SlideShare une entreprise Scribd logo
1  sur  2
Télécharger pour lire hors ligne
01.Définitionsetprincipes
defonctionnement
Page8
Nous désignons par Agent Conversationnel (AC) l’ensemble des dispositifs automatisés
pouvant recréer de manière artificielle un dialogue dans le but d’automatiser une tâche.
Ce programme informatique est capable d’interagir avec un ou plusieurs utilisateurs par la
voix ou par écrit en reproduisant les codes d’une conversation humaine.
Pour cela, l’AC repose sur différents niveaux d’intelligence qui permettront la réalisation de
l’action. De manière très générique, la programmation d’un arbre de conversations peut
par exemple être intégrée de sorte que l’AC puisse répondre automatiquement à des ques-
tions définies à l’avance.
À un autre niveau, le « moteur » de l’AC peut reposer sur des technologies beaucoup plus
poussées comme l’Intelligence Artificielle (IA). Dans ce cas, l’AC peut être éduqué pour
comprendre l’utilisateur et ainsi détecter ses intentions afin de fournir une réponse adaptée.
Aussi, la compréhension et le traitement du langage humain reposent sur un domaine spé-
cifique de l’IA que l’on appelle le NLP : Natural Language Processing.
Qu’est-ce que l’IA ?
C’est une discipline scientifique recouvrant les techniques et technologies permettant de simuler un raisonnement similaire
à celui d’un être humain. L’objectif de l’IA est de produire des machines autonomes capables d’accomplir des tâches com-
plexes en utilisant des processus réflectifs semblables à ceux des humains. Il est courant de distinguer l’IA faible, program-
mée pour répondre à une tâche donnée, de l’IA forte,capable d’appliquer l’intelligence à tout problème plutôt qu’à un
problème spécifique. Cette dernière se distingue par sa capacité d’apprentissage, elle a pour vocation d’évoluer et d’ap-
prendre à proposer des solutions inédites. A date, l’ensemble des technologies utilisées communément reposent sur de
l’IA faible bien que cette dénomination soit trompeuse, étant donné les innombrables applications potentielles. En effet,
prenons l’exemple de la reconnaissance d’image, domaine dans lequel l’IA a fait d’immenses progrès. L’IA est aujourd’hui
en capacité de reconnaître, identifier et décrire des images jamais vues auparavant. Pourtant la mécanique qui se cache
derrière cette technologie repose sur la capacité de l’IA à comparer et faire matcher son immense base de connaissance
avec l’image proposée. L’IA détecte sur une image des suites de pixels qu’elle compare avec celles préalablement enre-
gistrées et en dresse une liste ordonnée en fonction de la probabilité de reconnaissance. C’est en augmentant cette base
de connaissance et l’association des objets rattachés que l’IA progresse, raison pour laquelle les GAFA, grâce à l’immense
volume de données qu’ils drainent chaque jour, dominent aujourd’hui le marché.
Qu’est-ce que le Machine Learning ?
C’est une technique d’éducation d’IA supervisée par l’Homme. Prenons ici l’exemple d’un système de reconnaissance
d’images : pour reconnaître une voiture, on va « montrer » en entrée une photo d’une voiture associée à la réponse désirée.
Après chaque exemple, la machine ajuste ses réglages propres afin de tendre vers la réponse souhaitée. C’est après avoir
recommencé ce processus plusieurs milliers de fois que la machine pourra classifier correctement la plupart des images de
voiture. L’intérêt de cette technique d’apprentissage est que la machine sera aussi capable de classifier des images qu’elle
n’a jamais vues grâce à la capacité de « généralisation ». Cette technique a ses limites et demande des ressources consi-
dérables en termes de données brutes. Des techniques plus avancées existent, appelées Deep Learning. Sans rentrer dans
les détails, ces systèmes, à la différence de systèmes de Machine Learning classiques, sont décomposés en plusieurs mo-
dules indépendants (réseaux neuronaux) qui apprennentséparémentetpermettentensemble de résoudre des problèmes
