Dès que l’on se réfère à des technologies faisant appel au concept d’intelligence artificielle, on sait que le temps est un élément essentiel dans la performance de l’algorithme utilisé. En effet, la logique est que la solution soit auto-apprenante, et ce, de façon plus ou moins assistée. Obtenir un robot conversationnel (chatbot) performant et entraîné, rapidement implique plusieurs éléments.
Le socle du chatbot : la performance du NLP
Le moteur de reconnaissance du langage naturel ou NLP va s’appuyer et intégrer des éléments plus ou moins nombreux. Mais aussi plus ou moins complexes. Ainsi, les moteurs les plus basiques ne s’attachent qu’à un seul mot. Il s’agit d’un système de reconnaissance de mot clé très proche des moteurs de recherche.
Dydu a développé et optimisé son algorithme depuis plus de 10 ans. Lorsqu’un utilisateur pose une question, notre moteur analyse tous les mots de la phrase. Il effectue des corrections orthographiques et identifie les formes racine des mots, mais également leurs synonymes. Cela permet de comprendre un grand nombre de manières d’exprimer une même intention (ou question).
Le cadre du chatbot : l’apprentissage supervisé
Dans le cadre de projets traditionnels, les clients partent de zéro. Ils construisent leur base de connaissances de A à Z en fonction de leur métier d’origine et des cas d’usages qu’ils souhaitent traiter. En effet, la problématique client dans le cadre du transport ferroviaire n’aura rien à voir avec un support informatique pour des salariés. Les bases de connaissances, c’est-à-dire l’ensemble des questions et des réponses, seront complètement spécifiques aux différents publics et scénarios couverts de même que le champ lexical utilisé. Mais, en plus de la définition des questions et des réponses, un certain temps sera consacré au paramétrage et à l’entraînement du chatbot. Cela implique de réfléchir aux différentes formulations d’une même question. Mais aussi de tester le bot pour le mettre à l’épreuve et l’affiner, et de répéter ce processus de manière itérative pour optimiser sa compréhension.
Dans la mesure où les robots conversationnels engagent la parole des marques vis-à-vis de leurs clients potentiels et actuels ou de leurs salariés, nous avons opté chez dydu, pour une approche supervisée. Dans tous les cas, c’est l’humain qui a le dernier mot et non la machine qui décide.
Des outils spécifiques dans la console d’administration du chatbot vont alors permettre de rendre ce travail de calibration plus facile et plus rapide. Le moteur propose en permanence des optimisations pour améliorer le matching sur sa base de connaissances.
- Tout d’abord, il remonte des alertes en cas de connaissances proches.
- Il surface les phrases incomprises mais surtout propose des suggestions (à valider ou invalider). Le manager du bot peut compléter en un clic les reformulations de la connaissance ou du groupe de formulation associé.
- Il effectue aussi des alertes qualité et remonte en erreur des réponses contenant par exemple des liens cassés.
La richesse des fonctionnalités de prévenance et d’audit est ainsi un élément clé dans la capacité de votre bot à être entraîné efficacement.
Côté process, on vous conseillera dès le départ d’utiliser des échantillons de testeurs réels avec des profils variés.
Le prêt-à-l’emploi : une base de connaissances déjà pré-entraînée
Tout ce travail de calibrage, qui peut prendre du temps au démarrage, a déjà été effectué dans le cadre de nos chatbots Experts.
Nous avons bien sûr défini les thématiques, les questions et les réponses associées. Nous avons aussi travaillé sur des groupes de formulations spécifiques au vocabulaire utilisé dans le domaine concerné. Ils regroupent des locutions dont le sens est équivalent. Par exemple, dans le cadre du chatbot Mairie, c’est ce qui permet au bot de comprendre indifféremment : cantine, restaurant scolaire, self, réfectoire. Autre exemple : registre de vigilance qui selon les communes va s’appeler registre communal d’alerte, registre communal des personnes vulnérables ou encore registre nominatif communal.
Dans le cadre du chatbot RH, associés aux 300 connaissances, dydu a constitué et testé 110 groupes de formulations.
Créer un bot à partir d’un modèle déjà existant, c’est donc bénéficier de tout ce travail déjà réalisé.
Cela va permettre à vos équipes métier d’aller très vite dans l’appropriation du contenu. Ils n’auront qu’à se focaliser sur les éléments de personnalisation propres à votre organisation. Immédiatement, vos utilisateurs bénéficieront d’une très bonne expérience. Et cela vous facilitera encore le travail d’optimisation continue pour la suite !
Partagez cet article !
