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