Chatbots : la discussion ne fait que démarrer

La messagerie Facebook Messenger a beau recéler déjà des dizaines de milliers de chatbots, ces agents conversationnels qu’on interroge en langage naturel, on n’a encore rien vu. C’est en tout cas l’avis des experts du sujet qui, tous, soulignent le chemin qui reste à parcourir avec cette technologie. « Le marché a décollé avec l’arrivée des bots sur Facebook Messenger en avril 2016.

Mais, peu à peu, on a dérivé de l’idée de départ - le conversationnel - pour se cantonner à des interfaces abusant des artefacts graphiques. Cela ressemble un peu à ce qu’on connaissait au début des apps mobiles », résume Javier Gonzalez Helly, co-fondateur de Botfuel, une jeune société créée début 2016 et dont l’objectif est de proposer une plateforme de chatbots de seconde génération.

Pour Cyril Texier, Pdg et co-fondateur de Do You Dream Up, une société qui commercialise des chatbots depuis 2011, réussir son interface conversationnelle, c’est avant tout trouver le bon cas d’usage, la bonne approche. « Les premières questions que l’entreprise doit se poser sont assez basiques : sur quel périmètre va-t-on utiliser le bot ? Pour quoi faire ? Auprès de quelle cible ? Est-ce que l’entreprise possède la base de connaissances ? Car, si notre technologie peut comprendre les requêtes, elle a besoin de cette base pour fournir des réponses », dit-il.

L’ironie égare les chatbots

L’intelligence artificielle qui sous-tend aujourd’hui les interfaces conversationnelles reste en effet trop limitée pour espérer aller réellement au-delà de scénarios bien délimités et définis d’emblée. A ce jour, le traitement du langage naturel demeure un défi. « On est très loin de comprendre toute la complexité des langues », tranche le co-fondateur de Botfuel. D’où le besoin de resserrer le cas d’usage. Même ainsi, interpréter les sollicitations des utilisateurs, avec leurs fautes d’orthographe, leurs sous-entendus, leurs digressions, masque de réels défis en matière de classification – déterminer l’intention du client – et d’extraction d’entité – isoler les données pertinentes pour l’application dans la phrase.

« Sans oublier la modélisation des conversations dans le temps, qui vise à bien exploiter l’ensemble des interactions avec l’utilisateur, et non pas se contenter d’interpréter simplement son dernier message », ajoute Javier Gonzalez Helly. Pour Cyril Texier, c’est plutôt dans la gestion des sentiments, comme l’ironie ou le mécontentement, que les assistants ont de sérieux progrès à accomplir.

Pour tenter d’aller plus loin, les scientifiques misent sur diverses approches. Citons par exemple le tagging syntaxique, visant à établir une hiérarchie entre les mots, la représentation d’une langue sous la forme d’une modélisation mathématique (pour appréhender les relations sémantiques entre les mots) ou encore l’utilisation de graphes dynamiques pour déterminer à la volée la meilleure réponse en fonction d’un contexte particulier. « Avec l’accumulation de données, on peut espérer qu’on arrivera un jour à de l’auto-apprentissage », espère Cyril Texier.

4 minutes économisées au centre d’appel

Le jeu en vaut la chandelle pour les entreprises. En particulier sur toutes les fonctions de support. En ligne de mire : le traitement des 80 % de demandes récurrentes que reçoivent ces services, représentant en moyenne seulement 20 % des cas. Pour Murray Newlands, un entrepreneur qui a co-fondé la plate-forme de bots ChattyPeople, chaque conversation prise en charge par un robot conversationnel permet d’économiser au minimum 4 minutes du temps d’un agent du centre d’appel. « Pour des applications de help-desk ou le traitement des demandes RH, on arrive déjà à traiter automatiquement 30 ou 40 % des appels ou e-mails entrants, des demandes sans valeur ajoutée qui font perdre du temps aux services concernés. Le retour sur investissement est facilement mesurable ! », fait valoir Cyril Texier.

Et les bots ne sont pas cantonnés au seul support : ils savent aussi gérer des transactions avec les clients, comme le montrent de nombreux exemples (BlaBlaCar, Française des Jeux, Voyages-SNCF pour n’en citer que quelques-uns). Pour les entreprises, le chatbot constitue aussi un moyen de toucher les quelque 3 milliards d’individus utilisant les messageries instantanées, à une époque où les utilisateurs sont de plus en plus réticents à installer les apps mobiles des marques sur leur smartphone.