LEBIGDATA.FR I.A, Cloud & Cybersécurité
Chatbot et Big Data sont deux technologies de pointe inextricablement liées. Découvrez comment les agents conversationnels collectent, analysent et exploitent les mégadonnées.
Vous les voyez sur de plus en plus de sites web et de réseaux sociaux. Sous forme d'avatars animés ou de simples boîtes de dialogues, les chatbots sont partout sur internet. Ils sont capables de répondre aux questions, de vous aider à résoudre un problème technique, à commander un produit ou à vous diriger vers le service adapté à vos besoins.
Chabot définition
C'est également sur cette technologie que reposent les assistants virtuels comme Siri, Google Assistant et Microsoft Cortana. Pour de nombreux experts, les chatbots sont même voués à remplacer totalement les applications mobiles.
Le premier chatbot, Eliza, fut créé par le MIT dans les années 1960. Si les agents conversationnels connaissent aujourd'hui un essor fulgurant, c'est grâce aux nombreuses avancées technologiques qui ont lieu ces dernières années.
L'augmentation de puissance de calcul, les progrès réalisés dans le domaine de l'intelligence artificielle, de l'analyse du langage, et du Machine Learning, font partie des innovations qui ont permis aux chatbots de devenir plus performants. Cependant, ces robots dédiés à la communication naturelle sont également étroitement liés au Big Data. Découvrez les liens qui unissent les chatbots aux mégadonnées.
Chatbot et Big Data : comment les agents conversationnels collectent les mégadonnées
Le rôle premier d'un chatbot est de répondre à la requête d'un client. Cependant, les interactions avec les utilisateurs sont également des sources de données que le chatbot collecte et stocke dans une base de données.
Rappelons que les mégadonnées ou Big Data se définissent par trois caractéristiques, les 3V : volume, vélocité et variété. Or, les données générées par les conversations entre chatbot et internaute remplissent ces trois conditions.
En termes de volume, le chatbot Nina de la Bank of Sweden tient par exemple 30 000 conversations par mois. Ces agents robots traitent à une vitesse extrême les éléments. Enfin, les utilisateurs utilisent une grande variétés de termes et s'intéressent à de nombreux thèmes de recherche.
Chatbot et Big Data : comment les agents conversationnels analysent les mégadonnées
Le fonctionnement des chatbots repose sur l'analyse de données. Ainsi, lorsqu'un internaute lui envoie un message, le chatbot ne comprend pas véritablement ce qu'il lui dit ou lui demande de la même manière qu'un humain.
Pour comprendre une requête, le chatbot utilise la reconnaissance de patterns. Il va reconnaître certains termes ou groupes de mots afin de délivrer une réponse associée à ces termes.
Les agents conversationnels les plus avancés sont également en mesure d'analyser la façon de parler d'un utilisateur et d'y associer un sentiment. Il s'agit de la technique de » l'analyse de sentiment « . Ceci permet par exemple aux entreprises de détecter rapidement la frustration d'un client afin de résoudre ses problèmes en priorité et d'améliorer le support client.
Chatbot et Big Data : comment les entreprises exploitent les données des chatbots
Il y a encore peu de temps, les principales sources de données client exploitables par les entreprises pour le marketing personnalisé étaient les e-mails ou les interactions sur les réseaux sociaux. Aujourd'hui toutefois, les données collectées et analysées par les chatbots sont d'une grande valeur pour les entreprises.
Grâce au traitement naturel du langage et à l'analyse démographique, ces données peuvent par exemple permettre de détecter des tendances et d'élaborer des messages personnalisés employant le même langage que la cible.
Il est aussi possible d'analyser la fréquence de certains problèmes signalés au service client afin de déterminer quels sont les produits et services qui posent le plus de soucis. Les mesures adéquates peuvent ainsi être prises.
En outre, ces données peuvent aussi être exploitées pour créer un moteur de recommandation. Il s'agit là de combiner les données collectées par le chatbot avec la technique de l'analyse prédictive afin de proposer à chaque client des produits et services qui répondent à ses besoins. De manière générale, les chatbots permettent d'améliorer l'expérience client.
Chatbot Messenger
Les chatbots peuvent aussi être utilisés pour communiquer avec les clients via les applications mobiles et notamment les applications de messagerie. Par exemple, lors de sa conférence développeur F8 2016, Facebook a lancé la prise en charge des chat bots pour sa plateforme Messenger. D'autres applications de messagerie comme Telegram et Slack sont également compatibles avec les chatbots.
