Qu’est-ce que l’IA conversationnelle ?

L’IA conversationnelle combine le traitement automatique du langage naturel (NLP) au machine learning. Ces processus NLP s’intègrent dans une boucle de rétroaction continue avec les processus de machine learning, ce qui permet d’améliorer en permanence les algorithmes d’IA.

L’IA conversationnelle possède les principaux composants qui lui permettent de traiter, de comprendre et de générer des réponses de manière naturelle.

Le machine learning (ML) est un sous-domaine de l’intelligence artificielle. Il est composé d’un ensemble d’algorithmes, de fonctionnalités et de jeux de données qui s’améliorent continuellement avec l’expérience. Au fur et à mesure que le volume des entrées augmente, la machine de la plateforme d’IA reconnaît mieux les schémas et les utilise pour faire des prédictions.

Le traitement automatique du langage naturel est la méthode actuelle d’analyse du langage basée sur le machine learning qui est utilisée dans l’IA conversationnelle. Avant le machine learning, les méthodologies de traitement du langage sont passées de la linguistique à la linguistique informatique, puis au traitement automatique du langage naturel. À l’avenir, l’apprentissage profond devrait faire progresser encore davantage les capacités de traitement automatique du langage naturel de l’IA conversationnelle.

Le traitement du langage naturel (NLP) comprend quatre étapes : la génération d’entrées, l’analyse des entrées, la génération de sorties et l’apprentissage par renforcement. Les données non structurées sont transformées en un format lisible par un ordinateur, qui est ensuite analysé pour générer une réponse appropriée. Les algorithmes de machine learning sous-jacents améliorent la qualité de la réponse au fil du temps, à mesure qu’ils apprennent. Ces quatre étapes du traitement du langage naturel (NLP) peuvent être décomposées comme indiqué ci-dessous :

• Génération d’entrées : les utilisateurs fournissent des entrées par l’intermédiaire d’un site web ou d’une application. Le format de l’entrée peut être vocal ou textuel.
  
  
• Analyse des entrées : si l’entrée est basée sur du texte, l’application de la solution d’IA conversationnelle utilisera la Natural Language Understanding (NLU) pour déchiffrer la signification de l’entrée et en déduire l’intention. Toutefois, si l’entrée est basée sur la parole, elle tirera parti de une combinaison de reconnaissance automatique de la parole (ASR) et de NLU pour analyser les données.
  
  
• Gestion du dialogue : au cours de cette étape, la génération de langage naturel (NLG), un composant du NLP, formule une réponse.
  
  
• Apprentissage par renforcement : enfin, les algorithmes de machine learning affinent les réponses au fil du temps pour garantir leur exactitude.

L’IA conversationnelle commence par une réflexion sur la manière dont vos utilisateurs potentiels pourraient selon vous souhaiter interagir avec votre produit et sur les principales questions qu’ils peuvent se poser. Vous pouvez ensuite utiliser des outils d’IA conversationnelle pour les orienter vers des informations pertinentes. Dans cette section, nous expliquerons comment commencer à planifier et à créer une IA conversationnelle.

Les questions fréquemment posées constituent la base du processus de développement de l’IA conversationnelle. Elles vous aident à définir les principaux besoins et préoccupations de vos utilisateurs finaux, ce qui aura pour effet de réduire le volume d’appels adressés à votre équipe d’assistance. Si aucune liste de questions fréquentes n’est disponible pour votre produit, demandez à votre équipe de réussite client de déterminer la liste de questions auxquelles votre IA conversationnelle devra pouvoir répondre.

Supposons par exemple que vous soyez une banque. Votre première liste de questions fréquemment posées pourrait être la suivante :

• Comment accéder à mon compte ?
  
  
• Où trouver mon numéro de routage et mon numéro de compte ?
  
  
• Quand ma carte de paiement arrivera-t-elle ?
  
  
• Comment activer ma carte de paiement ?
  
  
• Comment commander des chèques ?
  
