Les chatbots : déjà dépassés ?

Partager

Tweet

Partager

Partager

Email

Commentaires

L’année 2017 a été marquée par les “chatbots”, buzzword derrière lequel s’est rassemblée une myriade protéiforme de technologies à prétention et qualité variables. Jusque-là peu vulgarisées, les acteurs de l’interprétation automatique du langage se sont rassemblés derrière ce mot emblématique, compréhensible des clients, des investisseurs, et même dans une certaine mesure, du grand public. La fin de l’année 2017 a aussi marqué pour les chatbots l’entrée douce mais significative dans le creux de la désillusion de la classique courbe de Gartner. Rescapés de cette déception, des enseignement précieux et un espoir solide pour leurs héritiers ont émergés. Mais pourquoi les chabots ont-ils perdu de leur crédibilité ?

Le chatbot, un nouvel employé mais aux compétences limitées ?

Alors que les technologies d’interprétation du langage apparaissent comme des outils, le chatbot s’est présenté aux entreprises comme un employé à part entière, aux fonctions spécifiques. Il s’agit d’un employé aux compétences limitées : il ne répond qu’à 80% des demandes, mais il répond immédiatement, à toute heure du jour ou de la nuit. En traitant ces 80%, il s’attaque en priorité aux tâches répétitives, à faible valeur ajoutée. Mais il ne s’agit pas ici seulement de permettre aux entreprises de réduire leurs coûts, il s’agit également de soulager les opérateurs humains pour leur confier le traitement des demandes qui nécessitent de l’intelligence, et surtout, d’augmenter la satisfaction client.

On sait clairement aujourd’hui que la qualité de la relation client dans le SAV est absolument primordiale pour la réputation d’un e-commerce ou d’un fournisseur télécom par exemple. Il est pénible pour un client d’attendre longuement une réponse pour un problème urgent, tout en se doutant bien que la procédure sous-jacente est simplissime, ou que la réponse tienne en une ligne.

L’ “employé chatbot” est une solution efficace à cette douleur. Arrivant à ce stade, la problématique de la qualité du SAV se reporte significativement sur la qualité du chatbot. Si le buzz a été salutaire pour éveiller les besoins, le constat de chatbots à qualité de compréhension limité se répand. Et avec ces constats, le doute pour les entreprises de remplacer une déception par une autre, moins maîtrisée. Au-delà du POC à but marketing, la productivité a des exigences bien différentes. Pourquoi ce manque de fiabilité ?

Le Machine Learning est-il responsable des limites du chatbot ?

Il y a une mode technologique qui a fait beaucoup de mal aux chatbots, c’est celle du ML (“Machine Learning”) à tout va. Le ML a différentes vocations, ici il a fait office de compensation pour toutes ses startups démunies de compétences linguistiques.

C’est ce que j’appelle de l’algorithmie par abdication : il s’agit d’abandonner la connaissance d’un problème, et de s’en remettre aux algorithmes de ML. Il faut comprendre que le ML est fondamentalement une approche statistique, elle vise à reproduire les comportements qu’on lui présente. Le ML est limité par la qualité des données qu’on lui fournit. Si on envoie au ML des données brutes, sans travail en amont de caractérisation linguistique des demandes utilisateur, il va travailler avec un niveau d’aveuglement élevé concernant la nature des objets qu’il manipule. C’est aussi cette capacité du ML d’essayer de reproduire des comportements sans avoir à les comprendre, qui rend très tentant son utilisation face à des problématiques où l’on est démuni.

Par opposition, si on prend la reconnaissance d’objet sur une image, il est difficile d’expliquer formellement comment un humain arrive à distinguer les objets. Le machine learning va être plus approprié. Les résultats, bien que progressifs, sont très encourageants dans ce domaine. Le langage quant à lui, est l’objet d’un travail de formalisation des linguistes depuis longtemps. La vraie difficulté, c’est la passerelle entre la linguistique classique, académique, et le monde de l’entreprenariat IT, orienté vers la productivité et plus rarement à l’aise avec les sciences humaines.

Ce constat est à l’origine d’un manque de fiabilité des chatbots, et qui plafonne leur capacité d’amélioration. Les entreprises qui sauront apporter une vision technologique alternative, réussissant le pari de la passerelle avec les sciences humaines, auront accès à de nouvelles ambitions pour la suite.

L’avenir du chatbot passera par les sciences humaines

Aussi, les deux représentations communes de la machine parlante sont aujourd’hui la commande vocale (Nos GAFA : Siri, Alexa, Google Home, Cortana…) et le chat écrit. Aujourd’hui ces moyens d’interaction avec la machine sont encore assez exclusifs. Que le langage s’inscrive comme une interface sur le même plan que le clavier, la souris, le tactile, le geste… ouvrirait de nombreuses possibilités. Le but n’est plus l’entité de conversation elle-même, mais l’intuitivité d’utilisation des logiciels.

Enfin, le chatbot a souffert d’une recherche d’anthropomorphisme ludique, corollaire au buzz. Cela signifie qu’on a essayé de lui donner un côté humain, et de s’en servir pour relayer des comportements amusants, l’aspect purement productif étant moins vendeur. Typiquement, il est beaucoup plus intéressant d’amener au CES un robot qui peut sourire qu’une intelligence artificielle à la pointe, qui ne possède pas d’avatar physique. Alors on a fait des chatbots pour le grand public, capables de répondre à des demandes hors-de-propos ou de raconter des blagues.

La vague chatbot a ouvert une belle brèche pour le traitement du langage. Les acteurs du marché réalisent les différents potentiels de ces technologies, et commencent à imaginer des cas d’utilisation de plus en plus large, comme la montée de l’automatisation des services de gestion interne. A la suite du buzz vient la productivité. Les interfaces par le langage, seules ou en association avec d’autres interfaces, vont rendre la technologie toujours plus accessible. Elles vont permettre également de soulager les processus qui demandent une moindre intelligence. Aujourd’hui, chaque acteur que je rencontre a des idées pour utiliser ces technologies dans son environnement professionnel. Libéré du brouillard du buzz, les technologies d’interprétation du langage vont dévoiler leur plein potentiel.

Auteur : Thomas Solignac, CEO Golem.ai

***

Un article de notre dossier Intelligence artificielle et marketing

(c) Ill. DepositPhotos