beaucoup plus complexes.
Qu’est-ce que le NLP ?
Le Natural Language Processing (NLP) est donc une branche de l’IA spécialisée dans le traitement du langage. Elle englobe
le Natural Language Understanding (NLU) etle Natural Language Generation (NLG) qui sontrespectivementles domaines
de la compréhension et de la génération du langage naturel. Ce groupe de technologies permet à une interface de simuler
le langage humain et de communiquer de la manière la plus naturelle possible avec l’utilisateur. Cela s’applique autant à
l’analyse et la génération de texte qu’aux extraits vocaux. Plus simplement, les moteurs NLP ont pour but de traduire le lan-
gage naturel en langage machine c’est-à-dire de transformer une requêtevocale ou texte en données structurées qui seront
interprétables par un programme informatique. De manière générale, l’efficacité des technologies NLP actuelles repose
essentiellement sur l’IA et les techniques de Deep Learning.
Quelle que soit la solution,
pour adopter un mode conversationnel, l’AC doit effectuer une succession d’actions qui
vont lui permettre de créer une boucle de dialogue :
1.
COLLECTER
2.
COMPRENDRE
3.
ANALYSER
4.
TRAITER
5.
RESTITUER
Traitement fonctionnel Traitement technique
COLLECTER
COMPRENDRE
ANALYSER
TRAITER
RESTITUER
Collecter l’ensemble des éléments formulés
par l’utilisateur sur un canal donné (messa-
geries instantanées, chat, assistant vocal…).
Lorsque l’utilisateur dit par exemple “Hello Google” puis énonce oralement sa
requête, la solution va dans un premier temps transformer ce fichier audio en
texte. C’est là que la technologie de reconnaissance automatique du langage
ou ASR (Automatic Speech Recognition) joue son rôle. C’est elle qui traduit la
parole en texte afin qu’elle soit traitée par le moteur NLU. Bien sûr, cette étape
n’est pas nécessaire lorsque la conversation s’effectue directement à l’écrit.
Comprendre les éléments, c’est-à-dire les
associer à une signification ou à une inten-
tion permettant de rattacher la phrase à une
requête ou une action donnée.
Le traitement NLU s’effectue alors de la façon suivante : l’algorithme extrait
deux éléments principaux de la requête utilisateur, l’intention qui est le but
général de la phrase (acheter un objet, trouver un lieu ou une information…)
puis les objets (ou entités), qui portent le sens de la requête en langage
naturel. Ainsi en faisant le lien et en analysant sémantiquement la phrase ou
la requête, le programme sera capable de trouver des correspondances et de
proposer une réponse adéquate. Notons que certains moteurs NLU avancés
peuvent également détecter les émotions en analysant sémantiquement le
texte ou sa ponctuation par exemple.
Analyser les informations transmises par
l’interlocuteur et disponibles en base pour
enrichir le sens et la signification (données
personnelles, base de connaissance,
contexte).
Traiter la tâche correspondant à l’intention
détectée.
Lors de la phase suivante, c’est le Dialog Manager qui va décider des actions
à réaliser en fonction de la requête. Se basant sur un arbre de décision ou sur
une solution basée également sur l’Intelligence Artificielle, le Dialog Manager
validera les prochaines actions après l’analyse contextuelle. Pour prendre sa
décision, l’outil prendra en compte les modélisations et scenarii intégrés ainsi
que les potentiels historiques de communication, le CRM et les API tierces.
Restituer une réponse à l’utilisateur sur le ca-
nal correspondant et sous la forme attendue
(écrite ou vocale).
La réponse à la requête doit être apportée de la manière la plus proche du
langage naturel. Pour être proposée sous format audio, la réponse passera
par un module de synthèse vocale ou Text To Speech (TTS), qui traduira cette
réponse texte en voix à destination de l’utilisateur. Pour les plus avancés qui
ont déjà intégré un moteur NLG, cette technologie sera en capacité de générer
automatiquement des éléments de réponses en langage écrit naturel à partir
des informations récoltées.