  
• Comment parler à un conseiller d’une agence locale ?

Commencez simplement par un petit segment de questions pour élaborer un prototype du processus de développement d’une IA conversationnelle (vous pourrez toujours ajouter de nouvelles questions à la liste).

Vos FAQ constituent la base des objectifs (ou intentions) qui s’expriment à travers les entrées de l’utilisateur, comme l’accès à un compte. Une fois que vous avez défini vos objectifs, vous pouvez les intégrer comme intentions à un outil d’IA conversationnelle leader du marché tel que watsonx Assistant.

À partir de là, il vous faudra apprendre à votre IA conversationnelle la manière dont un utilisateur peut formuler ou demander ce type d’informations. Si nous prenons l’exemple « comment accéder à mon compte », vous devez imaginer d’autres phrases/expressions que les utilisateurs sont susceptibles d’utiliser lorsqu’ils discutent avec un agent de l’équipe d’assistance, comme « comment se connecter », « comment réinitialiser le mot de passe », « créer un compte », etc.

Si vous n’êtes pas sûr des autres phrases/expressions que vos clients sont susceptibles d’utiliser, vous pouvez vous associer avec vos équipes d’analytique et d’assistance. Si les  outils d’analyse de votre chatbot ont été configurés correctement, les équipes d’analytique peuvent extraire des données du Web et examiner d’autres requêtes à partir des données de recherche du site. Ils peuvent également analyser les données de transcription des conversations de chat sur le Web et des centres d’appel. Si vos équipes d’analytique ne sont pas compétentes pour ce type d’analyse, vos équipes d’assistance peuvent également fournir des informations précieuses sur la manière dont les clients formulent leurs questions.

Pensez aux noms et aux entités qui entourent vos intentions. Dans cet exemple, nous nous sommes concentrés sur le compte bancaire d’un utilisateur. Par conséquent, il est logique de créer une entité autour des informations de compte bancaire.

Un certain nombre de valeurs peuvent entrer dans cette catégorie d’informations, telles que « nom d’utilisateur », « mot de passe », « numéro de compte », etc.

Pour comprendre les entités qui entourent les intentions spécifiques des utilisateurs, vous pouvez utiliser les mêmes informations que celles collectées à l’aide d’outils ou d’équipes de soutien pour définir des objectifs ou des intentions. Ces noms précèderont ou suivront la demande principale.

Tous ces éléments se combinent pour créer une conversation avec votre utilisateur final. Les intentions permettent à une machine de déchiffrer ce que l’utilisateur demande et les entités agissent comme un moyen de fournir des réponses pertinentes. Par exemple, vous pouvez imaginer que le dialogue entre une IA conversationnelle et un utilisateur qui a oublié son mot de passe se déroule comme suit :

Ensemble, les objectifs et les noms (ou les intentions et entités, comme IBM les appelle) permettent de créer un flux de conversation logique basé sur les besoins de l’utilisateur. Si vous souhaitez commencer à créer votre propre IA conversationnelle, vous pouvez essayer gratuitement la version Lite de watsonx Assistant d’IBM. 

Lorsque l’on pense à l’IA conversationnelle, ce sont les chatbots en ligne et les assistants vocaux qui viennent à l’esprit, en raison de leurs services de support client et de leur déploiement omnicanal. La plupart des applications d’IA conversationnelle intègrent une analytique approfondie dans le programme backend, ce qui permet de garantir des expériences conversationnelles similaires à celles qui se produisent entre humains.

Les experts considèrent que les applications actuelles de l’IA conversationnelle sont une IA faible, car elles se concentrent sur l’exécution d’un domaine de tâches très limité. L’IA forte, qui reste un concept théorique, se concentre sur une conscience humaine capable d’accomplir diverses tâches et de résoudre un large éventail de problèmes.

Malgré son champ d’application restreint, l’IA conversationnelle est une technologie extrêmement lucrative qui permet aux entreprises d’améliorer leur rentabilité. Bien que les chatbots IA soient la forme la plus populaire d’IA conversationnelle, il existe de nombreux autres cas d’utilisation dans l’entreprise. En voici quelques exemples :

• Support client en ligne : les chatbots en ligne remplacent les agents humains tout au long du parcours client. Ils répondent aux questions fréquemment posées (FAQ) sur des sujets tels que l’expédition, ou fournissent des conseils personnalisés, en faisant de la vente croisée de produits ou en suggérant des tailles pour les utilisateurs, ce qui transforme notre façon d’envisager l’engagement des clients sur les sites web et les plateformes de réseaux sociaux. Parmi les exemples, on trouve les bots de messagerie sur les sites de commerce électronique avec des agents conversationnels, les applications de messagerie, telles que Slack et Facebook Messenger, et les tâches habituellement effectuées par les assistants virtuels et les assistants vocaux.
  
  
• Accessibilité : les entreprises peuvent devenir plus accessibles en réduisant les barrières à l’entrée, en particulier pour les utilisateurs qui utilisent des technologies d’assistance. Les fonctionnalités couramment utilisées d’IA conversationnelle pour ces groupes sont la dictée Text to Speech et la traduction linguistique.
  
  
• Processus RH : de nombreux processus de ressources humaines peuvent être optimisés en utilisant l’IA conversationnelle : formation des employés, processus d’intégration et mise à jour des informations sur les employés.
  
  
• Soins de santé : l’IA conversationnelle peut rendre les soins plus accessibles et plus abordables pour les patients tout en améliorant l’efficacité opérationnelle et en rationalisant le processus administratif, comme le traitement des réclamations.
  
  
• Appareils de l’Internet des objets (IdO) : la plupart des ménages possèdent désormais au moins un appareil IdO, (enceintes Alexa, montres intelligentes, téléphones portables, etc.). Ces appareils utilisent la reconnaissance vocale automatisée pour interagir avec les utilisateurs finaux. Parmi les applications les plus populaires, on trouve Amazon Alexa, Apple Siri et Google Home.
  
  
• Logiciels informatiques : de nombreuses tâches des environnements de bureau sont simplifiées par l’IA conversationnelle, comme la saisie automatique lorsque vous effectuez une recherche sur Google ou la vérification orthographique.

Bien que la plupart des chatbots IA et des applications d’IA aient actuellement des capacités rudimentaires dans la résolution de problèmes, ils peuvent réduire le temps et améliorer la rentabilité des interactions répétitives avec le support client, libérant ainsi des ressources en personnel pour se concentrer sur des interactions plus engagées. Dans l’ensemble, les applications d’IA conversationnelle ont prouvé leur capacité à reproduire des expériences conversationnelles humaines, ce qui a conduit à des taux plus élevés de satisfaction de la clientèle.

L’IA conversationnelle est une solution rentable pour de nombreux processus d’entreprise. Vous trouverez ci-dessous des exemples d’avantages liés à l’utilisation de l’IA conversationnelle.

Recruter du personnel pour le service client peut s’avérer assez coûteux, surtout si vous cherchez à répondre aux questions en dehors des heures d’ouverture habituelles. Fournir une assistance à vos clients à l’aide d’interfaces conversationnelles peut réduire les coûts liés aux salaires et à la formation, un avantage particulièrement appréciable pour les petites et moyennes entreprises. Les chatbots et les assistants virtuels peuvent répondre instantanément et offrent une disponibilité 24 heures sur 24 aux clients potentiels.

Les conversations humaines ne sont pas infaillibles, et elles peuvent produire des réponses incohérentes pour les clients potentiels. Comme la plupart des interactions avec le support client sont répétitives et ont pour objectif la recherche d’informations, les entreprises peuvent programmer une IA conversationnelle pour gérer différents cas d’utilisation, dans un souci d’exhaustivité et de cohérence. Cela crée une continuité dans l’expérience client et permet à de précieuses ressources humaines d’être disponibles pour les demandes plus complexes.

