Tech

Petit Lexique Des Chatbots

Chatbot

Un chatbot est la combinaison des mots anglais chat et robot, on le traduira en français par “robot conversationnel”. C’est un logiciel présenté sous forme de messagerie instantanée, capable d'interagir avec les humains à l’aide de réponses pré-enregistrées. Les réponses sont envoyées en fonction de ce que le chatbot a compris dans la phrase de l'utilisateur.

Bonjour, que puis-je faire pour vous aider ?
Quels sont vos horaires d'ouverture le samedi ?
Nous sommes ouverts de 9h à 14h 😉

Un chatbot peut répondre à différents projets/besoins :

  • Service après-vente
  • Expérience client
  • Achats guidés
  • Publicité personnalisée
  • etc.

Il peut être intégré sur un site internet ou une application de messagerie (Facebook Messenger, Twitter DM, Slack, etc.).

Quick replies et Saisie Libre

On distingue deux fonctionnalités :

  • Quick replies : l’utilisateur choisi sa réponses parmi plusieurs réponses proposées, en cliquant sur le bouton correspondant.
Quelle couleur préférez-vous ?
Bleu Rouge Vert Jaune
  • Saisie libre : l’utilisateur écrit sa réponse lui-même dans la zone de saisie du texte
Quelle couleur préférez-vous ?
J'aime bien le taupe clair

Machine Learning

Le machine learning est le fait d’entraîner un algorithme à prendre des décisions/engager différentes actions à partir de l’analyse de mots, d’images, de chiffres, de données, etc. C’est donc un système capable d’apprendre à partir des expériences qui lui sont fournies.

Exemple  : entraîner un modèle à reconnaître une photo de chat.

Le machine learning s’applique ainsi aux chatbots lorsqu’il doit détecter l’intention du message de l'utilisateur. Le machine learning permet aux bots de gérer des conversations plus complexes.

NLP : Natural Language Processing : Traitement Automatique du Langage Naturel

La branche du machine learning qui sert à comprendre les textes.

Le traitement du langage naturel sert à faire le lien entre le langage humain et les ordinateurs. Son but principal est d’apporter la meilleure réponse/solution possible à l’utilisateur.

Il garantit la compréhension des saisies libres (intention ou mots clefs)

Attention, un modèle NLP doit être correctement entrainé pour bien fonctionner ! (https://likeabot.io/blog/nlp-dans-votre-chatbot-attention-aux-faux-positifs-de-votre-modele)

Ainsi, on associe Machine Learning et NLP dans la construction d’un chatbot pour obtenir un bot capable de comprendre le langage humain après apprentissage.

Intention

Les intentions permettent au chatbot de détecter l'action voulue par l'utilisateur. Chaque intention représente une idée que le chatbot est capable de comprendre.

Il y a  2 manières de détecter une intention :

  • Détection par machine learning (modèle de détection d’intention)
  • Détection par mot-clé (“aucune intelligence”, pas d’apprentissage)

5.1/ Détection par modèle NLP

La détection d’intention par modèle NLP permet d’entraîner le chatbot à reconnaître l’intention qu’il recherche, si celle-ci est présente, et à la reconnaître parmi différentes formulations. Elle s’articule en deux phases : d’abord l’entraînement du chatbot (assimilation de phrases contenant ou non l’intention), puis l’interprétation (détection de l’intention ou non) de ces phrases.

Phase 1 (entraînement) :

Le chatbot va recevoir une série d'exemples de phrases ayant la même intention, formulées différemment; mais également de phrases qui ne comportent pas l’intention, et qu’il ne devra donc pas reconnaître. sur des phrases ne comportant pas l’intention. Il appuiera ainsi son analyse sur l'expérience qui lui aura été fournie.

Dans un premier temps, le chatbot reçoit plusieurs exemples de formulations pour la détection de l'intention "réserver un billet de train" pour une compagnie ferroviaire :

  • Je souhaite réserver un billet
  • Je veux une place de train
  • J’aimerais commander un ticket
  • Réservation d’un billet pour un voyage
  • etc

La liste complète contiendrait plusieurs centaines de phrases.

Dans un second temps, le chatbot reçoit une série d’exemples qui ne contiennent pas l’intention “réserver un billet de train” :

  • Je veux acheter un billet d’avion
  • Réserver un covoiturage
  • Je souhaite louer une voiture
  • Annuler une chambre d'hôtel


Détection par intention (machine learning)

Le bot va saisir l'intention d'une phrase à partir d'exemples de phrases ayant la même intention, mais formulées différemment. Il appuie ainsi son analyse sur l'expérience qui lui aura été fournie.

