Interview réalisée par Henintsoa, pour le blog de www.intelligence-artificielle.com :

Dans le cadre de notre dossier « Expert I.A : La force des algorithmes pour résoudre les énigmes du futur. », Samir DILMI (Chief Revenue Officer chez Dydu) a accepté de faire un point sur l’année écoulée et sur les grands enjeux du secteur de l’IA.

Pouvez-vous vous présenter à nos lecteurs ?

Je suis Chief Revenue Officer (CRO) chez Dydu, plateforme experte en IA conversationnelle.

Quelles sont les dernières avancées et innovations dans le domaine de l’IA qui ont retenu votre attention récemment ?

Bien sûr, étant acteur dans l’IA conversationnelle, nous avons été marqués par la capacité de l’IA générative à générer des connaissances ou des réponses de manière quasi instantanée, ce qui a vraiment simplifié la vie des métiers en charge des bots. Cela nous a donc permis de simplifier les process de création. Personnellement, je suis également bluffé par les progrès en médecine. Les nouvelles solutions permettant de détecter un cancer ou d’identifier son évolution me fascinent.

Quels secteurs ont le plus bénéficié de l’intégration de l’IA ?

Aucun secteur n’est épargné par l’intégration de l’IA. Que l’on soit une banque, une société de loisirs, un site e-commerce ou une entreprise de logistique, tous ont bénéficié d’avancées considérables grâce à l’IA. Ces derniers mois je constate que le tourisme et l’immobilier sont des secteurs qui évoluent vite sur le sujet. De manière globale, les métiers liés à la relation client ou salariés sont ceux qui peuvent observer le plus rapidement les bénéfices de solution de selfcare incluant l’IA.

Comment voyez-vous l’avenir de l’IA et son impact sur la société ?

Je pense que nous sommes qu’au début de l’exploitation de l’IA et que nous sommes loin de mesurer tout ce que cela peut nous apporter au quotidien. Il y a donc beaucoup de perspective encore. D’un point de vue sociétal, il faut s’adapter et réaliser que les usages vont évoluer notamment chez les plus jeunes qui vont grandir avec. Souvenez-vous, au début des années 2000, tout le monde pensait qu’à cause d’internet que les personnes travailleraient moins. Cela n’a pas été le cas, c’est peut-être même l’inverse qui a eu lieu avec l’invasion du travail dans la sphère privée. Je pense que l’IA aura le bouleversement inverse et permettra de mieux balancer le temps passer sur certaines tâches et donc de gagner en qualité de vie, je l’espère. Je pense aussi que les usages vont être de plus en plus régulés afin de limiter les deep fakes et d’essayer de maîtriser l’information.

Quel est votre avis sur l’impact qu’a et aura l’IA sur l’emploi en France ?

De nouveaux métiers vont voir le jour et certains métiers se verront transformés mais je vois plutôt l’IA comme une opportunité d’emploi qu’un risque. L’IA va permettre d’aller plus vite dans de la recherche d’information, et donc de pas perdre du temps sur des tâches chronophages.

Quels sont les principaux défis éthiques liés à l’IA et comment les abordez-vous dans votre travail ?

Le défi est de ne pas diffuser de fausses informations ou réponses à des clients avec un ton qui laisserait penser que la réponse est avérée. Il est important de souligner que l’IA générative, en particulier, n’a pas une fiabilité à 100%. Chez Dydu, nous faisons le choix de l’Hybride, les réponses « à risques » restent créées dans un arbre de décision afin d’avoir une réponse maîtrisée par la marque. Cependant, nous mettons en place des NLU ( en parallèle ) permettant d’améliorer le matching des réponses.

Quelles sont, selon vous, les opportunités et les défis futurs pour les experts en IA, notamment en ce qui concerne l’évolution de la technologie et de la réglementation ?

Nous pouvons le constater, tout va très vite et tous les jours de nouvelles sociétés ou modèles voient le jour. Le défi est donc de faire des choix réfléchis et de bien prendre en compte l’expérience et les contraintes techniques et légales plutôt que de foncer tête baissée. La réglementation va devoir s’adapter et cadrer les usages également en gardant pour objectif la véracité des informations et le maintien du bien-être des collaborateurs dans les entreprises.

Quels conseils donneriez-vous à ceux qui souhaitent se lancer dans une carrière dans l’IA ?

C’est un monde passionnant qui nécessite une remise en question permanente. Il faut donc choisir cette carrière en connaissance de cause car derrière le côté fun se cache beaucoup d’heures de travail, d’adaptation et de remise en question. Il ne faut donc pas choisir ces métiers si l’on cherche « la sécurité ». Ce qui est à la mode à un instant T peut vite devenir obsolète.

Découvrez l’interview de Mathieu Changeat, cofondateur Dydu, qui aborde les enjeux de l’IA et la stratégie adoptée par Dydu.

Comment l’IA générative, influence-t-elle actuellement les solutions d’IA conversationnelle de Dydu en 2024 ?

Les IAs génératives ont connu une publicité énorme avec l’avènement de ChatGPT fin 2022, bien qu’existant depuis quelques années déjà. Subitement on se trouvait face à un chatbot qui semblait comprendre tout ce qu’on lui disait et qui restituait des réponses bluffantes de réalisme.

