Quel est le lien entre les bots et l’Intelligence Artificielle ?

Solemne Clément
May 4, 2021

Les bots et l’Intelligence Artificielle

Qu’est-ce que l’Intelligence Artificielle ?

La notion d’Intelligence Artificielle (IA) remonte aux années 1950 lorsque le mathématicien Alan Turing, dans son livre Computing Machinery and Intelligence, l’évoque pour la première fois. Selon lui, l’Intelligence Artificielle est le résultat de l’utilisation de plusieurs techniques (notamment le Traitement Automatique du Langage Naturel grâce aux Machine Learning et Deep Learning) dans le but de fournir aux machines une forme d’intelligence, telle que celle dont est dotée l’être humain c’est-à-dire la représentation de données abstraites mais aussi la dotation de sentiments. Assurément, certaines tâches requièrent un processus cognitif poussé.  

Mais l’Intelligence Artificielle est de nos jours un vaste domaine dans lequel on peut se perdre. Au commencement, l’opinion publique la voyait comme appartenant strictement à la science-fiction alors qu’en se développant, elle s’ouvre peu à peu à notre quotidien. Aussi, elle ne connait aucunes limites strictes car ces dernières sont toujours repoussées.

Nous savons qu’elle est de nos jours utilisée pour divers aspects que cela soit dans la photographie, les smartphones, dans les jeux vidéo, mais aussi en médecine (pour l’aide à la décision médicale, l’imagerie cérébrale et le dépistage de certaines maladies) ou consacrée à des fins stratégique et militaire. Elle est même prisée pour ce que l’on nomme aujourd’hui les voitures autonomes. Bien entendu, elle est aussi présente dans le domaine de la robotique au sens large. Les assistants conversationnels n’y font donc pas exception.

L’IA est un domaine de l’avenir en informatique. Cependant, il ne faut pas penser que ses usages remplaceront les emplois humains. Elle permet simplement de déléguer des tâches que l’on trouve redondantes ou bien de libérer du temps pour s’adonner à des missions de divers ordres.

 

Les agents virtuels et l’Intelligence Artificielle : quelle relation entretiennent-ils ?

Nous allons dorénavant nous intéresser au domaine des agents conversationnels et du langage. La complexité du langage naturel est un challenge de taille pour l’Intelligence Artificielle. En effet, nous savons qu’une personne s’exprime et communique différemment d’une autre, aussi bien dans la langue qu’elle emploie (le niveau de langue, le plurilinguisme, le code-switching, la langue des signes) que dans la kinésie associée à son discours.

Par quels moyens peut-on réussir à créer un agent virtuel capable de traiter le langage humain au même niveau que le ferait un agent physique ?


Le test de Turing : un défi encore d’actualité

Afin de tester les capacités d’une Intelligence Artificielle, le test de Turing se révèle être l’évaluation par excellence. Du nom de son créateur Alan Turing et créé en 1950, ce test nous sert à savoir si la machine est capable d’adopter un comportement humain. 

Un locuteur est placé face à un programme ou bien à un humain sans qu’il ne le sache. S’il n’est alors pas capable de reconnaître son interlocuteur, le programme a réussi le test. Cependant, aucun agent conversationnel n’a encore obtenu la certification à ce jour. 


Le traitement automatique du langage naturel, un outil essentiel


Qu’est-ce que le traitement automatique du langage naturel ?

De nos jours, le numérique et les outils informatiques prennent exponentiellement de la place dans nos vies. Les données rendues accessibles à tous sont de plus en plus nombreuses et se présentent sous diverses formes sur un grand nombre de plateformes : des textes de journaux, des tweets, des extraits sonores, des SMS ou des messages instantanés, des images ou encore des vidéos y sont disponibles.

Il nous est alors possible d’effectuer un grand nombre de recherches sur ces données qu’elles portent sur l’oral ou sur l’écrit. Ces recherches peuvent être l’étude d’une discipline ou bien pluridisciplinaires. Le TAL est l’une de ces disciplines qui se situe au carrefour de la linguistique et de l’informatique. 

Le TAL étudie le langage dit naturel en opposition au langage informatique, tiré des mathématiques. Il nous permet d’effectuer de la traduction automatique mais aussi de l’extraction d’informations comme la reconnaissance d’entités nommées (REN), le text mining ou data mining, l’opinion mining et le sentiment analysis. Et il est aussi utilisé pour mettre au point des agents conversationnels, projets se tournant vers l’Intelligence Artificielle.


Le Machine Learning pour créer l’intelligence du chatbot

Le premier atout à notre disposition est le Machine Learning, ou apprentissage automatique en français (nous pouvons aussi trouver apprentissage artificiel ou apprentissage statistique dans certains cas d’usage). 

Cette méthode vise à fournir à un programme des données en grand nombre (Big Data) à la fois mathématiques et statistiques. Ces données sont structurées, quantifiables et on peut les extraire pour les analyser et les réutiliser. 

Par cette méthode, le programme sera capable de prédire des comportements dans une tâche précise sans nécessairement y être dédié. Il va acquérir des connaissances tout au long de l’apprentissage via cet algorithme et résolvera de plus en plus de problèmes. Tous les exemples qui lui seront donnés feront qu’il prendra la meilleure décision possible.
Dans le domaine du traitement automatique des langues et des agents conversationnels, le Machine Learning consiste à fournir un certain nombre de données les plus pertinentes possibles à l’agent. Lorsqu'une question d’un utilisateur lui sera posée, l’assistant puisera dans sa base de données afin de fournir à l’utilisateur la réponse la plus adaptée à son problème.


