e-commerce

Intelligence artificielle ,Deep Learning, chatbot et relation client !

Les consommateurs préfèrent utiliser aujourd’hui un assistant vocal  avec de Intelligence artificielle plutôt qu’site internet. Cela est montré par une étude de Capgemini Transformation Institute sur 5 000 personnes en Allemagne, en France, au Royaume-Uni et aux États-Unis. Plus du quart des personnes interrogées preferent les assistants vocaux. D’ici trois ans, cette proportion pourrait passer à 40%.

Les assistants vocaux intelligents ont le vent en poupe a cause des reproches faits aux services clients

L’intelligence artificielle est l’élément clé de cette révolution. Grâce à l’IA, les chatbots sont de plus en plus performants.

Les assistants conversationnels intelligents utilisant un dialogue écrit ont vite eu leur place dans l’accueil client. Cette révolution a incité les entreprises à développer leur propre chatbot. Pourtant, cette technologie laisse déjà petit à petit la place à une autre encore plus performante : les voicebots. Avec ces derniers, parler suffit pour contacter une entreprise ou pour commander un produit.

Sur un appareil mobile, un site internet ou toutes interfaces intelligentes, ces assistants vocaux sont aptes à comprendre le sens d’une question et d’interpréter son contexte. En outre, ils sont capables de chercher l’information demandée dans la base de données pertinente et ensuite donner une réponse dans la langue de l’utilisateur.

assistant vocal

Grâce à des algorithmes de Machine Learning, ces voicebots s’améliorent automatiquement dans sa compréhension des questions.

Selon Thomas Saint Hilaire, responsable des plateformes numériques chez Prosodie-Capgemini, utiliser les outils de Nuance IBM ou Google permet d’assurer à 95% la reconnaissance vocale. Face à l’opportunité apportée par cette technologie, les entreprises se tournent désormais aux voicebots. En États-Unis, cette technologie est déjà largement exploitée, contrairement en Europe, selon Thomas Saint Hilaire.

En France, la Mutuelle Générale de l’Education Nationale (MGEN) a mené un test dans cette direction sur téléphone pour répondre à ses adhérents. Les résultats sont nettement satisfaisants. Pour cause, les adhérents ont trouvé l’outil direct et pratique.

La préoccupation des entreprises : concevoir un assistant vocal représentant la marque

assistant vocalDe son côté, l’entreprise OUI.sncf est déjà à fond dans l’utilisation des assistants vocaux. En effet, tous les clients ayant à sa disposition Google Home peuvent obtenir une réponse à leur question ou acheter un billet seulement par la voix.

Plus de 8 000 personnes utilisent les chatbots et voicebots de l’entreprise tous les jours. Selon Julien Nicolas, directeur France de OUI.sncf, ce chiffre n’est qu’une petite partie de la clientèle de l’entreprise. Par ailleurs, le paiement par voix reste encore impossible en raison des risques potentiels d’insécurité.

Par ailleurs, les entreprises préfèrent toujours laisser le bénéfice du doute à l’intelligence artificielle. À titre d’exemple, le chatbot Tay de Microsoft a dû été démanteler en raison de ses propos racistes.

D’autre part, les entreprises cherchent également à personnifier sa marque. Selon David-Henri Bismuth, directeur du Lab de l’agence digitale Niji, le vrai défi de toutes entreprises est de concevoir un bot doté d’une identité qui représente totalement la marque. Pourtant, les entreprises y croient. Ainsi, dans 3 ans, les entreprises vont investir six fois plus dans cette voie, selon l’étude de Capgemini.

, le monde de la technologie se focalise plus sur les interactions entre les utilisateurs, intelligence artificielle et les robots.

Mais après le lancement du Bot Store sur Messenger, lors de la F8, beaucoup ont critiqué la performance de cette fonctionnalité de « non-nouveauté » ou encore des réponses vagues de la part des bots.

Par contre, ces critiques sont les conséquences d’une mauvaise vision sur le bot store. Ainsi, pour comprendre vraiment le bot, il faut connaître sa définition en premier lieu.

Quelle est la définition d’un chatbot et l’intelligence artificielle?

Un chatbot est logiciel destiné à dialoguer avec un utilisateur de façon entièrement automatique, que ce soit par email, SMS ou chat, grâce à une liste de réponses prédéfinies. Loin de ce que tout le monde croit, les chabots existent déjà depuis longtemps.

En 2001, Active Buddy avançait SmartChild, un robot destiné à la messagerie instantanée d’AOL, MSN Messenger et les SMS. Le bot servait aux utilisateurs d’avoir des informations sur la météo, les actualités ou les horaires de cinéma. Dans son temps, il a été téléchargé 30 millions de fois.

L’application Messenger aujourd’hui dépasse largement ce chiffre avec 900 millions d’utilisateurs actifs. De ce fait, les entreprises ont tout à gagner en intégrant ces bots à Messenger en créant un lien à partir d’une relation conversationnelle avec les acheteurs.

À sa seule performance, les bots ne présentent rien de particulier, car ils ne peuvent pas donner des réponses à une question qui ne figure pas dans leur base de données. En revanche, avec l’évolution de la technologie, les bots sont maintenant accompagnés d’intelligence artificielle, ce qui rend ces robots de plus en plus performants.

intelligence artificielle

La performance des bots a encore des progrès à faire

Les bots de Messenger ont reçu de nombreuses critiques après leur déploiement. Les robots manquent encore de naturel par rapport aux humains.

Parmi les bots présents sur Facebook, il y a le bot de Poncho. Ce dernier ne comprend pas les questions sauf si elles commencent par « Do I Need … ? ».

