Intelligence Artificielle

Un chatbot ? Oui ! Mais après ?

Share this post:

L’année 2017 s’achève, elle a été marquée par l’intelligence artificielle. Ce terme était sur toutes les lèvres, dans de très nombreux articles et conférences. Le chatbot a été la meilleure illustration de l’apport de l’intelligence artificielle comme catalyseur d’une profonde transformation de nos interactions avec ou via la « machine ». Via l’aide de l’IA, un chatbot casse les silos entre le marketing, les ventes et le service client en changeant drastiquement la manière dont un client cherche, compare ou achète un produit. Mais, la mise en place d’un chatbot n’est que le début d’une aventure comme l’expose l’étude de Hubspot.

Durant cette année 2017, de nombreux chatbots ont vu le jour en France pour servir différents buts pour les entreprises : augmentation des ventes, amélioration de la relation client voire même buzz marketing dans certains cas, avec plus ou moins de succès. L’année 2018 va voir cette nouvelle interaction se développer de manière exponentielle.

Je souhaite ici partager quelques éléments de réflexion pour mettre un chatbot en œuvre ou le faire évoluer :

  • Les différents types de chatbots
  • Les canaux à intégrer
  • Quelques bonnes pratiques

Types de chatbots

Je vois à ce jour 4 types de chatbot déployables permettant d’avoir une expérience utilisateur plus ou moins prononcée.

Type 1 : Chatbot « basique »

La plupart des chatbots mis actuellement en œuvre sont basés sur le triptyque « Intentions/Entités/Dialogue ». La stratégie de raisonnement est basée sur la meilleure compréhension/identification du contenu et du contexte saisi par l’utilisateur.

« Comprendre au mieux la question pour fournir la réponse pour laquelle le chatbot a été entrainé. »

Cette fonctionnalité, proposée par la plupart des sociétés et des startups, nécessite un entrainement autour des thèmes définis à l’avance et en nombre limités. Plus le nombre d’intentions est important, plus le processus d’apprentissage est long et complexe et cela pour deux raisons, il faut entrainer le système à reconnaître toutes ces intentions et gérer la désambiguïsation.

Type 2 : Chatbot ++

Ce type de chatbot est une extension du précédent implémentant des services tiers pour améliorer l’expérience. Par exemple, par l’analyse du ton permettant d’adapter la forme ou le fond d’une réponse fournie par le chatbot, ou bien par de la reconnaissance visuelle, dans le cas du support client pour faciliter l’identification du produit (version) à supporter.

Type 3 : Chatbot « longue traîne » (Long Tail)

Dans de nombreux cas, l’utilisateur peut poser une question ne faisant pas (encore) partie des thématiques prévues, non imaginée par les concepteurs du chatbot ou peu fréquente, trop complexe à reconnaitre.

Pour traiter tous ces cas, IBM propose un service complémentaire nommé Watson Discovery (https://www.ibm.com/watson/services/discovery) qui a une stratégie de raisonnement permettant de trouver la réponse la plus appropriée à la question dans un corpus documentaire.

Ce type de chatbot permet d’adresser de manière plus simple un nombre beaucoup plus grand de questions utilisateurs et donc d’augmenter la satisfaction sur l’usage du chatbot. Il est aussi indispensable lorsque le sujet du chatbot est très large ou complexe (par exemple répondre à des questions autour du Code des impôts) ou bien dans le cas d’un support employé (utilisation B2E), par exemple agent d’un call-center, support produit…

Autre exemple l’application mobile « Ask Mercedes » qui permet de remplacer le manuel de la voiture : https://www.ibm.com/blogs/think/2017/11/end-of-the-car-manual/

Type 4 : Chatbot applicatif (Back-office, Décisionnel, Moteur de recommendation…)

Le chatbot travaille sur le langage naturel pour supporter l’interaction humain, mais doit s’appuyer sur des informations ou des processus applicatifs tiers.

Par exemple, dans le cas d’un chatbot bancaire (par exemple Orange Bank), la technologie permet de reconnaître le besoin (par ex « Quel est le solde de mon compte ? »), mais nécessite de s’appuyer sur le back-office bancaire pour récupérer cette information et la fournir à l’utilisateur.

Le schéma ci-dessus illustre bien cette approche :

 

P.S : Dans une récente évolution (décembre 2017), l’appel à un système tiers peut se faire directement depuis le service IB Watson Conversation, au travers d’IBM Cloud Functions. (https://developer.ibm.com/recipes/tutorials/watson-conversation-ibm-cloud-functions-to-do-a-longtail-chatbot/)

Dans le cas d’un chatbot e-commerce comme TheNorthFace, cette technologie permet déjà de réduire le temps pour trouver et acheter le bon produit. Au lieu de regarder une longue liste de produits, le consommateur peut expliquer en langage naturel son besoin par exemple, « un manteau pour aller faire du ski en février à Chamonix » et le chatbot lui retourne une liste limitée de suggestions.