De nombreuses études ont depuis démontré qu’il y a de nombreux biais, erreurs, omissions, dans les réponses de ChatGPT, et des modèles de langage de manière générale. Mais la première bonne impression est restée, et désormais, il n’est plus concevable pour nos clients et prospects de passer autant de temps qu’auparavant à paramétrer son chatbot. Nous les intégrons donc dans notre solution pour que nos chatbots et callbots soient capables de comprendre davantage les questions de nos utilisateurs avec un effort d’administration moindre, mais tout en garantissant la fiabilité des réponses apportées.

Comment Dydu garantit la sécurité des données ?

Nos intégrations ont été réalisées pour que nous puissions utiliser n’importe quel LLM : hébergés dans le cloud (GPT dans Microsoft Azure, Mixtral chez mistral.ai ou vercel.ai, etc.) ou hébergés sur des serveurs OVH maintenus par Dydu (Llama2).

Nos prérequis sont a minima :

• Une solution cloud qui respecte le RGPD (ce qui n’est pas le cas à date pour OpenAI)
• Utiliser des serveurs localisés en Europe

Dans la situation où l’hébergement est assuré par Dydu, nous pouvons garantir les aspects RGPD et localisation en France, même pour les données de santé (HDS). Les données ne sortent pas de l’infrastructure Dydu et aucune donnée n’est utilisée pour l’entraînement des modèles hébergés.

Peut-on se passer de la construction de la base de connaissances ?

Les modèles de langage, même lorsqu’ils sont entraînés sur mille milliards de paramètres, comme c’est le cas pour GPT4, ne sont pas à l’abri “d’halluciner”, c’est-à-dire de donner une réponse totalement inventée et donc fausse. Notre préconisation est une utilisation hybride. Une partie du périmètre de connaissances du bot sera toujours gérée par la base de connaissances dans le Bot Management System et créée manuellement. Une autre partie sera issue de documents déjà existants dans l’intranet ou le site internet du client. Ils servent aussi à mieux comprendre les questions des connaissances créées manuellement, en s’appuyant sur la compréhension du modèle de langage, mais en restituant la réponse créée dans l’arbre de connaissances.

Dans un but de maîtriser au mieux les réponses, il n’est pas envisageable de les laisser répondre à toutes les questions. Nous préconisons donc de gérer dans la base de connaissances Dydu les sujets :

• Sensibles
• Nécessitant une escalade vers un autre canal en fonction de la thématique de la question
• Nécessitant un branchement vers une API (interface de programmation d’application) du SI du client

Il faut également considérer les aspects financiers et même écologiques : chaque requête envoyée à un modèle de langage est coûteuse et implique des ressources énergétiques plus importantes que pour un chatbot Dydu.

Dans le cas de callbots, les LLMs sont à date non éligibles : ils mettent plusieurs secondes à fournir une réponse qui doit ensuite être vocalisée, rendant l’expérience conversationnelle finale non naturelle.

Pourquoi le LLM ne répond pas toujours la même chose à la même question ?

Le modèle est basé sur des réseaux de neurones qui utilisent des méthodes stochastiques, ce qui signifie qu’il peut produire des résultats légèrement différents à chaque fois. De plus, la réponse peut dépendre du contexte de la conversation et de la formulation exacte de la question. La variabilité dans les réponses est donc une caractéristique normale de ce type de modèle.

Que recommandes-tu aux entreprises cherchant à s’adapter aux enjeux de l’IA ?

Restez prudent sur les cas d’usage que vous souhaitez implémenter, en commençant par des tests. Je pense que les IAs peuvent nous être très utiles dans nos différentes tâches quotidiennes, mais il ne faut pas négliger les biais et imperfections, ni le savoir-faire humain.

Les IA génératives ouvrent de nouvelles possibilités dans le développement d’outils conversationnels, un retour en grâce des chatbots est encore à venir.

Interview donnée par Samir Dilmi, Chief Revenu Officer chez Dydu, pour Siècle Digital.

Ah… Les chatbots, ces services derrière lesquels on promettait aux utilisateurs de converser avec une forme d’intelligence pour lui demander ce que l’on voulait à n’importe quelle heure, n’importe quand, avec une réponse proche de celle d’un humain. Quelle déception ce fut pour des millions d’internautes à travers le monde qui s’en sont très vite désintéressés ! L’émergence de ChatGPT et plus largement des grands modèles de langage (LLM) va-t-elle rabibocher les marques et les consommateurs avec les chatbots ?

Nous sommes en 2016 et ils envahissent internet à grands pas. On en retrouve sur bon nombre de sites web, et surtout dans l’application Messenger de Facebook qui leur a offert une place de choix. Service après-vente, recrutement, ressources humaines, restauration rapide, banque, presse, université… Dans une période où « transformation digitale » est martelé à chaque réunion, les chatbots se présentent comme une aubaine pour monter qu’on sait innover.