Contenu connexe

Similaire à Fact Sheet : IA, Machine Learning, NLP

COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...
COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...
COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...Faga1939
 
IA, vous avez dit IA ?
IA, vous avez dit IA ?IA, vous avez dit IA ?
IA, vous avez dit IA ?Ipsos France
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesFernando Alcoforado
 
En 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificielleEn 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificiellePeak Ace
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxPROF ALAIN NDEDI
 
Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"
Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"
Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"Fing
 
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...SOLLAN FRANCE
 
IA DANS L'ALGORITHME DE GOOGLE.pptx
IA DANS L'ALGORITHME DE GOOGLE.pptxIA DANS L'ALGORITHME DE GOOGLE.pptx
IA DANS L'ALGORITHME DE GOOGLE.pptxPhilippe YONNET
 
First step about IA and business
First step about IA and businessFirst step about IA and business
First step about IA and businessDavid Argellies
 
comment rédiger une expression de besoins
comment rédiger une expression de besoinscomment rédiger une expression de besoins
comment rédiger une expression de besoinsAlexandre Zermati
 
Rapport-du-projet CNN.docx
Rapport-du-projet CNN.docxRapport-du-projet CNN.docx
Rapport-du-projet CNN.docxkhalil Ismail
 
cours Algorithmique SMP-SMC s2 by coursedu.blogspot.com
cours Algorithmique SMP-SMC s2 by coursedu.blogspot.comcours Algorithmique SMP-SMC s2 by coursedu.blogspot.com
cours Algorithmique SMP-SMC s2 by coursedu.blogspot.comcoursedu
 
Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!
Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!
Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!Jean Rohmer
 
Introduction of the most important design pattern
Introduction of the most important design patternIntroduction of the most important design pattern
Introduction of the most important design patternThierry Gayet
 
L'analyse qualitative informatique pas cher
L'analyse qualitative informatique pas cherL'analyse qualitative informatique pas cher
L'analyse qualitative informatique pas cherHubert Maisonneuve
 

Similaire à Fact Sheet : IA, Machine Learning, NLP (20)

COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...
COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...
COMMENT FONCTIONNENT L'INTELLIGENCE ARTIFICIELLE ET SES LOGICIELS ET ALGORITH...
 
IA, vous avez dit IA ?
IA, vous avez dit IA ?IA, vous avez dit IA ?
IA, vous avez dit IA ?
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
 
Deep learning
Deep learningDeep learning
Deep learning
 
Tutoriel java
Tutoriel javaTutoriel java
Tutoriel java
 
En 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificielleEn 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificielle
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
 
Cyberun #12
Cyberun #12Cyberun #12
Cyberun #12
 
Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"
Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"
Nos Systèmes by Fing : "Kit d'auto-évaluation des algorithmes"
 
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
 
IA DANS L'ALGORITHME DE GOOGLE.pptx
IA DANS L'ALGORITHME DE GOOGLE.pptxIA DANS L'ALGORITHME DE GOOGLE.pptx
IA DANS L'ALGORITHME DE GOOGLE.pptx
 
Design patterns
Design patternsDesign patterns
Design patterns
 
Design patterns
Design patternsDesign patterns
Design patterns
 
First step about IA and business
First step about IA and businessFirst step about IA and business
First step about IA and business
 
comment rédiger une expression de besoins
comment rédiger une expression de besoinscomment rédiger une expression de besoins
comment rédiger une expression de besoins
 
Rapport-du-projet CNN.docx
Rapport-du-projet CNN.docxRapport-du-projet CNN.docx
Rapport-du-projet CNN.docx
 
cours Algorithmique SMP-SMC s2 by coursedu.blogspot.com
cours Algorithmique SMP-SMC s2 by coursedu.blogspot.comcours Algorithmique SMP-SMC s2 by coursedu.blogspot.com
cours Algorithmique SMP-SMC s2 by coursedu.blogspot.com
 
Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!
Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!
Expériences de gestion des connaissances avec IDELIANCE: supprimons le document!
 
