Inscription à notre newsletter

Suivez notre actualité, nos dernières innovations et découvrez nos publications en avant-première.
N'attendez plus et inscrivez-vous !

Sélectionner votre profil

[recaptcha]

Merci de vous etre inscrit !

Adoptez un chatbot pour soulager votre service desk et vos métiers !

Avis d’expert par François Binder, Directeur Conseil Data, Umanis

Dites adieu aux « je n’ai pas compris votre question » et « veuillez reformuler votre demande » ! Grâce au Machine learning et aux avancées autour du traitement automatique du langage naturel, les chatbots se dotent de toujours plus d’intelligence.
François Binder, Directeur Conseil Data

En 2015, le marché des chatbots ne pesait que 113 millions de dollars alors qu’il est annoncé à plus d’un milliard de dollars d’ici 2024 en France et 6,5 milliards de dollars dans le monde. Pourquoi ? grâce à la pervasivité des services de messagerie instantanée et à la démocratisation de l’intelligence artificielle. Résultat, les applis de messagerie ont surpassé les réseaux sociaux. Ils sont entrés dans le quotidien en entreprise (Slack, Skype, etc.), d’où la facilité de diffusion et d’adaptation de ces nouveaux agents virtuels.

Aujourd’hui, plus de 38% des entreprises sont actuellement en cours de déploiement d’un chatbot tandis que 52% y réfléchissent sérieusement, la preuve d’un fort intérêt pour ce nouvel outil.

Retrouvez notre infographie Chatbots réalisée à la suite de notre événement 5à7 « Chatbots : Agents conversationnels et robo-advisors particulièrement intelligents à adopter ! »

Le chatbot devient un assistant virtuel d’entreprise. Il répond aux questions RH, Helpdesk et services pratiques et traite les demandes courantes (réservation salle, solde congés, gestion mot de passe, etc.). L’objectif ? décharger les services desks et les métiers de l’entreprise des tâches redondantes pour améliorer les temps de réponse et la qualité de services de manière globale. Ce qui ouvre également un nouveau champ des possibles en termes de nouveaux usages.

Il existe aujourd’hui des bots sur mesure. On commence à packager, à s’orienter vers le plug et play. Le produit est semi-fini, le cycle de développement est raccourci à deux voire trois mois. Le bot oriente les questions afin de mieux catégoriser, qualifier et traiter des tickets simples. La conversation est analysée sémantiquement à travers le Machine learning. Plus le bot apprend, plus les tâches à faible valeur ajoutée sont automatisées rapidement.

Un chatbot, comment ça marche ?

Contrairement à Siri qui est un assistant personnel ou métabot, un chatbot est en général spécialisé. La spécialisation permet de définir des arbres de décision robustes et donc d’améliorer la qualité de la réponse du chatbot en anticipant les questions et les réponses des utilisateurs. Comment ? A travers un maillage de nœuds pour matérialiser les chemins de décisions et les réponses. L’ensemble des nœuds sont définis à partir de phrases de conversation circonstanciée à l’intention de l’utilisateur. A chaque intention (node), un groupement de phrases va appeler un « programme » dans le cœur (core) qui permettra de produire une réponse écrite, visuelle ou une action.

Et au-dessus de cette couche, les interactions se font avec le serveur généralement via des API rest. Le Machine learning ajoute à cela un réseau neuronal apprenant qui fait appel à des services de traitement syntaxique (Cognitive Services de Microsoft dispose d’un service dédié nommé LUIS, par exemple). Soumis à une grande quantité d’exemples, le système crée ses propres règles qu’il affine continuellement à partir de feedbacks.

Cet « entraînement » correspond à des milliers de tests et de conversations pour nourrir l’expérience du robot. La pertinence des réponses du bot sera évaluée par un humain afin d’assurer la bonne implémentation du ChatBot. On comprend donc que pour l’instant la réussite d’un ChatBot réside dans l’utilisation de données historiques couplée à une définition claire (et limitée) des fonctions du ChatBot. Les meilleures architectures s’avèrent être hybrides : Systèmes Experts (analyse de pattern) et Intelligence Artificielle.

Une fois entrainé à effectuer une conversation et à identifier les bonnes réponses, le chatbot est intégré au système d’information et configuré pour interagir avec tout composant utile aux utilisateurs finaux. Il peut par exemple, débloquer un mot de passe dans Active Directory, renseigner un ticket dans l’outil d’ITSM pour demander les droits sur un dossier, renvoyer un document PDF comme une facture, bref toute tâche d’entreprise pouvant être automatisée de manière digitale.

Il est ensuite déployé et généralement testé sur une population cible d’utilisateurs-clés dans une phase de pilote. Lors de celle-ci des ajustements seront fait en utilisant les retours pour améliorer la pertinence des résultats au besoin. En fonction du niveau de maturité des conversations, il faudra veiller à ne pas négliger le taux de réajustement. Mieux le bot sera contextualisé par rapport à son entreprise, meilleurs seront le résultat et la satisfaction client.

Dans une projection à plus long terme, l’augmentation de la puissance de traitement disponible, les progrès de l’intelligence artificielle et la disponibilité d’un historique de conversations laissent imaginer que les ChatBots commenceront progressivement à se réajuster automatiquement avec de moins en moins le besoin d’une intervention humaine.

 

 

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *