2. Qu’est-ce qu’un chatbot ?
Chatbot = chat + robot
Donc : un interlocuteur automatisé
Format : dialogue
Vous posez une question, le chatbot vous répond
Entrée : clavier / voix
IA : le bot est entraîné avec des exemples de phrases
Plus il y a de phrases, meilleure est la réponse
2
3. Que fait un chatbot ?
Déduit l'intention d'une phrase
« L'utilisateur veut réserver un vol »
Reconnaît des entités
Villes : Caire, Seattle, Bruxelles…
Nombres : 2, 5, 300…
Moments : aujourd’hui, demain…
…
Les termes que vous voulez reconnaître
comme une entité doivent souvent être
préprogrammés !
Complète les paramètres de l'intention (= slot filling)
Agit une fois que l'intention est complète (= fulfillment)
Réponse textuelle ou vocale
Commande et envoi d'un billet...
3
5. Qu’est-ce qui change aujourd’hui ?
Intelligence artificielle (IA)
Progrès récent dans le Natural Language Processing /
Understanding (NLP/NLU) pour comprendre
l'intention d'un utilisateur en langage naturel
Services IA basés sur le cloud
(IBMWatson, Microsoft LUIS,Google DialogFlow,
FacebookWit…)
Esprit du temps
Les utilisateurs souhaitent une interaction immédiate
et personnelle
Les plateformes de messagerie sont de plus en plus
populaires
5
6. Du message à la conversation
Entity extraction :
Identification des paramètres d'entrée
Dialogue management :
Détermination de l'action ou de l'étape
suivante du dialogue, sur la base des actions
précédentes, des paramètres (slots) déjà
captés ou non…
Pour accomplir une action, un appel API
peut être envoyé à un système back-end
Message generator :
Génération d’une réponse
6
Intent extraction :
Identification de l'intention de l'utilisateur
Généralement par la sélection de l'intention la plus
appropriée
dans une liste d'intentions prédéfinies
Le contexte peut être pris en compte (intentions de
messages précédents dans la conversation, profil
de l'utilisateur…)
7. Du message à la conversation
Chat bot architecture
NLU component
(extract intent and
entities)
intent and entities
next action
Dialogue Mgmt (model predicts
next_action based on previous
actions, action results, slots)
next action
Tracker Slots
API call
Database
request/ URL
request
Hello
Hi <name>, how can I
help you
What is the weather
looking like tomorrow?
It’s going to be mostly
cloudy with little rain
How about the day
after?
It’s going to be sunny
Message Generator
(use pre-defined
templates with
placeholders)
7
8. Rôle de l’IA
Intention 1 : recevoir une attestation
- J’ai besoin d’une attestation
- Comment obtenir un tel document
- ....
- Exemple de phrase z
Intention 2 : mot de passe oublié
- J’ai oublié mon mot de passe
- J’ai oublié mon nom d’utilisateur
- ....
- Exemple de phrase z
Intention x
- Exemple de phrase a
- Exemple de phrase b
- ....
- Exemple de phrase z
...
« J’ai oublié mon mot de
passe »
INTELLIGENCE
ARTIFICIELLE :
Natural Language
Processing (NLP) :
reconnaître
l’intention de
l’utilisateur
Le modèle
d’apprentissage
automatique est
entraîné sur la base
d’exemples de
phrases
L’apprentissage automatique est capable de relier à la bonne intention une question qui ne figure pas littéralement dans les exemples de
phrases.
8
13. Use cases :
Do not pay
Contestation
d’amendes de
stationnement
13
14. Use cases :
Do not pay - Assistance à une demande d’asile
14
15. Use cases :
Chatbot Student@Work
Intégré dans Facebook
Messenger
Accueil
personnalisé
Introduction pour gérer les
attentes
Consultation du solde
d’heures
(futur : in-conversation)
Réponse automatique aux
questions fréquentes (FAQ)
15
16. Faites le test !
https://www.mysocialsecurity.be/stude
nt/nl/algemeen/contact.html
https://www.mysocialsecurity.be/stude
nt/fr/generalites/contact.html
16
https://www.mysocialsecurity.be/student/nl/algemeen/contact.html
17. Student@work : scope
Bot FAQ, maintenant 101
intentions (~questions)
Questions de fond (travail
des étudiants, solde
d’heures, attestation)
Questions techniques (accès
: mot de passe, eID...)
Accueil et clôture,
remerciement, feed-back
Pour chaque intention,
idéalement plus de 20 exemples
de phrases nécessaires !
Beaucoup de rédaction
manuelle !
En partie par le front office,
en partie via des ateliers avec
des étudiants
Juin 18 : ajouts en français via
la production participative
(ClickWorker)
Développement en néerlandais,
traduction en français pour la phase de
test
17
18. Quelle est l’efficacité du chatbot Student@work ?
Score « par conversation »
moyen de ~70 %
Mesuré par annotation
manuelle de toutes les
conversations pendant
trois mois
Évaluer si l'utilisateur a
finalement été aidé
Score parfois un peu plus
élevé
en néerlandais qu’en
français
Moins d’exemples de
phrases
en FR
L’ajout d’exemples de
phrases via la production
participative
(Clickworker) a un effet
positif
« Effets saisonniers »
dans les questions
Questions plus
difficiles posées en
mai qu’en juin
18
19. Autres limites des chatbots
Le bot ne répond qu'aux questions connues
La conversation peut se dérouler de nombreuses façons. Il est
impossible de tout traiter.
Toujours problématique :
Questions imprévues / détails très spécifiques
Plusieurs questions à la fois
Questions avec des mots davantage associés à une autre
intention
19
20. Meilleures pratiques :
gestion des échecs
Génération de messages d'erreur compréhensibles
Instauration d’un seuil de confiance (ex : +50 %)
Sous ce seuil, dire « pas compris » ou demander
une reformulation
Il arrive que les gens persistent
Proposition d’une alternative
20
21. Meilleures pratiques :
gestion des utilisateurs
Tout le monde n’est pas familier avec un bot !
Une gestion des attentes est nécessaire
21
22. Meilleures pratiques :
exemples de phrases
Mieux trop que trop peu
La production participative peut être utile !
Un exemple de phrase doit univoquement être lié à une
intention
Tenez compte d’un langage imprécis
e-id = carte d’identité = passeport = papier = beID = …
Soyez concis !
Vous voulez seulement vous entraîner sur le cœur de la
question
L'association avec des mots inopportuns conduit à des
classification insensées
22
23. Meilleures pratiques :
réponses
Il est amusant de jouer sur l'émotion, mais ça peut
mal se passer…
Si nécessaire, répétez la question dans la réponse
Indiquez toujours clairement à quoi le bot
réagit exactement
23
24. Conclusions
Les chatbots ont du potentiel en tant qu’interlocuteurs automatisés
Ont du potentiel à long terme
Prise en considération de la vie privée en ce qui concerne les plateformes
cloud
La mise sur pied d’un « GovBot » unique est trop ambitieuse à ce stade
Cas appropriés (aujourd’hui) :
Scope (limité) spécifique
Grand volume d’interactions
24