Ceci permet aux entreprises de simplifier la communication avec leurs clients en étant accessibles sur une messagerie qu'ils utilisent au quotidien. La relation client s'en trouve améliorée et renforcée. En mai 2018, Facebook a révélé qu'on compte désormais 300 000 chatbots actifs sur sa plateforme Messenger et que 8 milliards de messages ont été échangés entre les entreprises et leurs clients.
Beaucoup d'entreprises de renom utilisent les chatbots Facebook Messenger. C'est par exemple le cas de Whole Foods, Sephora, Wall Street Journal, Pizza Hut, Mastercard, Lyft, Spotify ou encore Skyscanner.
D'autres mettent en place des solutions développées par des startups. Illuin Technology fournit à ChronoPost son chatbot qui automatise les réponses. Il effectue 12 000 messages par jour. Cet agent conversationnel nommé Leonard répond à l'explosion des commandes de colis. En effet, le succès du e-commerce multiplie les interrogations auprès du SAV. Selon l'Usine Digitale, Leonard a engagé 5 millions de conversations en 10 mois.
Chatbot et Big Data : comment les chatbots s'améliorent grâce aux données qu'ils collectent
Les chatbots eux-mêmes peuvent être améliorés grâce aux données qu'ils collectent. Ces données peuvent être utilisées pour nourrir de nouveau les algorithmes de deep learning sur lesquels reposent les chatbots afin d'augmenter leur intelligence.
Par exemple, en passant en revue les questions auxquelles un chatbot n'a pas su répondre et les mots utilisés par le client, les développeurs peuvent assigner de nouvelles réponses à ces requêtes.
De même, à mesure que le chatbot tente d'assigner des sentiments aux mots d'un utilisateur, ses capacités d'analyse de sentiment s'améliorent. Il devient par extension capable de collecter encore plus de données. Ce cycle vertueux est rendu possible par le Machine Learning et le Big Data.
Vous l'aurez compris, le Big Data est au coeur du fonctionnement chatbots et les chatbots eux-mêmes génèrent de précieuses données. Au fil des années à venir, les agents conversationnels vont continuer à s'améliorer jusqu'à ce qu'il soit impossible de les différencier d'un interlocuteur humain. On peut donc s'attendre à ce qu'ils s'étendent à davantage de secteurs d'application.
Comment créer un chatbot grâce au Big Data ?
En réalité, le fonctionnement même des chatbots repose sur le Big Data. En effet, un chatbot est créé est entraîné à partir d'ensembles de données.
La méthode de prise en charge des données dépend du type de chatbot. Par exemple, un robot scripté ne peut offrir qu'un ensemble limité de fonctions et ne peut prendre en charge que certaines questions précises.
En revanche, grâce au Machine Learning, les chatbots peuvent acquérir des connaissances et des facultés de compréhensions supérieures en examinant des exemples de conversations passées. Les chatbots les plus avancés peuvent même observer des conversations en direct pour acquérir de nouvelles connaissances.
Comment fonctionne un Chatbot ?
Les données nécessaires à leur fonctionnement peuvent provenir de différentes sources. Il peut s'agir de requêtes adressées au service client, d'informations stockées sur la page FAQ de l'entreprise, de logs d'appels, ou encore d'ensembles de données ouvertes mis à disposition par les gouvernements ou par d'autres organisations.
Les données sont ensuite converties dans une forme structurée à partir de laquelle les chatbots peuvent à prendre. Il est possible de développer le chatbot à l'aide d'un arbre de décision, mais il sera bien plus simple et efficace d'utiliser les technologies de traitement naturel du langage (NLP), de compréhension naturelle du langage (NLU) et de Machine Learning.
Il suffit alors de fournir des ensembles de données aux robots pour leur permettre de s'entraîner avant d'être déployés en situation réelle. Par exemple, le NLP peut employer une approche déclarative pour permettre aux chatbots de reconnaître les intentions et les entités. De grandes quantités de phrases d'exemple seront alors utilisées pour indiquer au robot quels termes sont importants dans une conversation et ce que souhaite l'utilisateur.
Par la suite, une fois le chatbot déployé, il sera possible d'analyser les conversions pour détecter les phrases qu'il a du mal à analyser. On pourra alors opter pour une approche de Machine Learning » supervisé « , consistant à ajouter manuellement de nouvelles phrases d'exemple pour aider le chatbot à améliorer ses principaux points faibles.
Facebook et les chercheurs de Stanford créent un chatbot capable d'apprendre de ses erreurs
Dans un article publié en janvier 2019 sur Arxiv.org, intitulé » Learning from Dialogue after Deployment: Feed Yourself, Chatbot! “, les scientifiques de Facebook AI Research et de la Stanford University décrivent un chatbot capable de s'améliorer de façon autonome via l'extraction de données à partir de ses conversations.
