Est-ce que votre bot doit-être en autoapprentissage ?

Est-ce que les chatbots apprennent seuls ? Voici une question récurrente. Elle émane d’une croyance en lien avec l’intelligence artificielle qui estime qu’une machine est aussi intelligente qu’un être humain et que, par conséquent, elle apprend et raisonne de façon autonome. Ce n’est pas le cas, en voici les raisons.

Technologies du chatbot

Un chatbot ( ou agent conversationnel) a besoin de 3 sortes de technologies :

- le Natural Language Understanding (NLU) : compréhension du langage naturel,

- la logique : l’action que doit exécuter le bot suite à la compréhension d’une chose,

- les programmes externes : qui lui permettent de capter les informations demandées.

Cet ensemble de technologies constitue un programme informatique. Le chatbot intelligence artificielle est donc incapable d’apprendre de façon autonome.

La NLU

Les algorithmes des chatbots permettent de prélever des données structurées d’un texte, qu'il soit oral ou écrit. La première étape de la création d’un dialogueur passe donc par la création d’une application de NLU. Cela signifie que vous devez prévoir tous les sujets que le chatbot doit assimiler. Il ne comprendra pas ce qui sort de ce cadre bien défini et n’apprendra pas seul à répondre à des sujets non prévus.

Quand tous les sujets sont listés, le paramétrage consiste à donner des exemples de requêtes compréhensibles pour tous les sujets. L’algorithme comprendra ainsi des centaines (ou des milliers) de manières d’exprimer un sujet à partir d’une dizaine de phrases rentrées de façon manuelle.

Il est impératif d’entraîner régulièrement le dialogueur afin qu’il s’améliore au fil du temps. Ce travail est absolument indispensable pour la compréhension du chatbot intelligence artificielle.

Si vous pensiez qu’un dialogueur peut apprendre seul c’est vrai mais seulement s’il a appris au préalable ce qu’il a besoin de savoir pour cela.

La logique

Les bots possèdent une logique qui est cryptée (arbre conditionnel) ce qui exclut toute forme d’apprentissage automatique. Les dialogueurs automatisent des tâches destinées à l’homme avec des objectifs bien précis. Le chatbot a besoin également d’un nombre certain d’informations à recueillir et à vérifier avant de remplir son objectif.

Dans une démarche traditionnelle, l’utilisateur est soumis à un flot de questions et réponses, plus ou moins simples, aux règles préfixées, jusqu’à la réalisation du but final (création d’un document, d’un ticket support…).

Dans une démarche learning, c’est l’algorithme qui décide de la voie logique à suivre tout en tenant compte de la mémoire utilisateur.

Dans ce cas et à l’instar de la NLU, l'agent conversationnel travaille en totale autonomie mais il apprend de façon supervisée.

Il est donc entièrement faux de croire que les chatbots sont capables d’apprendre seuls. Ils apprennent uniquement ce qu’on leur dit d’apprendre.

Les projets chatbots nécessitent un chef de projet qui est chargé de la gestion du chatbot au fil du temps. Il s’agit d’une ressource indispensable à la création et au suivi d’un agent conversationnel.

FAQ - Autoapprentissage et NLU des chatbots

Pourquoi un chatbot ne peut-il pas apprendre de facon completement autonome sans supervision humaine ?

Un chatbot apprend a partir de donnees etiquetees par des humains : pour chaque intention (ex : "annuler une commande"), des exemples de phrases representatifs sont fournis manuellement. L'algorithme apprend a generaliser a partir de ces exemples, mais il ne peut pas creer de nouvelles intentions ou apprendre des sujets entierement nouveaux sans qu'un humain lui indique explicitement ce qu'il doit apprendre et comment l'etiqueter. Un chatbot livre a lui-meme peut renforcer des erreurs de comprehension existantes en associant des nouvelles requetes aux mauvaises intentions. C'est pourquoi l'apprentissage entierement non supervise est risque en production : il peut degrader la precision au lieu de l'ameliorer. L'autoapprentissage supervise, ou un humain valide les nouvelles associations avant qu'elles soient integrees au modele, est la pratique recommandee.