Voici plusieurs exemples de formulations pour la détection de l'intention "réserver billet train" : 

  • Je souhaite réserver un billet de train
  • Je veux un billet de train 
  • Commander un billet de train 
  • J'aimerais avoir un billet de train 

Détection par Mots-clefs

La détection de mots-clefs se fait à partir d’une liste de mots-clefs inscrits manuellement. Lorsque le bot détecte un mot appartenant à la liste, il saura apporter la réponse adaptée. Comme dit précédemment, cette méthode demande un entraînement moins complexe du chatbot.

Prenons pour exemple plusieurs manière de dire “oui” :

  1. Oui
  2. D’accord
  3. Ok
  4. Très bien
  5. Ça marche

Fuzzy Matching

Le fuzzy matching est une méthode permettant au bot de détecter des mots clés dans la réponse de l’utilisateur même si ceux ci sont mal orthographiés.

Prenons un exemple où le mot “chatbot” serait mal orthographié :

Que souhaitez-vous faire ?
En savoir plus sur les chabtot
Commençons donc par définir ce qu'est un chatbot !

Entité

Le bot va classer certains mots/groupes de mots dans des catégories pré-définies comme un lieu, un numéro de téléphone, une adresse mail. On appelle entité les mots associés à ces informations.

Par exemple, le bot reçoit le message suivant :

Comment puis-je vous aider ?
Je veux réserver une chambre pour demain
  1. L’intention est réserver-chambre
  2. L’entitée de type estchambre
  3. L’entité de date est demain

UX design : User eXperience (expérience utilisateur)

L’UX design défini différentes normes et bonnes pratiques dont le but est d’avoir un produit (souvent un site web ou une application mobile) capable de répondre aux besoins de l’utilisateur, tout en s’assurant que son expérience soit la meilleure possible.

Arborescence

Une arborescence, ou arbre de décision, sert à définir le comportement du bot en matérialisant des états / étapes et les conditions de la transition entre chaque état. 

Les réponses/requêtes/décisions disposées sur l’arbre définissent une étape/état. Elles sont reliées entre elles et amènent le bot à comprendre la requête de l'utilisateur.

Etat (bot)

L’état indique à quelle étape se trouve l'utilisateur dans l’arborescence du bot. Il y a changement d'état lorsque le bot parvient à comprendre la demande de l'utilisateur et à y répondre. Dans le cas contraire, si le bot ne parvient pas à répondre à la requête de l'utilisateur, il fera appel à un humain. 

Escalade / takeover

Lorsque le chatbot n’arrive plus à comprendre la conversation, ou bien quand il fait face à un interlocuteur agressif, il fait appelle à un humain pour reprendre la main sur la conversation. C’est ce qu’on appelle l’escalade vers l’humain.

Faux positif / Faux négatif

On oppose les notions suivantes : 

Vrai positif : intention présente et détectée par le bot 

Faux positif : intention non présente mais détectée par le bot

Vrai négatif : intention non présente et non détectée par le bot 

Faux négatif : intention présente mais non détectée par le bot

Prenons pour exemple l'intention "aimer les 4x4"

Prenons pour exemple l'intention "aimer les SUV"

Aimez-vous les 4x4 ?
Je n'aime pas les 4x4
Très bien, voici nos meilleurs modèles de 4x4

Faux positif : l’intention “aimer les 4x4” n’était pas présente, pourtant elle a été détectée par le bot

Aimez-vous les 4x4 ?
Oui j’adore les 4x4
Dommage, quel autre modèle souhaitez-vous consulter ?

Faux négatif : l’intention “aimer les 4x4” était présente, pourtant le bot ne l’a pas détectée

Aimez-vous les 4x4 ?
Oui j’adore les 4x4
Super, voici nos meilleurs modèles de 4x4

Vrai positif : l’intention “aimer les 4x4” était présente et le bot l’a détectée

Aimez-vous les 4x4 ?
Non je déteste ça
Dommage, quel autre modèle souhaitez-vous consulter ?

Vrai négatif : l’intention “aimer les 4x4” n’était pas présente, et le bot ne l’a pas détectée

Niveau 0 / Niveau 1 SAV

Au niveau 0, un chatbot est capable de répondre aux questions courantes de type horaires d’un magasin, adresse, etc.

Au niveau 1, un chatbot est capable de fournir des réponses à des problèmes plus complexes, mais aussi de déclencher des actions standardisées comme débloquer une carte bancaire, ou bien gérer le retour d’un colis par exemple.

 

Nous espérons que ces définitions vous serons utiles ! Si vous souhaitez-nous suggérer des ajouts, n'hésitez pas à venir en parler avec nous sur notre chat (en bas à droite) ! 

Share : arrow_backReturn to blog home