Agent conversationnel

Tout savoir sur l’agent conversationnel : vocabulaire, technologies et terminologies projets

Lorsqu'on découvre l'univers des chatbots le vocabulaire employé peut paraître déroutant. Mais comme dans tout domaine technique, un jargon commun permet de communiquer plus facilement et efficacement avec ses pairs. Afin de vous initier à notre écosystème, nous vous avons préparé ce "guide ultime de l'agent conversationnel". Entre termes organisationnels, technologiques et linguistiques, mettez au clair tous nos concepts et devenez un véritable expert des chatbots !

Guide de l’agent conversationnel : Définitions Produit

Agent conversationnel : Les agents conversationnels ou chatbots sont des applications informatiques conçues pour simuler des conversations humaines. Les bots conversationnels adoptent en général une interface reprenant les codes des applications de messaging (Facebook Messenger, Whatsapp, etc). Ils ont pour but de répondre immédiatement et automatiquement aux sollicitations des internautes.

Arbre de décision : L’arbre de décision est la colonne vertébrale des parcours conversationnels d’un chatbot. Il guide l’enchaînement des réponses de l’agent virtuel en fonction des interactions avec l’utilisateur, et le fait progresser au sein des scénarios pré-établis. Les différentes issues sont situées aux extrémités des branches (les « feuilles » de l’arbre), et sont ainsi atteintes en fonction des réponses prises à chaque étape.

Chatbox : Fenêtre de conversation permettant d’échanger avec un agent virtuel

Side Bubble : Fenêtre secondaire d’un bot conversationnel, s’affichant à côté de la fenêtre principale afin d’étendre l’espace de lecture.

Push content : Apparition “forcée” d’un contenu sur un chatbot. En général ce contenu se manifeste automatiquement au démarrage d’une conversation.

Avatar : Personnification d’un agent conversationnel. L’avatar peut prendre l’image d’une femme, d’un homme ou bien d’un robot.

Message d’accueil : Phrase d’accueil automatiquement générée par un bot au lancement d’une conversation. C’est une opportunité de préciser à l’interlocuteur le champ d’action du bot afin de limiter les questions hors-sujet.

Escalade : Action de transfert d’une conversation depuis un chatbot vers un live chat ou un formulaire pour offrir une solution alternative en cas d’échec de l’agent conversationnel.

Choix multiple : Format de réponse permettant à un utilisateur de choisir la meilleure solution parmi plusieurs propositions.

Guide de l’agent conversationnel : définitions technologiques et linguistiques

TALN : Le Traitement Automatique du Langage Naturel est un domaine multidisciplinaire impliquant la linguistique, l’informatique et l’intelligence artificielle. Le TALN vise à permettre aux machines de comprendre le langage humain. C’est un composant essentiel d’un agent conversationnel.

Ingénieur linguiste : Les ingénieurs ont pour rôle de modéliser les mécanismes du langage humain, pour insuffler cette compréhension aux agents conversationnels. Chez Inbenta, les ingénieurs linguistes ont 3 grandes missions :gestion de projet, R&D/veille ainsi que de la gestion des ressources lexicales.

Base de connaissances : une base de connaissances regroupe l’ensemble des contenus exploitables par un agent conversationnel

Machine Learning : Algorithme permettant aux machines d’apprendre à résoudre des problèmes et d’acquérir des connaissances. Les ordinateurs apprennent automatiquement, sans intervention humaine, en observant et en recherchant des modèles dans les données, et en utilisant des boucles de rétroaction pour contrôler et améliorer leurs prévisions.

IA symbolique : l’intelligence artificielle symbolique s’appuie sur un système de “règles”. Ces règles sont construites par les humains puis intégrées aux machines afin de guider leur prise de décision autonome. Le moteur n’improvise donc pas par lui-même, il agit en fonction des enseignements qu’il a reçus.

Analyse sémantique : L’analyse sémantique permet de comprendre le sens des requêtes d’un interlocuteur humain, en déterminant son intention à partir de la formulation employée.

Matching : On parle de matching lorsqu’une requête utilisateur est associée à un ou plusieurs contenus d’un agent conversationnel. Chez Inbenta, notre moteur extrait le sens des requêtes utilisateurs et calcule sa similarité avec les intentions de la base de connaissances. Dans le cas où aucune affinité n’est trouvée, l’agent conversationnel indique à l’utilisateur qu’il n’a pas trouvé de réponse.

Lexique : Le lexique d’un agent conversationnel réunit « l’ensemble de mots dans une langue ». Il s’agit d’une liste de mots courants provenant de termes spécifiques à une langue ou à un domaine. Chez Inbenta, nous distinguons 3 couches de lexique : les mots généraux de la langue française, les mots spécialisés par domaine d’activité (par exemple le mot “détaxe” pour les aéroports) et les mots spécifiques à nos clients (comme les noms de produits).

Désambiguïsation : En linguistique, lorsqu’un terme peut représenter plusieurs concepts différents, on parle d’ambiguïté. Un terme ambigu est rattaché à plusieurs intentions différentes. La désambiguïsation permet au moteur NLP d’Inbenta de déterminer quel concept se cache derrière un terme ambigu, déterminer quelle notion retenir, afin de fournir de meilleurs résultats aux internautes.

Utterance : Forme brute d’une interaction formulée par un interlocuteur humain. C’est la matière première que le moteur NLP analyse pour déterminer l’intention.

Intention : Les linguistes définissent une intention comme étant un “acte de langage”. Elle représente le sens d’une requête utilisateur, ce qu’il veut accomplir ou recherche à travers sa question. Une intention peut être formulée de différentes manières. Pour répondre correctement aux utilisateurs, nous labellisons ces intentions auxquelles nous rattachons différentes utterances ayant le même sens.

Exemples :

  • « je veux fermer mon compte » (utterance) => « résilier compte » (intention)
  • « comment clôturer mon compte » (utterance) => « résilier compte » (intention)
  • « je veux arrêter mon compte bancaire chez vous » (utterance) => « résilier compte » (intention)

Les utterances peuvent varier, mais l’intention reste la même.

Variable : Une variable est une donnée qu’un agent conversationnel détecte et conserve pour un usage ultérieur. Elle alimente la mémoire de votre chatbot. Les variables sont généralement utilisées dans les cas suivants :

  • pour prendre des décisions logiques basées sur des informations précédemment données dans la conversation (par exemple, pour déterminer les prochaines questions à poser)
  • pour utiliser des informations précédemment données dans la conversation afin de personnaliser les réponses du chatbot.
  • pour utiliser des informations précédemment données dans la conversation pour effectuer des transactions.

Verbatim : Données correspondant à l’ensemble des mots, phrases et commentaires laissés par les internautes en contact avec un agent conversationnel.

Paraphrase : Reformulation d’une question utilisateur par différents traitements linguistiques dans le but d’améliorer le matching.

Cluster Sémantique : Un cluster sémantique utilise des comparaisons sémantiques pour rassembler des expressions similaires.

AIML / Couche sociale : La couche sociale gère toutes les interactions “hors cadre” entre un internaute et un agent conversationnel. Elle s’appuie sur un langage dédié : l’AIML (Artificial Intelligence Markup Language).

API : Une API (Application Programming Interface) est interface de programmation applicative. Elle permet d’interagir avec des données (envoyer et recevoir) et d’exécuter des actions prédéfinies.
Exemple : la route permettant d’envoyer un message au chatbot et de recevoir les réponses.

  • route : /conversation/message
  • paramètre : message_utilisateur
  • réponse : message_chatbot

SDK : Un SDK offre l’accès à un catalogue de fonctionnalités pré-développées. Par exemple, la fonctionnalité « charger le chatbot » du SDK Inbenta fait apparaître un chatbot dans lequel l’envoi et la réception des messages sont déjà gérés via l’API Inbenta, sans que le développeur n’ait à s’en préoccuper.

Les terminologies projets autour de l’agent conversationnel

Session : Une session est une unité regroupant toutes les interactions avec un agent conversationnel sur une période de temps donnée. Une session est généralement maintenue tant que l’utilisateur est actif sur la page.

Module d’évaluation : Fonctionnalité permettant à un utilisateur d’évaluer la pertinence de la réponse proposée par un agent conversationnel. Ce feedback permet au Botmaster de savoir si un contenu a été utile ou compris par l’utilisateur, et de l’adapter en conséquence.

Botmaster : Le Botmaster est un chef de projet ayant pour mission d’optimiser la base de connaissances d’un agent conversationnel et d’en suivre les performances générales (KPI’s). Le Botmaster doit maîtriser plusieurs compétences, de la gestion de projet, à la connaissance des contraintes des métiers, en passant par le reporting et l’aisance rédactionnelle.

A/B Testing : Méthode de test permettant de mesurer l’impact d’un changement sur l’atteinte d’un objectif. Cette technique consiste à proposer plusieurs versions d’une interface où un seul critère diffère, afin de déterminer la version qui donnera les meilleurs résultats auprès des utilisateurs.

Ce guide n’est qu’une liste partielle des termes utilisés par nos experts. Toutefois, il est largement suffisant pour vous permettre de comprendre l’univers et le fonctionnement des chatbots.
Si vous souhaitez des précisions sur certains de ces termes n’hésitez pas à demander conseil aux équipes qui vous accompagnent dans la mise en place de votre chatbot !

La solution de chatbot Inbenta sait parfaitement relever tous ces défis au service d’une meilleure relation client ! Si vous envisagez de déployer un chatbot, notre un avis d’expert est susceptible de vous intéresser.

projet chatbot

Filiz_Karagan
Filiz Karagan