Ainsi, quand une conversation se déroule bien, les réponses de l'utilisateur deviennent de nouveaux exemples d'entraînement à imiter. Au contraire, quand l'agent pense avoir fait une erreur, il demande un feedback. En apprenant à prédire le feedback, le chatbot améliore ses capacités de dialogue.
Le chatbot s'entraîne en utilisant uniquement des réponses naturelles qui ne requièrent ni structure particulière ni intervention humaine. L'IA pourra donc s'adapter en continu sans même avoir besoin d'une survision humaine.
Le problème de l'apprentissage non supervisé
Seul bémol : en laissant le chatbot s'entraîner seul, il est possible qu'il renforce ses erreurs. Ceci pourrait mener à des conversations absurdes. Pour remédier à ce problème, les chercheurs ont imaginé un système. Il permet de collecter un ensemble de données mesurant la satisfaction des interlocuteurs.
Pour élaborer cet ensemble de données, les chercheurs ont demandé à des contractuels de discuter avec l'agent IA et de lui assigner une note comprise entre 1 et 5 pour la qualité de chacune de ses réponses. Cette note sert à apprendre au chatbot à prédire si les réponses humaines sont » satisfaites » ou » insatisfaites » par ses interventions.
En échangeant avec les humains, le chatbot peut s'entraîner à la fois sur le dialogue (ce qu'il va dire ensuite) et le feedback (la cohérence de ses réponses). Il génère ses réponses en fonction des précédents échanges. Si le niveau de satisfaction de l'interlocuteur atteint un certain seuil, il extrait des données d'entraînement. Si le niveau est trop bas, le robot demande un feedback et utilise la réponse pour créer un nouveau exemple de prédiction de feedback.
Transformer, un agent conversationnel pour la satisfaction client
Au total, au cours de cette recherche, les scientifiques ont nourri le chatbot basé sur l'architecture neuronale Transformer avec 131 428 exemples de dialogues entre humains en provenance de l'ensemble de données PersonaChat. Ces exemples ont permis à l'agent d'augmenter sa précision à hauteur de 31%. Sa capacité à prédire la satisfaction de l'interlocuteur a aussi beaucoup augmenté , même en utilisant seulement 1000 exemples.
Cette expérience démontre qu'il est possible d'améliorer les capacités de dialogue d'une IA en lui faisant imiter les réponses humaines lorsque l'interlocuteur est satisfait, ou en demandant un feedback lorsqu'il ne l'est pas. En outre, elle démontre que la classification de la satisfaction de l'utilisateur est une tâche qu'il est important d'apprendre pour le processus de » self-feeding « .
Peut-être que cette étude permettra de rendre les chatbots du futur plus doués pour la conversation. En attendant, les ensembles de données, modèles et code d'entraînement décrits dans cette recherche se trouvent sur la plateforme ParlAI de Facebook.
Top des meilleures plateformes pour créer un chatbot
Le Machine Learning est une technologie complexe. Ce n'est pas rédhibitoire. Sachez qu'il existe de nombreux outils permettant de créer des chatbots sans connaissances techniques en la matière. Chacune de ces plateformes adopte une approche différente, mais toutes permettent de créer de puissants chatbots de manière intuitive et rapide. Si vous souhaitez créer un agent conversationnel pour votre entreprise, nous vous recommandons d'utiliser l'un de ces outils.
Chatfuel
Avec Chatfuel, vous pourrez créer facilement un chatbot pour Faebook Messenger. Vous n'aurez pas besoin de savoir coder pour l'utiliser. Les fonctionnalités de gestion et de réutilisation des messages sont également au point.
De plus, la version gratuite permet d'accéder à presque toutes les fonctionnalités avec une limite de 5000 utilisateurs. Toutefois, les utilisateurs verront le logo Chatfuel. L'on accède à la version payante à partir de 15 dollars par mois. Elle offre davantage d'insights, une service client prioritaire et des fonctionnalités additionnelles de gestion des données.
ManyChat
ManyChat est l'un des principaux concurrents de Chatfuel. Les deux plateformes ont d'ailleurs de nombreux points communs. Là encore, vous n'aurez pas besoin de compétences en code informatique pour l'utiliser. D'ailleurs, ManyChat est plus facile à utiliser que Chatfuel.
Cependant, on déplore l'absence de certaines fonctionnalités de gestion des messages. De plus, la version gratuite s'avère très limitée puisque vous ne pourrez avoir que 500 utilisateurs. La version payante se trouve à partir de 15 dollars par mois pour 1000 utilisateurs, et 45 dollars par mois pour 5000 utilisateurs. En termes de fonctionnalités de gestion et d'analyse de données, et de création d'expérience personnalisées, ManyChat est largement supérieur à Chatfuel.
