Bien que les agents conversationnels se démocratisent, le sujet n’est pas encore maîtrisé par tous. Les termes techniques viennent s’ajouter aux anglicismes et autres abréviations ce qui ne simplifie pas la tâche. Pour vous guider et vous aider à y voir plus clair, nous vous proposons ce petit lexique du vocabulaire des chatbots. Vous allez devenir un expert du jargon !

 

 

Chatbot ou agent conversationnel

 

Un chatbot ou agent conversationnel est un robot intelligent qui permet d’automatiser des conversations. Il est capable d’interagir et de communiquer avec des humains. Il fonctionne via une interface de messagerie sur un site web, une application mobile ou les réseaux sociaux.

 

 

Arborescence

 

Créer l’arborescence du chatbot c’est organiser les informations que devra formuler le chatbot. Il s’agit de les hiérarchiser en fonction des réponses formulées par les utilisateurs. Nous pouvons comparer cela au fait de schématiser les conversations du chatbot.

 

 

Utilisateur

 

Le terme d’utilisateur désigne la personne humaine qui utilise le chatbot et interagit avec celui-ci.

 

 

Variable utilisateur

 

Une variable utilisateur est une donnée sur un utilisateur qui est récupérée via le chatbot. Il peut s’agir du nom de l’utilisateur récupéré via le profil Facebook pour un chatbot Messenger par exemple. Cela peut aussi être l’âge de l’utilisateur qu’il aurait donné au cours de la conversation.

 

 

Rebond

 

Un rebond est comptabilisé lorsqu’un utilisateur ouvre une conversation avec l’agent conversationnel mais n’échange pas avec celui-ci et ne fait aucune action.

 

 

Analyse sémantique

 

L’analyse sémantique correspond au fait d’analyser des textes pour en tirer des conclusions. Par exemple, dans la création d’un agent conversationnel de service client, il peut s’agir en amont du développement de celui-ci, d’analyser toutes les questions posées à une marque, les rassembler et les organiser.

 

 

Réponse, blocs et cards

 

Les blocs ou réponses sont les messages qu’envoient l’agent conversationnel à ses utilisateurs. Les chatbots peuvent envoyer plusieurs messages à la suite à leurs utilisateurs pour éviter d’envoyer un seul message trop long. Ces messages envoyés les uns après les autres dans une même réponse s’appellent des cards. Elles peuvent contenir tous les formats existants : texte, image, audio, vidéo, carrousel, bouton, etc.

 

 

Boutons, quick reply et carrousels

 

Afin de guider l’utilisateur durant sa conversation avec le chatbot, nous pouvons lui proposer des boutons afin de naviguer dans l’arborescence pour trouver l’information qu’il recherche. Il s’agit des quick reply. Les carrousels sont une autre forme de boutons qui contiennent une image pour illustrer le propos.

 

 

Traitement automatique du langage

 

Le traitement du langage c’est associer la linguistique et l’informatique dans le but de comprendre un texte. Il existe différents niveaux de traitement du langage dans les chatbots.

 

 

Les mots-clés

 

Les mots-clés sont les mots que l’agent conversationnel va reconnaître dans le message que lui adresse l’utilisateur. Le chatbot répondra alors en envoyant le bloc de texte prévu comme étant la réponse à ce mot. Il s’agit de la technique de traitement du langage la plus basique pour un chatbot : on détermine associe des mots-clés à chaque réponse de sorte que quand le chatbot reconnaît un mot-clé dans un message d’un utilisateur, il lui envoie la réponse correspondante.

 

 

Les intentions

 

Avec la gestion des intentions, le chatbot pourra répondre de manière plus précise à ses utilisateurs. Cette technique permet d’associer une “intention” à une “entité” (un mot-clé) du message de l’utilisateur pour apporter une nuance à la réponse du chatbot.

