Les chat­bots au ser­vice de la re­la­tion client

IT for Business - - SOMMAIRE -

Un chat­bot per­met d’au­to­ma­ti­ser une par­tie de la re­la­tion client. À condi­tion d’ac­cep­ter de me­ner un pro­jet souvent lourd, met­tant en oeuvre des tech­no­lo­gies dites D’IA, qui n’ont rien de ma­gique.

Co­que­luche de la pla­nète di­gi­tale, les chat­bots offrent une pa­lan­quée de pro­messes. Pour les clients, une in­ter­face na­tu­relle ré­pon­dant en temps réel et à tout mo­ment à de nom­breuses de­mandes : re­cherche d’in­for­ma­tions, sui­vi d’in­ci­dents, com­mandes, prise de ren­dez-vous, ges­tion des pré­fé­rences… Pour l’en­tre­prise, le chat­bot est sy­no­nyme d’au­to­ma­ti­sa­tion donc d’éco­no­mies, et il vé­hi­cule de fa­çon co­hé­rente les va­leurs de la marque dans tous les pays et sur tous les ca­naux : site web, mes­sa­ge­ries ins­tan­ta­nées, e-mail, SMS, ré­seaux so­ciaux, té­lé­phone (en mode vo­cal). Cette in­té­gra­tion mul­ti­ca­nale est fa­ci­li­tée par des fra­me­works comme Mi­cro­soft Bot Fra­me­work et les pla­te­formes de ges­tion des in­ter­ac­tions de Ge­ne­sys et autres Di­me­lo.

Hu­main et chat­bot co­existent en har­mo­nie

Sans nier une po­ten­tielle concur­rence, l’op­po­si­tion entre ro­bots et hu­mains n’est pas sys­té­ma­tique. Ces der­niers res­tent né­ces­saires pour va­li­der et for­ma­li­ser les connais­sances. D’autre part, chat­bot et hu­main fonc­tionnent en tan­dem lorsque le pre­mier passe la main au se­cond, après avoir qua­li­fié une de­mande ou parce qu’il a at­teint ses li­mites. À l’in­verse, le chat­bot peut « aug­men­ter » l’hu­main en lui sug­gé­rant des ré­ponses. En­fin, en mode hy­bride, l’hu­main su­per­vise plu­sieurs conver­sa­tions gé­rées par des chat­bots, pour ne prendre la main que si né­ces­saire.

Dé­ve­lop­pe­ment et ap­pren­tis­sage : rien de ma­gique

Mal­gré les fan­tasmes sus­ci­tés par L’IA, il n’y a rien de ma­gique dans le dé­ve­lop­pe­ment d’un chat­bot, qui re­lève de pro­jets tra­di­tion­nels souvent lourds. Pre­mière

étape : l’iden­ti­fi­ca­tion des in­ten­tions pos­sibles de l’uti­li­sa­teur, qu’il s’agisse de la re­cherche d’in­for­ma­tions ou du dé­clen­che­ment d’une tran­sac­tion. Elle peut être as­sis­tée par une ana­lyse syn­taxique et sé­man­tique ou par des al­go­rithmes sta­tis­tiques ou neu­ro­naux qui opèrent sur des don­nées comme l’his­to­rique des dia­logues entre agents et clients, FAQ et autres do­cu­men­ta­tions. Ces in­ten­tions et les trai­te­ments as­so­ciés consti­tuent la base de connais­sances. « Une in­ter­ven­tion hu­maine peut s’im­po­ser pour faire le tri, mais notre tech­no­lo­gie d’ana­lyse de textes per­met de cons­truire ra­pi­de­ment cette base » , af­firme ain­si Pa­trick Se­gue­la, di­rec­teur gé­né­ral

de Sy­napse Dé­ve­lop­pe­ment, édi­teur de l’ou­til Ka­pi­ta­li­ser. Ce­la dé­pend tou­te­fois beau­coup de l’am­bi­tion du pro­jet et de la qua­li­té des don­nées.

Il s’agit en­suite d’as­su­rer la com­pré­hen­sion des ques­tions, quelle que soit leur for­mu­la­tion, en les met­tant en cor­res­pon­dance avec les in­ten­tions. Une mé­thode clas­sique consiste à four­nir quelques for­mu­la­tions pro­bables et à confier une gé­né­ra­li­sa­tion à des al­go­rithmes, neu­ro­naux ou autres. « Entre 2 et 30 for­mu­la­tions nous suf­fisent pour dé­clen­cher cette gé­né­ra­li­sa­tion » , af­firme Ja­vier Gon­za­lez Hel­ly, co­fon­da­teur de Bot­fuel. De rares ac­teurs prennent le contre-pied de cette au­to­ma­ti-

Newspapers in French

Newspapers from France

© PressReader. All rights reserved.