Quelle est la difference entre l'arbre conditionnel et l'approche NLU dans un chatbot ?

L'arbre conditionnel (logique if/then) suit des chemins predetermines : si le client dit "A", le bot repond "B", si le client dit "C", le bot repond "D". C'est previsible et facilement explicable, mais rigide : toute formulation inattendue fait sortir le client du chemin et bloque l'interaction. L'approche NLU (Natural Language Understanding) detecte l'intention derriere la phrase, independamment de sa formulation exacte : "annuler ma commande", "je veux plus de ce produit" et "comment je fais pour retourner un article" peuvent toutes etre reconnues comme la meme intention. Les systemes modernes combinent les deux : la NLU detecte l'intention et declenche un scenario logique (arbre conditionnel) adapte. Pour des usages simples, l'arbre conditionnel seul suffit. Pour des usages conversationnels complexes ou le langage naturel varie beaucoup, la NLU est indispensable.

Combien de phrases d'exemples faut-il fournir par intention pour entrainer correctement un chatbot ?

Le nombre minimum generalement recommande est de 10 a 15 phrases d'exemples par intention, en couvrant des formulations variees (questions directes, tournures indirectes, registres formel et informel, abreviations courantes). En dessous de ce seuil, l'algorithme n'a pas assez de diversite pour generaliser correctement. En pratique, 20 a 30 exemples par intention bien diversifies donnent des resultats solides pour la plupart des cas d'usage metier. Pour des intentions tres similaires entre elles (ex : "modifier une commande" vs "annuler une commande"), il faut davantage d'exemples discriminants pour que l'algorithme apprenne a les distinguer. La qualite des exemples (diversite, representativite du langage reel des utilisateurs) est plus importante que la quantite brute. L'analyse des conversations reelles, une fois le bot en production, permet d'enrichir ces exemples avec des formulations auxquelles les concepteurs n'avaient pas pense.

Qui doit etre responsable de la maintenance et de l'entrainement d'un chatbot dans l'entreprise ?

La gestion d'un chatbot necessite un "bot manager" ou "conversational designer" : un profil qui comprend a la fois les objectifs metier et la logique de fonctionnement de la plateforme. Ce n'est pas necessairement un developpeur : les plateformes modernes sont accessibles aux profils metier. En revanche, ce role est une responsabilite a temps partiel non negligeable. Les taches courantes incluent : l'analyse hebdomadaire des conversations ayant echoue, la creation de nouveaux exemples pour les formulations non reconnues, la mise a jour du contenu quand les informations changent (tarifs, procedures), et le suivi des KPIs de comprehension. Sans ce pilotage humain, un chatbot se degrade progressivement au fur et a mesure que les besoins des utilisateurs evoluent sans que la base de connaissances soit mise a jour.

Qu'est-ce que l'apprentissage supervise applique a un chatbot et comment le mettre en oeuvre ?

L'apprentissage supervise consiste a examiner les conversations ou le chatbot a ete incertain ou a echoue, puis a etiqueter correctement ces exemples pour les integrer au modele. Concretement : la plateforme identifie les messages pour lesquels le score de confiance etait bas (sous un seuil defini) ou pour lesquels l'utilisateur a demande a parler a un humain immediatement apres la reponse du bot. Ces cas sont presentes au bot manager dans une interface de revue, qui attribue la bonne intention a chaque message. Une fois valides, ces exemples enrichissent le modele lors du prochain cycle d'entrainement. Ce processus est incremental : le bot s'ameliore progressivement en apprenant des vrais cas d'usage de ses utilisateurs reels, ce qui le rend plus performant que s'il avait ete entraine uniquement sur des exemples theoriques concus en amont du deploiement.