­ra­tive, ce qui évite le carac­tère impré­vi­sible des sys­tèmes inté­gra­le­ment gérés par des réseaux de neurones.

Quelle éthique pour les chatbots ?

Les per­for­mances gran­dis­santes des chat­bots amènent à des ques­tions éthiques : col­lecte des don­nées per­son­nelles, mani­pu­la­tion, dead­bots, infor­ma­tion de l’u­ti­li­sa­teur, consen­te­ments… Ces ques­tions ont ame­né le Comi­té Consul­ta­tif Natio­nal d’E­thique à émettre un avis sur les enjeux éthiques des agents conver­sa­tion­nels.

Par Alain Couillault
PhD Chargé de Mission Innovation APIL

Études de cas associés

La relation client multicanale : comment équilibrer le service entre coût et opportunités ?

Je suis responsable du service client de mon entreprise. Mon équipe et moi devons traiter quotidiennement un volume important de demandes clients dans un environnement multicanal, avec une réactivité optimale.

Je souhaite contacter le SAV d'un site de commerce en ligne

Quand je contacte le service client d'un fournisseur, je veux que ma demande soit correctement prise en compte afin d'obtenir rapidement le bon interlocuteur.