Lexique

Chatbot

Un chatbot est la combinaison des mots anglais chat et robot, on le traduira en français par “agent 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. Il peut être intégré sur un site internet (en pleine page ou via un plug-in), une app ou une application de messagerie (Facebook Messenger, Twitter, DM, Slack, etc.).

Quick Replies et Saisie Libre

Quick replies : Ce sont des boutons intégrés dans la conversation afin de faciliter la réponse de l’utilisateur qui n’a qu’à cliquer sur le bouton de son choix, au lieu d’écrire sa réponse. Cela permet un gain de temps pour l’utilisateur, mais aussi de le guider dans sa progression.
Saisie libre : l’utilisateur écrit sa réponse lui-même dans la zone de saisie du texte.

Machine learning

Le machine learning est le fait d’entraîner un algorithme, ou modèle, à prendre des décisions ou à engager des actions à partir de l’analyse de mots, de chiffres, de données, etc. C’est donc un système capable d’apprendre à partir des expériences ou des données qui lui sont fournies. Le machine learning s’applique aux chatbots lorsqu’il doit, par exemple, détecter l’intention du message de l’utilisateur. Il permet aux chatbots de gérer des conversations plus complexes.

NLP (Natural Language Processing)

Les modèles NLP permettent à la machine de comprendre le language humain. Leur but principale est d’apporter la meilleur réponse possible à l’utilisateur en garantissant la compréension des saisies libres (via la détection d’intensions ou de mots-clefs). Le NLP s’appuie en général sur du machine learning, notamment pour les chatbots.

Détections d’intentions

Les intentions permettent au chatbot de comprendre la question posée par l’utilisateur. Il y a 2 manières de détecter une intention :
– Détection par modèle NLP
– Détection par mots-clefs

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.

2) Détection par Mots-clefs

La détection de mots-clefs se fait à partir d’une liste de mots-clefs inscrits manuellement. Lorsque le chatbot détecte un mot apartenant à la liste, il apportera la réponse correspondante. Cette méthode ne demande pas d’entraînement du chatbot puisqu’il est limité à la simple détection de mots qu’on lui a fournis.
Exemple : Mots-clefs liés à “oui” : Oui / D’accord / Ok / Très bien / Ça marche

Fussy Matching

Le fussy matching est une méthode permettant au chatbot de détecter des mots-clefs, même si ceux-ci sont mal orthographiés.
Exemple : “chabtot” au lieu de “chatbot”

Entité

Le chatbot va classer certains mots/groupes de mots dans des catégories pré-définis comme un lieu, un numéro de téléphone, une adresse mail. On appelle entité les mots associés à ces informations. Elles servent à préciser l’intention de l’utilisateur et notamment ses paramètres. Par exemple, le chatbot reçoit le message suivant : “je veux réserver une chambre double pour demain”.
Ici, l’intention de l’utilisateur identifiée est de réserver une chambre. Le chatbot va alors chercher les informations manquantes (=Entités) pour répondre au ieux aux attentes de son utilisateur :
– Entité 1 : le type de chambre souhaitée : “chambre double”
– Entité 2 : la date à laquelle l’utilisateur souhaite sa chambre : “demain”

Arborescence

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

Escalade / Takeover

Lorsque le chatbot n’arrive plus à comprendre la conversation, ou bien quand il fait face à un intervenant agressif, un humain peut être alerté pour reprendre la main sur la conversation.

Faux positif / Faux négatif

– Faux positif : intention non présente mais non détectée par le chatbot
– Faux négatif : intention présente mais non détectée par le chatbot
– Vrai positif : intention présente et détectée par le chatbot
– Vrai négatif : intention non présente et non détectée par le chatbot

SAV de Niveau 0 / Niveau 1

SAV Niveau 0 : il s’agit d’un niveau de prise en charge des questions simple et fréquentes des utilisateurs par le service client. Les réponses à ces questions sont les mêmes pour tous les utilisateurs.
SAV Niveau 1 : il s’agit d’un niveau de prise en charge supérieur, nécessitant en général des informations personnelles de l’utilisateur comme son adresse mail ou son numéro de commande. Les réponses à ces questions sont dépendantes de l’utilisateur qui fait la demande.

Dans les deux cas, le but d’un chatbot sera de faire gagner du temps aux opérateurs humains sur les tâches répétitives à faible valeur ajoutée de niveau 0 ou de niveau 1. Pour les prises en charge plus complexes, le chatbot fera appel à un opérateur humain.