Introduction of the most important design pattern
Introduction of the most important design patternIntroduction of the most important design pattern
Introduction of the most important design pattern
 
L'analyse qualitative informatique pas cher
L'analyse qualitative informatique pas cherL'analyse qualitative informatique pas cher
L'analyse qualitative informatique pas cher
 

Plus de Thinkmarket

Thinkmarket a testé pour vous... La Nouvelle Cave
Thinkmarket a testé pour vous... La Nouvelle CaveThinkmarket a testé pour vous... La Nouvelle Cave
Thinkmarket a testé pour vous... La Nouvelle CaveThinkmarket
 
Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?
Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?
Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?Thinkmarket
 
Focus : le virtual retail
Focus : le virtual retail Focus : le virtual retail
Focus : le virtual retail Thinkmarket
 
DSP 2 - Décryptage
DSP 2 - Décryptage DSP 2 - Décryptage
DSP 2 - Décryptage Thinkmarket
 
Un oeil sur la Loi d'orientation des mobilités (LOM)
Un oeil sur la Loi d'orientation des mobilités (LOM)Un oeil sur la Loi d'orientation des mobilités (LOM)
Un oeil sur la Loi d'orientation des mobilités (LOM)Thinkmarket
 
Le Unified Commerce, une expérience au diapason
Le Unified Commerce, une expérience au diapasonLe Unified Commerce, une expérience au diapason
Le Unified Commerce, une expérience au diapasonThinkmarket
 
[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands
[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands
[Infographie] Zoom sur les DNVB - Digital Native Vertical BrandsThinkmarket
 
[Infographie] L'e-commerce en France en 2018
[Infographie] L'e-commerce en France en 2018[Infographie] L'e-commerce en France en 2018
[Infographie] L'e-commerce en France en 2018Thinkmarket
 
[Infographie] L'économie des chatbots (2018)
[Infographie] L'économie des chatbots (2018)[Infographie] L'économie des chatbots (2018)
[Infographie] L'économie des chatbots (2018)Thinkmarket
 
[Infographie] Le RGPD - en bref
[Infographie] Le RGPD - en bref[Infographie] Le RGPD - en bref
[Infographie] Le RGPD - en brefThinkmarket
 
Thinkmarket, l'esprit start-up dans le conseil
Thinkmarket, l'esprit start-up dans le conseilThinkmarket, l'esprit start-up dans le conseil
Thinkmarket, l'esprit start-up dans le conseilThinkmarket
 

Plus de Thinkmarket (11)

Thinkmarket a testé pour vous... La Nouvelle Cave
Thinkmarket a testé pour vous... La Nouvelle CaveThinkmarket a testé pour vous... La Nouvelle Cave
Thinkmarket a testé pour vous... La Nouvelle Cave
 
Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?
Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?
Comment le digital peut-il sublimer l'expérience client dans l'univers du luxe ?
 
Focus : le virtual retail
Focus : le virtual retail Focus : le virtual retail
Focus : le virtual retail
 
DSP 2 - Décryptage
DSP 2 - Décryptage DSP 2 - Décryptage
DSP 2 - Décryptage
 
Un oeil sur la Loi d'orientation des mobilités (LOM)
Un oeil sur la Loi d'orientation des mobilités (LOM)Un oeil sur la Loi d'orientation des mobilités (LOM)
Un oeil sur la Loi d'orientation des mobilités (LOM)
 
Le Unified Commerce, une expérience au diapason
Le Unified Commerce, une expérience au diapasonLe Unified Commerce, une expérience au diapason
Le Unified Commerce, une expérience au diapason
 
[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands
[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands
[Infographie] Zoom sur les DNVB - Digital Native Vertical Brands
 
[Infographie] L'e-commerce en France en 2018
[Infographie] L'e-commerce en France en 2018[Infographie] L'e-commerce en France en 2018
[Infographie] L'e-commerce en France en 2018
 
[Infographie] L'économie des chatbots (2018)
[Infographie] L'économie des chatbots (2018)[Infographie] L'économie des chatbots (2018)
[Infographie] L'économie des chatbots (2018)
 