Ou bien, dans le cas d’un chatbot Telco pour permettre de proposer le meilleur service/contrat en fonction des besoins exprimés par le consommateur et alignés avec des contraintes légales/contractuelles définies via un moteur de règles tel que IBM ODM (Operational Decision Manager).

Exemple d’utilisation : https://github.com/ibm-cloud-architecture/refarch-cognitive-prod-recommendations

Canal ou canaux d’interaction

Dans le cadre d’un usage orienté expérience client, le chatbot représente la marque et interagit en son nom. Dans une expérience qui se veut de plus en plus multi voire omni-canal, le chatbot doit être exploité sur de multiples canaux tels que Web, Applications mobiles, messageries de groupe (Facebook Messenger, Slack…), robots et assistants vocaux (Google Home, Amazon Echo/Snow…) (article sur l’explosion de l’interaction vocale).

Une marque doit s’adresser à ses clients là où il se trouvent. La technologie de chatbot doit être agnostique du canal et permettre d’en couvrir le plus grand nombre et de s’adapter aux spécificités de ceux-ci.

Une organisation ne doit avoir qu’un seul et unique moteur conversationnel. Il serait en effet dommageable d’avoir à réaliser plusieurs entraînements et d’avoir des réponses différentes suivant les canaux.

Bonnes pratiques

Voici quelques bonnes pratiques issues de projets réalisés sur le marché :

·     Un chatbot oui, mais pourquoi ? Question clé. Vous devez définir des objectifs clairs pour votre chatbot et partager les capacités du chatbot avec les utilisateurs

·     Restez raisonnable, ne sur-promettez pas les capacités du chatbot. Le chatbot, puisqu’il représente la marque, ne doit pas dégrader l’expérience client par des objectifs peu clairs ou hors d’atteinte. (Utilisation d’un chatbot de Type 3)

·     Un chatbot, via quel canal ? paragraphe ci-dessus sur les canaux d’interaction

·     Quid de l’escalade ? Dans tous les cas, le chatbot ne pourra traiter 100 % des demandes, il faut donc définir une stratégie d’escalade (transfert à un agent humain en temps réel, réponse par email à J+1…)

·     Equipe-projet ? Ne sous-estimez pas l’entraînement, mais surtout le ré-apprentissage (suivi). Après la mise en œuvre d’un chatbot, il n’est pas « encore » le moment de partir en vacances, il faut analyser les interactions avec celui-ci et réaliser un ré-apprentissage pour lui permettre de mieux reconnaitre des intentions (anciennes ou nouvelles).

·     Recherchez la technologie et l’intégrateur capables de vous accompagner dans la vision, dans l’industrialisation et dans l’intégration.

·     Prenez en main la technologie et mettez en oeuvre un centre de compétence pour vous rendre autonome.

·     Appliquez une méthode agile et itérer dans la mise en œuvre du chatbot avec à l’esprit l’approche « Fail Fast ».

PS : Cette liste n’est pas exhaustive et doit s’adapter à chaque projet.

 

Watson AI Technical Leader France

More Intelligence Artificielle stories
28 octobre 2020

Migrer SAP dans le Cloud pour rendre son organisation agile : un processus sensible à concrétiser avec un partenaire solide

Suite au webinar co-organisé par IBM et IDC sur le sujet de la migration de SAP vers le cloud dont vous pouvez trouver le replay ici.IDC nous présente une synthèse de ses recommandations en termes d’approche et de choix du bon partenaire pour accompagner les entreprises dans cette démarche. La crise sanitaire a remis l’IT […]

Continue reading

13 octobre 2020

IBM aide ses clients à entrer dans l’Ere de la 5G

La 5G se caractérisera avant tout par ses nouvelles applications. Dans le monde industriel, il s’agira plutôt de la réalité augmentée pour assister les professionnels

Continue reading

7 octobre 2020

Le Mayflower : enrichir notre compréhension de la santé des océans grâce à un navire scientifique autonome et solaire

Le Mayflower, le bateau autonome qui traversera l’atlantique au printemps 2021 grâce à l’IA Watson, vient d’être mis à l’eau ! 15 mètres de technologie, 4.5 tonnes dont plein d’ordinateurs et de logiciel pour naviguer à 10 noeuds. Durant cette traversée il recueillera aussi beaucoup de données pour des équipes de recherche sur les mammifères […]

Continue reading