4 concepts au cœur de l’intelligence artificielle à connaitre si vous travaillez dans le domaine de l’expérience client
Cette série a débuté avec mon billet de la semaine dernière proposant une introduction à l’intelligence artificielle et expliquant la différence entre un bot et un chatbot. Dans les deux billets à suivre, je voudrais maintenant aborder les différents types d’IA et la façon dont elles peuvent améliorer l’expérience client. Dans un premier temps, voici quatre termes clés que vous devez connaitre - j’en présenterais quatre autres dans mon prochain billet :
1 - Linguistique
La linguistique est l’étude scientifique du langage. Elle ne concerne pas uniquement l’intelligence artificielle, de nombreux linguistes analysent en effet les facteurs sociaux, culturels, historiques et politiques qui influencent le langage et comment celui-ci est utilisé par différents groupes sociaux.
La linguistique se scinde en deux branches principales :
- La sémantique, qui étudie le sens d’un mot ou d’une phrase
- La syntaxe, qui étudie la structure d’une phrase et sa composition
Une langue est déterministe, ayant toujours les mêmes composantes. Les techniques de linguistique sont particulièrement performantes dans le contexte de l’expérience client parce qu’elles permettent d’analyser et d’interpréter une langue comme les humains le feraient - dans le contexte d’une phrase et non uniquement par l’intermédiaire de mots clés.
Chez Eptica, notre équipe Innovation se compose en partie de linguistes qui améliorent en continu notre moteur de traitement automatique du langage naturel pour enrichir nos dictionnaires, s’assurant qu’ils recouvrent les concepts liés au service client dans toutes les verticales et les principales langues.
2 - L’apprentissage automatique
L’apprentissage automatique permet à des systèmes, tels qu’un bot, d’apprendre sans être explicitement programmés. Cela veut dire que le système est capable d’auto-apprentissage en se basant sur sa propre expérience. Cependant, « former » les systèmes d’apprentissage automatique demande une quantité de données extrêmement importante et l’amélioration et l’évolution de tels systèmes peuvent prendre beaucoup de temps.
Il s’agit d’une approche essentiellement statistique de l’intelligence artificielle avec des réponses qui changeront dans le temps à mesure de l’évolution du système. Appliquée au CX (customer experience), cela veut dire que cette IA identifie la réponse la plus fréquemment apportée à une date donnée mais cette réponse peut ne pas être la meilleure réponse. Un très bon exemple illustrant une défaillance de l’apprentissage automatique est le suivant : le chatbot Tay de Microsoft. Lancé sur Twitter, des personnes ont rapidement réalisé que la technologie avait apprise de leurs interactions et des utilisateurs peu scrupuleux ont très rapidement appris à Tay comment déverser à son tour des propos racistes, sexistes et agressifs. Il va sans dire que Microsoft a clôturé très rapidement le compte Twitter de Tay.
3 - Traitement automatique du langage naturel (TALN)
Le traitement automatique du langage naturel (TALN ou NLP en anglais) adopte pour sa part une approche déterministe. Ceci veut dire que vous obtiendrez toujours le même résultat à partir d’un point de départ donné - vous recevrez toujours la même réponse basée sur la compréhension d’une demande client. Comme son nom l’indique, il se base sur l’étude de la langue (linguistique), se servant de l’intelligence artificielle pour comprendre les données d’entrée (comme un email) et produisant ensuite la meilleure réponse possible. Le TALN se base sur la compréhension de la langue aussi naturellement que le ferait un humain engagé dans une conversation avec une autre personne. Il intègre donc le contexte et le ton (triste, joyeux, en colère), et pas uniquement les mots clés qu’il détecte.
Le choix entre le « machine learning » et les techniques de TALN dépend de vos objectifs. En ce qui concerne l’expérience client, les questions des utilisateurs étant déterministes - par exemple, une personne posant une question spécifique doit toujours se voir proposer la même réponse cohérente - le TALN est redoutablement efficace. Il comprend la question en se basant sur la langue utilisée par le client, et recherche dans sa base de connaissance pour apporter la meilleure réponse possible à cette question spécifique.
C’est pourquoi, chez Eptica, nous avons fait le choix d’une IA fondée sur le TALN associé à une base de connaissance centralisée. Le « machine learning » étant plus indiqué dans des situations changeantes et évolutives. Nous avons également recours au « machine learning » mais pas tant sur la compréhension automatique des questions du client que pour aider les agents dans leur travail. Grâce au « machine learning » notre système est en mesure d’apprendre des choix des agents lorsque plusieurs réponses remontent de la base de connaissance par rapport à une requête en particulier. Notre système apprend des sélections successives des agents pour améliorer automatiquement le corpus de réponses de la base de connaissance et, au final, la qualité des conversations digitales à venir.
4 - Technologie d’analyse sémantique
Comment précisé au début de ce billet, la sémantique est une branche de la linguistique qui comprend le sens de ce que vous dites en prenant en compte son contexte. Prenez ces deux exemples qui pourraient s’appliquer au service client :
- Mon ordinateur chauffe rapidement
- Ma chaudière chauffe rapidement
Clairement, dans le premier cas, il semble y avoir un problème sur le produit concerné qui demande à être réparé, alors que dans le second cas, cela démontre que la chaudière répond à l’usage attendu. Il existe des milliers d’exemples équivalents, notamment lorsque l’on traite du langage naturel qui peut inclure des mots d’argot ou différentes façons de faire référence aux produits ou services.
Chez Eptica, nous utilisons la technologie d’analyse sémantique pour comprendre le contexte des demandes des clients. C’est vital si l’on souhaite que les bots comprennent ce qu’un client exprime précisément et y répondent automatiquement (self service, chatbots) ou fournissent aux agents la meilleure réponse (pour les canaux nécessitant une intervention humaine : chat, social, email).
Dans mon prochain et dernier billet de cette série, je finaliserai mon tour de piste des mots clés et expliquerai en détails comment l’IA peut être appliquée à l’amélioration de l’expérience client.
Voir la dernière interview vidéo de Pascal Gauvrit, CTO d'Eptica
Commentaires