Par exemple, avec une détection de mots-clés simple, le chatbot enverra toujours le même bloc de texte correspondant au mot “chocolat”, qu’on lui dire “j’aime le chocolat” ou “je n’aime pas le chocolat”. Avec le traitement du langage naturel et la détection des intentions, le chatbot saisira la nuance entre “j’aime” et “je n’aime pas” et il enverra une réponse adaptée.

 

 

Escalade vers l’humain

 

Quand un chatbot ne comprend pas ou ne sait pas répondre à une requête d’un utilisateur, un humain peut prendre le relais pour répondre à celui-ci. C’est ce dont il s’agit lorsque l’on parle d’escalade vers l’humain. Il faut donc prévoir le ou les scénarios qui permettront à un agent humain de prendre la suite de la conversation. Ce peut être un callback, l’envoi d’un e-mail ou bien directement la suite de la conversation dans le bot.

 

 

Saisie Libre

 

Il s’agit du cas où l’utilisateur s’adresse au chatbot en rédigeant sa propre réponse avec ses propres mots sans avoir recours aux boutons.

 

 

Fuzzy Matching

 

Le fuzzy matching ou recherche approximative en français est une technique qui permet au chatbot de reconnaître un mot-clé dans les réponses de ses utilisateurs même si celui-ci contient des fautes d’orthographe ou de frappe et n’est pas correctement orthographié.

 

 

UX Conversationnel

 

Il s’agit de designer l’expérience utilisateur dans le domaine conversationnel c’est-à-dire dans une situation où une marque communique via des messageries avec ses contacts. Dans le cas des chatbots, la conversation doit être optimisée avant tout au niveau des textes mais aussi dans la technique utilisée pour celui-ci. Le chatbot reposant sur des conversations, c’est le périmètre conversationnel qui prime sur la technique. Pour répondre aux besoins et envies de l’utilisateur, une conversation avec un chatbot doit être utile, facile et agréable.

 

 

Intelligence Artificielle

 

Comme l’écrivait Robin Coulet pour Siècle Digital : “Demandez à 10 spécialistes différents, et vous obtiendrez 10 réponses différentes.” Cependant il est communément admis que l’IA consiste à faire faire à une machine des actions que l’homme fait grâce à son intelligence.

C’est le traitement du langage naturel et la gestion des intentions qui représente le début de l’intelligence artificielle dans un chatbot.

 

 

Machine learning

 

Le Machine Learning est l’apprentissage automatique en français. C’est la faculté d’une machine à apprendre d’elle-même pour s’améliorer continuellement. Ces améliorations viennent s’ajouter et enrichir les tâches pour lesquelles l’intelligence artificielle a été programmée. Le machine learning permet aux agents conversationnels de s’éduquer au contact de leurs utilisateurs en apprenant des messages qu’ils lui envoient. Ainsi, le chatbot comprendra de mieux en mieux les messages qui lui sont adressés et répondra de manière de plus en plus juste.

 

 

Deep learning

 

Le deep learning ou “apprentissage profond” en français est une sous-domaine du machine learning. En re-créant un réseau de neurones artificiels similaire à celui du cerveau humain, le deep learning permet à une machine d’apprendre seule sans être supervisée par l’homme.

 

 

Algorithme

 

Un algorithme est une suite de règles et d’opérations permettant de résoudre un problème. En langage de programmation peut être exécutable par un ordinateur. Ainsi, les programmes d’intelligence artificielle s’appuient sur des algorithmes plus ou moins complexes.

 

 

Base de connaissance

 

La base de connaissance est le regroupement de toutes les informations permettant à une intelligence artificielle d’exécuter les actions pour lesquelles elle a été développée.

 

 

Data mining

 

Le data mining est l’extraction d’un savoir ou d’une connaissance à partir de grandes quantités de données. Le data mining procède par des méthodes automatiques ou semi-automatiques.

 

 

 

Nous vous proposons aussi de découvrir le vocabulaire du digital avec nos autres lexiques :

Le lexique du digital #1

Le lexique du digital #2

Le lexique du digital #3

 

Découvrir +
d'articles
+

Vous voulez
en discuter ?

Contactez-nous