[Infographie] Le RGPD - en bref
[Infographie] Le RGPD - en bref[Infographie] Le RGPD - en bref
[Infographie] Le RGPD - en bref
 
Thinkmarket, l'esprit start-up dans le conseil
Thinkmarket, l'esprit start-up dans le conseilThinkmarket, l'esprit start-up dans le conseil
Thinkmarket, l'esprit start-up dans le conseil
 

Fact Sheet : IA, Machine Learning, NLP

  • 1. 01.Définitionsetprincipes defonctionnement Page8 Nous désignons par Agent Conversationnel (AC) l’ensemble des dispositifs automatisés pouvant recréer de manière artificielle un dialogue dans le but d’automatiser une tâche. Ce programme informatique est capable d’interagir avec un ou plusieurs utilisateurs par la voix ou par écrit en reproduisant les codes d’une conversation humaine. Pour cela, l’AC repose sur différents niveaux d’intelligence qui permettront la réalisation de l’action. De manière très générique, la programmation d’un arbre de conversations peut par exemple être intégrée de sorte que l’AC puisse répondre automatiquement à des ques- tions définies à l’avance. À un autre niveau, le « moteur » de l’AC peut reposer sur des technologies beaucoup plus poussées comme l’Intelligence Artificielle (IA). Dans ce cas, l’AC peut être éduqué pour comprendre l’utilisateur et ainsi détecter ses intentions afin de fournir une réponse adaptée. Aussi, la compréhension et le traitement du langage humain reposent sur un domaine spé- cifique de l’IA que l’on appelle le NLP : Natural Language Processing. Qu’est-ce que l’IA ? C’est une discipline scientifique recouvrant les techniques et technologies permettant de simuler un raisonnement similaire à celui d’un être humain. L’objectif de l’IA est de produire des machines autonomes capables d’accomplir des tâches com- plexes en utilisant des processus réflectifs semblables à ceux des humains. Il est courant de distinguer l’IA faible, program- mée pour répondre à une tâche donnée, de l’IA forte,capable d’appliquer l’intelligence à tout problème plutôt qu’à un problème spécifique. Cette dernière se distingue par sa capacité d’apprentissage, elle a pour vocation d’évoluer et d’ap- prendre à proposer des solutions inédites. A date, l’ensemble des technologies utilisées communément reposent sur de l’IA faible bien que cette dénomination soit trompeuse, étant donné les innombrables applications potentielles. En effet, prenons l’exemple de la reconnaissance d’image, domaine dans lequel l’IA a fait d’immenses progrès. L’IA est aujourd’hui en capacité de reconnaître, identifier et décrire des images jamais vues auparavant. Pourtant la mécanique qui se cache derrière cette technologie repose sur la capacité de l’IA à comparer et faire matcher son immense base de connaissance avec l’image proposée. L’IA détecte sur une image des suites de pixels qu’elle compare avec celles préalablement enre- gistrées et en dresse une liste ordonnée en fonction de la probabilité de reconnaissance. C’est en augmentant cette base de connaissance et l’association des objets rattachés que l’IA progresse, raison pour laquelle les GAFA, grâce à l’immense volume de données qu’ils drainent chaque jour, dominent aujourd’hui le marché. Qu’est-ce que le Machine Learning ? C’est une technique d’éducation d’IA supervisée par l’Homme. Prenons ici l’exemple d’un système de reconnaissance d’images : pour reconnaître une voiture, on va « montrer » en entrée une photo d’une voiture associée à la réponse désirée. Après chaque exemple, la machine ajuste ses réglages propres afin de tendre vers la réponse souhaitée. C’est après avoir recommencé ce processus plusieurs milliers de fois que la machine pourra classifier correctement la plupart des images de voiture. L’intérêt de cette technique d’apprentissage est que la machine sera aussi capable de classifier des images qu’elle n’a jamais vues grâce à la capacité de « généralisation ». Cette technique a ses limites et demande des ressources consi- dérables en termes de données brutes. Des techniques plus avancées existent, appelées Deep Learning. Sans rentrer dans les détails, ces systèmes, à la différence de systèmes de Machine Learning classiques, sont