Le Deep Learning, le second atout

Le second atout est le Deep Learning (apprentissage profond), dérivé du Machine Learning. Aussi basée sur le cerveau humain et le Big Data, cette méthode, à l’inverse du Machine Learning, touche des données qui ne sont pas nécessairement structurées telles que le son, la parole, un texte, une image, une vidéo. 

Par ailleurs, il utilise la technique des réseaux de neurones, artificiels et profonds.

Si nous reprenons un exemple souvent utilisé pour illustrer l’apprentissage par Deep Learning, la reconnaissance d’un chat sur une image, nous pouvons distinguer plusieurs étapes. En effet, le programme doit être en capacité de reconnaître un chat, peu importe l’angle dans lequel il se situe et en faisant abstraction de la couleur ou de la morphologie de celui-ci. Cela est possible de par l’ensemble des apprentissages qu’il aura reçu d’un nombre important de photos sur lesquelles apparaissait un chat. 

Si le programme se trompe lors d’une étape dans le chemin donné par les réseaux, il revient à l’étape précédente jusqu’à ce qu’il arrive à identifier le chat. Il en va de même pour l’apprentissage dans le domaine du traitement automatique des langues.


L’Intelligence Artificielle symbolique

L’IA symbolique est constituée d’une liste de règles construites par les humains. Le programme réagit donc uniquement en fonction de ses règles.  Appliquée au domaine du TAL, l’IA symbolique est surtout utilisée pour construire des agents conversationnels. 

Le système doit apprendre le langage écrit et oral tel que nous l’avons appris, c’est-à-dire à l’aide de règles syntaxiques, du lexique, de la sémantique, de la pragmatique d’une langue donnée. Il s’agit ici de créer un parallèle entre notre apprentissage de la langue et l’apprentissage que l’on va transmettre au programme. Nous voyons ici qu’il existe, pour les éléments de la langue, un certain attrait. 

Le principal avantage de l’IA symbolique est d’utiliser des données en moins grand nombre contrairement au Machine Learning et par conséquent au Deep Learning.  


La mémoire du chatbot

L’avantage pour la création d’assistants conversationnels, comme nous venons de le voir, est qu’il existe un certain nombre de moyens mis à notre disposition. De plus, grâce à l’ensemble de ses techniques, le chatbot tout comme l’ensemble des agents virtuels, sont dans la capacité de mémoriser des comportements. De par des algorithmes et statistiques complexes, le bot doit avoir le comportement que l’on attend de lui .


En effet, s’il s’appuie sur l’histoire de ses échanges avec les utilisateurs, le chatbot est alors doté d’une mémoire, et, ce, car il se conduit comme s’il était une personne. On appelle aussi ces chatbots des agents à capacité réflexive.

S’il est dotées de mémoires, celles-ci se basent sur ces expériences passées mais aussi celles dans le temps présent pour pouvoir donner une réponse adaptée à l’utilisateur et surtout pour s’améliorer dans le but de devenir toujours meilleur. 


Des robots intelligents pour calquer les comportements humains

S’il nous faut calquer les comportements humains, à l’aide de toutes les solutions vues précédemment, c’est dans le but que le bot soit le plus fidèle possible aux réponses humaines apportées aux utilisateurs. 

L’automatisation de la relation client est devenue un enjeu primordial pour les entreprises afin de ne pas saturer le service client par des demandes récurrentes. Par ailleurs, les assistants conversationnels ont de nos jours une très grande utilité dans ce domaine puisqu’ils répondent parfaitement à ces enjeux. 

Aussi, les utilisateurs sont au cœur du projet de relation client et l’assistant n’a qu’une conversation avec eux pour répondre à leurs demandes. Et il va de soi que les utilisateurs doivent ressortir amplement satisfaits de leur expérience homme-machine.  

Il est assurément plus agréable d’entretenir un échange avec un être qui nous comprend et nous répond d’une manière satisfaisante...

L’Intelligence Artificielle chez Webotit

La solution Webotit propose des agents phygitaux à vos clients qui les conseillent et les font finaliser leurs achats avec le sourire à l’aide de l'évaluation par les assistants de leurs besoins, de leurs usages et de leurs compétences dans l'optique de leur recommander vos meilleurs produits.

En réduisant leurs incertitudes, le conseiller évite  à vos clients d’acheter des produits inappropriés pour leur usage, augmentant ainsi leur probabilité d’achat sur votre site comme dans vos réseaux de distribution physique. Avec Webotit, vos clients perçoivent que leurs besoins et envies sont objectivement pris en compte dans les recommandations qui leur sont proposées.

L'achat devient plus satisfaisant, les probabilités de retour et d'insatisfaction diminuent, et les clients quittent votre site ou vos points de vente avec les produits dont ils ont besoin et avec le sourire ! 

N’attendez pas, prenez rendez-vous avec notre équipe !

Nos derniers articles

Retrouvez nos derniers articles dans notre blog !

Passez à l'action en prenant rendez-vous

Devis