Cela démontre que les bots ne sont pas encore à un niveau optimal, car ceux-ci ne sont tous équipés d’intelligence artificielle. Par ailleurs, la déception des utilisateurs actuels est liée aux films futuristes, dont Humans, Terminator ou Iron Man, qui évoquent des intelligences artificielles.

 Le Machine Learning n’est pas l’intelligence artificielle

Dans le terme Machine Learning, il y a le mot apprentissage : Ce qui veut dire un apprentissage via les données.

Par ailleurs, le terme Intelligence Artificielle (IA) n’est qu’un mot en vogue. Beaucoup confondent le Machine Learning avec ce dernier. Pourtant, l’apprentissage automatique est un outil pour résoudre de nombreux problèmes à partir de données associées à l’algorithme de Machine Learning.

L’utilisation du terme IA dans ce dernier n’est juste qu’un appui qui peut vous aider à vendre.

C’est la donnée qui est la plus importante dans le Machine Learning avant les algorithmes.

En effet, les algorithmes du Machine Learning ont récemment connu une évolution. C’est le cas du Deep Learning par exemple.

Pourtant, c’est toujours la donnée qui permet à l’apprentissage automatique de fonctionner. Il est possible de rencontrer un Machine Learning sans algorithme complexe, mais qui fonctionne bien avec des données. Par contre, il ne peut pas marcher s’il n’ya pas de données mêmes avec les meilleurs algorithmes qui existent.

Quand vous utilisez le Machine Learning et que vous n’avez pas encore beaucoup de données, restez sur des modèles simples.

Pour cause, l’apprentissage automatique crée un modèle à partir de patterns dans vos données. Et lors de son exploration selon vos paramètres par défaut, le Machine Learning va s’adapter. Au risque que vos espaces soient trop larges, le Machine risque l’overfitting, c’est-à-dire, il va sur-adapter sur vos données. Ainsi, le modèle créé ne pourra plus être généralisé au-delà de ces données.
C’est pourquoi il est essentiel de toujours rester sur le modèle le plus simple.

Le Machine Learning est limité dans son fonctionnement.

Ce sont toujours les données qui servent à l’entraîner qui sont les plus importantes. La limite du Machine Learning est déterminée par l’expression « garbage in garbage out ». C’est-à-dire si vous entrez de mauvaises données, vous obtiendrez logiquement de mauvais résultats.

 Le Machine Learning peut aussi se perdre entre votre jeu de données d’apprentissage.

En effet, ce n’est pas le fait qu’il a marché auparavant qu’il va forcément marcher dans le futur. Il est aussi probable qu’il ne fonctionne pas convenablement si la distribution des données est différente de celle à son entraînement.

Pour éviter un quelconque désagrément, vous devez adapter  régulièrement votre Machine Learning à votre jeu de données.

Le véritable travail en Machine Learning se trouve dans la transformation de la donnée.

Beaucoup pensent que c’est dans le choix et le style de l’algorithme les plus importants, ils se trompent bien sûr. C’est surtout au niveau du nettoyage de la donnée et l’ajout de caractéristiques (feature engineering) que vous devez vous concentrer le plus. Cela permet à la donnée d’avoir un signal plus intense.machine learning

Le Deep Learning n’est pas une solution miracle

Il faut reconnaître que le Deep Learning mérite bien ses lettres de noblesse, car il a apporté de nombreuses avancées au sein du Machine Learning.

À titre d’exemple, il permet d’automatiser le traitement d’images et de vidéos, qui était réalisé auparavant par le feature engineering.

Par contre, il ne sert absolument à rien si vos données ne sont pas nettoyées et transformées correctement par vos soins.

La fiabilité du Machine Learning peut être compromise par les erreurs humaines

En cas de plantage, ce n’est certainement pas la faute du Machine Learning, mais de son algorithme, que l’homme a créé. Il est donc essentiel de ne pas se fier totalement au Machine Learning.

Le Machine Learning peut engendrer une prophétie auto-réalisatrice

Les décisions que vous prenez aujourd’hui touchent les données que vous allez traiter dans l’avenir. Et le Machine Learning peut éventuellement intégrer des biais au sein de son modèle. Il va alors générer des données d’entraînement pour renforcer ces biais, ce qui peut avoir des conséquences graves.
Il  est donc fortement déconseillé de créer des prophéties auto-réalisatrices.

10. L’Intelligence Artificielle ne va pas détruire le monde

Ici, le terme Intelligence artificielle n’a rien à voir avec les films de science-fiction. Ce n’est pas l’IA qui représente de dangers pour nous, mais les personnes qui sont réellement malveillantes ou les biais des modèles de Machine Learning. Vous pouvez donc vous rassurerr, car SkyNet ne va pas arriver chez vous.

Nouveau call-to-action

Go for it

Pierre-Luc GERVAIS

Ingénieur EEA ,Pierre-Luc GERVAIS a debute en SSI chez Transiciel .Consultant SI pour de grands groupes Télécom ou bancaire (Cegetel, SFR , Euronext ). Fin 1990 Carriere aux USA ou jdans la logistique (UPS) et l’industrie automobile (Toyota),CRM) . Après une mission au sein d’une NGO à Madagascar, PLG a fondé une agence digitale en externalisation à Madagascar en 2008 Orion digital a adopte une démarche Inbound Marketketing l et est donc un partenaire de choix pour externaliser en toute sécurité votre transformation digitale . Nous sommes Hubspot Partner depuis 2018.
Pierre-Luc GERVAIS
Go for it