« La plupart des chatbots ont été assez déceptifs pour les utilisateurs finaux, et coûteux pour les entreprises, » se remémore Ghislain de Pierrefeu, Partner Intelligence Artificielle et Data chez Wavestone. Bien que certains eussent déjà mis en pratique le traitement du langage naturel, permettant à des agents de comprendre plusieurs intentions, ils se sont avérés limités dans leurs réponses. Pour les marques qui ont voulu persévérer, avec la promesse de désengorger leurs centres de relation client, la note fut salée. Elles ont dû mobiliser des ressources pour entraîner leur chatbot, lui apporter des données de qualité et en quantité pour qu’il lise correctement les demandes d’un utilisateur, pour qu’il comprenne et emploi un vocabulaire spécialisé… « Les acteurs n’ont jamais réussi à traiter la chaîne jusqu’au bout pour aller chercher et intégrer des données personnelles. (…)
Il y a eu un phénomène de désaffection. Les gens en ont eu marre et ont préféré appeler un conseiller ou envoyer un mail, » complète-t-il.

Un constat partagé par Samir Dilmi, Chief Revenue Officer chez Dydu, entreprise française pionnière dans la création de chatbots. « Ce gros boom a été suivi d’une grosse déception. Beaucoup d’entreprises se sont précipitées sur un enjeu business sans soigner le produit et sans toujours comprendre que ce n’est pas une solution de remplacement, mais une solution d’aide. »

Face à un désintérêt notable du grand public, les entreprises se sont tournées vers des applications internes, notamment dans le support IT, les ressources humaines ou encore l’aide à la vente. « C’est là où on a commencé à voir apparaître les premiers chatbots RH, » poursuit Samir Dilmi. Dans des agences bancaires, les conseillers ont pu accéder à des interfaces permettant d’obtenir des informations sur tous les produits, et les croiser avec d’autres données comme la situation d’un compte.

Le développement de ces usages a permis de faire progresser le traitement du langage naturel (NLP), « aujourd’hui on est capable de comprendre un contexte, la question, et d’aller chercher la réponse au bon endroit ». Même si le risque d’une utilisation en interne est moindre, les marques ont appris à consacrer du temps à la formation de leur chatbot. Il subsiste cependant des lacunes, comme l’emploi d’un vocabulaire spécifique à un secteur (bancaire, énergie, santé…), ou encore l’écriture à un niveau de maîtrise de la langue proche de l’humain. Lacunes qui pourraient être corrigées à terme par l’intégration de LLM, qui apporteraient des avantages supplémentaires.

Si les premiers grand modèle de langage sont apparus en 2018, il a fallu attendre quatre années pour que l’on découvre l’étendue de leurs capacités, notamment à travers les IA génératives. Pour les entreprises, GPT d’OpenAI, LLaMA de Meta, ou encore Bard de Google offrent des compétences à la fois ergonomiques, car on peut leur demander tout ce que l’on souhaite, et l’on obtiendra une réponse ; linguistiques car il faut admettre qu’ils s’expriment dans un français quasi-parfait.

Un avantage manifeste de l’utilisation de LLM réside dans le temps nécessaire à entraîner son chatbot. « La courbe d’apprentissage est totalement revue, » salue Samir Dilmi qui fait le parallèle avec une méthode de supervision où un humain valide les réponses, encore majoritairement pratiquée. « Nous pouvons récupérer des archives de SAV, étudier les conversations, et l’entraîner avant même que le robot soit lancé. Nous gagnons un temps précieux dans la mise en place du bot et l’absorption de connaissances ».

Mais attention à ne pas tout laisser entre les mains d’un LLM pour éviter un phénomène bien connu mais inexplicable : les hallucinations. Ces IA à tout faire peuvent inventer des réponses, et pour les marques cela représente un risque évident. Il faut donc s’attendre à les voir LLM exploités en premier lieu pour des besoins simples, comme comparer des produits, créer des recettes de cuisine… Plutôt que pour confirmer une couverture d’assurance à l’international, ou suivre un traitement médical. « Avant, on pouvait être déçu par l’incapacité d’un chatbot à fournir une réponse, aujourd’hui on pourrait être déçu par une mauvaise réponse, » analyse Ghislain de Pierrefeu.

Castorama s’est prêté au jeu avec le lancement en novembre sur son site d’un chatbot :
Hello Casto. L’objectif est d’arriver à « compenser en ligne ce qu’un expert en magasin propose à nos clients, » explique Romain Roulleau Directeur du Marketing et du Digital de Castorama. Il fonctionne dans un environnement fermé, dans un orchestrateur baptisé Athena conçu au niveau du groupe pour développer les projets d’intelligence artificielle. Il traite les questions relatives à la sécurité, à la pertinence des réponses, et à la modération des échanges. Hello Casto se base sur les trois principaux LLM du marché, Bard, GPT, et Claude (Anthropic), qui interviennent selon la question et le contexte. Malgré des retours encourageants, l’enseigne se veut prudente. « Nous effectuons des corrections plusieurs fois par jour. (.) On sait que l’hallucination ça existe, et c’est aussi pour ça qu’Athéna est là, » ajoute Romain Roulleau.

Avec la maturité gagnée et les solutions technologiques qui se présentent, un retour en grâce des chatbots est définitivement à prévoir.