décomposés en plusieurs mo- dules indépendants (réseaux neuronaux) qui apprennentséparémentetpermettentensemble de résoudre des problèmes beaucoup plus complexes. Qu’est-ce que le NLP ? Le Natural Language Processing (NLP) est donc une branche de l’IA spécialisée dans le traitement du langage. Elle englobe le Natural Language Understanding (NLU) etle Natural Language Generation (NLG) qui sontrespectivementles domaines de la compréhension et de la génération du langage naturel. Ce groupe de technologies permet à une interface de simuler le langage humain et de communiquer de la manière la plus naturelle possible avec l’utilisateur. Cela s’applique autant à l’analyse et la génération de texte qu’aux extraits vocaux. Plus simplement, les moteurs NLP ont pour but de traduire le lan- gage naturel en langage machine c’est-à-dire de transformer une requêtevocale ou texte en données structurées qui seront interprétables par un programme informatique. De manière générale, l’efficacité des technologies NLP actuelles repose essentiellement sur l’IA et les techniques de Deep Learning.
  • 2. Quelle que soit la solution, pour adopter un mode conversationnel, l’AC doit effectuer une succession d’actions qui vont lui permettre de créer une boucle de dialogue : 1. COLLECTER 2. COMPRENDRE 3. ANALYSER 4. TRAITER 5. RESTITUER Traitement fonctionnel Traitement technique COLLECTER COMPRENDRE ANALYSER TRAITER RESTITUER Collecter l’ensemble des éléments formulés par l’utilisateur sur un canal donné (messa- geries instantanées, chat, assistant vocal…). Lorsque l’utilisateur dit par exemple “Hello Google” puis énonce oralement sa requête, la solution va dans un premier temps transformer ce fichier audio en texte. C’est là que la technologie de reconnaissance automatique du langage ou ASR (Automatic Speech Recognition) joue son rôle. C’est elle qui traduit la parole en texte afin qu’elle soit traitée par le moteur NLU. Bien sûr, cette étape n’est pas nécessaire lorsque la conversation s’effectue directement à l’écrit. Comprendre les éléments, c’est-à-dire les associer à une signification ou à une inten- tion permettant de rattacher la phrase à une requête ou une action donnée. Le traitement NLU s’effectue alors de la façon suivante : l’algorithme extrait deux éléments principaux de la requête utilisateur, l’intention qui est le but général de la phrase (acheter un objet, trouver un lieu ou une information…) puis les objets (ou entités), qui portent le sens de la requête en langage naturel. Ainsi en faisant le lien et en analysant sémantiquement la phrase ou la requête, le programme sera capable de trouver des correspondances et de proposer une réponse adéquate. Notons que certains moteurs NLU avancés peuvent également détecter les émotions en analysant sémantiquement le texte ou sa ponctuation par exemple. Analyser les informations transmises par l’interlocuteur et disponibles en base pour enrichir le sens et la signification (données personnelles, base de connaissance, contexte). Traiter la tâche correspondant à l’intention détectée. Lors de la phase suivante, c’est le Dialog Manager qui va décider des actions à réaliser en fonction de la requête. Se basant sur un arbre de décision ou sur une solution basée également sur l’Intelligence Artificielle, le Dialog Manager validera les prochaines actions après l’analyse contextuelle. Pour prendre sa décision, l’outil prendra en compte les modélisations et scenarii intégrés ainsi que les potentiels historiques de communication, le CRM et les API tierces. Restituer une réponse à l’utilisateur sur le ca- nal correspondant et sous la forme attendue (écrite ou vocale). La réponse à la requête doit être apportée de la manière la plus proche du langage naturel. Pour être proposée sous format audio, la réponse passera par un module de synthèse vocale ou Text To Speech (TTS), qui traduira cette réponse texte en voix à destination de l’utilisateur. Pour les plus avancés qui ont déjà intégré un moteur NLG, cette technologie sera en capacité de générer automatiquement des éléments de réponses en langage écrit naturel à partir des informations récoltées.