Avec l’utilisation quotidienne des appareils mobiles dans la vie des consommateurs, les entreprises doivent être prêtes à fournir des informations en temps réel. Les outils d’IA conversationnelle étant plus accessibles que les employés, les clients peuvent interagir plus rapidement et plus fréquemment avec les marques. Cette assistance immédiate leur permet d’éviter les temps d’attente prolongés des centres d’appels et de jouir d’une meilleure expérience. À mesure que la satisfaction augmente, les entreprises constateront son impact dans la fidélité des clients et dans les revenus supplémentaires issus des recommandations.

Dans l’IA conversationnelle, les fonctionnalités de personnalisation permettent également aux chatbots de fournir des recommandations aux utilisateurs finaux. Les entreprises peuvent ainsi réaliser des ventes croisées, avec des produits que les clients n’avaient peut-être pas envisagés au départ.

L’IA conversationnelle est également très évolutive, car l’ajout d’une infrastructure capable de prendre en charge l’IA conversationnelle est moins coûteux et plus rapide que le processus d’embauche et d’intégration de nouveaux employés. Cela est particulièrement utile lorsque les produits s’étendent à de nouveaux marchés ou lors de pics de demande inattendus à court terme, comme pendant les périodes de vacances.

L’IA conversationnelle en est encore à ses débuts, et son adoption généralisée par les entreprises n’a commencé que depuis quelques années. Comme pour toute nouvelle avancée technologique, l’adoption d’applications d’IA conversationnelle pose quelques défis. En voici quelques exemples :

L’entrée linguistique peut être un problème pour l’IA conversationnelle, qu’il s’agisse de texte ou de voix. Les dialectes, les accents et les bruits de fond peuvent avoir un impact sur la compréhension de l’entrée brute par l’IA. L’argot et le langage spontané peuvent également générer des problèmes lors du traitement de l’entrée.

Cependant, le plus grand défi pour l’IA conversationnelle dans l’entrée linguistique est le facteur humain. Les émotions, le ton et le sarcasme font qu’il est difficile pour l’IA conversationnelle d’interpréter le sens voulu par l’utilisateur et de répondre de manière appropriée.

Étant donné que l’IA conversationnelle est dépendante de la collecte de données pour répondre aux requêtes des utilisateurs, elle est également vulnérable aux violations de la confidentialité et aux violations de la sécurité. Le développement d’applications d’IA conversationnelle intégrant des normes strictes de confidentialité et de sécurité et des systèmes de contrôle contribuera à renforcer la confiance des utilisateurs finaux, ce qui, à terme, augmentera l’utilisation du chatbot.

Les utilisateurs peuvent avoir peur de partager des informations personnelles ou sensibles, en particulier lorsqu’ils se rendent compte qu’ils discutent avec une machine et non avec un humain. Comme tous vos clients ne seront pas des adoptants précoces, il sera important de sensibiliser votre public cible aux avantages et à la sécurité de ces technologies afin de créer une meilleure expérience client. Attention, ce problème d’appréhension peut nuire à l’expérience utilisateur, réduire les performances de l’IA et éventuellement en annuler les effets positifs.

De plus, les chatbots peuvent ne pas être programmés pour répondre à la vaste gamme de questions des utilisateurs. Dans ce cas, il est important de fournir un canal de communication alternatif pour répondre à ces questions plus complexes, car il sera frustrant pour l’utilisateur final si une réponse erronée ou incomplète est fournie. Les clients doivent avoir la possibilité de se connecter avec un représentant humain de l’entreprise.

Enfin, l’IA conversationnelle a la capacité d’optimiser le workflow dans une entreprise, ce qui peut éventuellement mener à des suppressions d’emploi pour une fonction professionnelle particulière. Le risque est de déclencher un mouvement de contestation sociale, qui peut nuire à l’image de l’entreprise.