Flow XO
Floz XO permet de créer des chatbots, de les héberger et de les déployer sur un grand nombre de plateformes. Ainsi, ce logiciel ne se limite pas à Facebook Messenger. Il est même possible de créer des widgets de chatbots pour un site web ou pour les intégrer à des plateformes tierces adaptées. Les utilisateurs peuvent aussi partager vos bots.
L'interface est très simple d'utilisation. La version d'essai gratuite permet de découvrir toutes les fonctionnalités, dans une limite de 500 interactions. La version payante coûte 19 dollars par mois pour 5000 interactions, et 25 dollars par mois pour 30 000 interactions.
Botsify
https://www.youtube.com/watch?v=Y7JqZNH6xm4
Botsify permet de créer facilement des chatbots pour un site web ou pour Facebook Messenger. On retrouve par ailleurs des fonctionnalités d'intégration très pratiques qui le distinguent de la concurrence.
Par exemple, il est possible d'intégrer les chatbots Botsify avec Shopitfy, WordPress ou Alexa. Une fonctionnalité permet aussi à un employé humain de se joindre à une conversation en cas de besoin. Vous pouvez essayer gratuitement Botsify, ou opter pour la version payante qui débute à partir de 10 dollars par mois.
ChatterOn : une réponse à la question comment faire un chatbot
ChatterOn se présente comme le » bot builder » le plus rapide du marché, et permet de créer des chatbots en moins de cinq minutes. Pour commencer, l'éditeur propose 20 bots préfabriqués. Il est ensuite possible d'en choisir un et de le personnaliser à l'aide d'une interface très simple.
Il est possible d'intégrer des carrousels, des boutons, des photos, des gifs et des vidéos au chatbots. De plus, des publicités contextuelles proposées par Radbots permettent de monétiser les chatbots. Dans sa version gratuite, la plateforme limite l'envoi à 15 000 messages par mois. Par la suite, chaque message coûte 0,0010 dollar.
Il existe un grand nombre d'autres plateformes de création de chatbots. On peut notamment citer Pandorabots, Sequel, TARS, Wit.ai, ou encore Botkit. Toutes ces plateformes vous permettront de profiter de la technologie chatbots sans avoir besoin de compétences en programmation. Choisissez celle dont les fonctionnalités et l'interface correspondent à vos besoins et à vos préférences.
Crisp chat
Crisp permet de créer un chatbot, mais il peut être bien plus que cela. Cette plateforme de messagerie partagée offre également un service client qui centralise l'ensemble des canaux de communication. Et pour utiliser ce logiciel, vous n'avez besoin d'aucune compétence technique particulière.
Création d'un chatbot
Crisp est un support client avec un système de live chat et de boîte de réception partagée. Il peut centraliser plusieurs canaux de communications, notamment Facebook, Messenger, WhatsApp, Telegram ainsi que les applications SMS et e-mail. Le logiciel automatise l'organisation de vos messages dans une même interface. Il favorise ainsi la collaboration interne en facilitant la communication. Grâce à cette plateforme de chat, il suffit de mentionner un collaborateur pour diriger votre message vers le département concerné.
Par ailleurs, ce CRM (Customer Relationship Management) est doté de fonctionnalités qui facilitent l'exécution de certaines tâches. Les scénarios personnalisables permettent d'obtenir les meilleurs prospects. Vous pouvez également personnaliser un chatbot multi-canal pour chaque client potentiel. Cela améliore la gestion automatique des réponses, et vous donne un accès à leurs données.
Le support client Crisp est parfaitement adapté autant pour les petites que les moyennes et grandes entreprises. Du site de vente en ligne d'un magasin au service client d'une multinationale, cette offre conviendra.
Expérience pratique et facile
Pour utiliser Crisp, aucune compétence technique n'est requise. En effet, c'est une plateforme no-code, ce qui veut dire que pour créer un chatbot, vous n'avez pas besoin d'écrire une ligne de code informatique. De cette manière, il est plus facile pour l'entreprise d'en tirer parti.
L'utilisation de Crisp permet aussi de créer une base de connaissances qui servira ensuite à améliorer ses performances. Les chatbots reçoivent des informations pour l'envoyer dans le support client. Grâce aux requêtes déjà enregistrées et au comportement des utilisateurs, les réponses seront générées automatiquement. Pareillement, le logiciel lié au chatbot permet de répondre aux questions et aux commandes récurrentes.
Chatbot et sécurité : cela ne va pas de soi
Tout comme le reste de l'infrastructure d'une entreprise, les chatbots doivent être sécurisés. Pour cela, il faut s'assurer que les scripts sont correctement déployés et que les données qu'ils traitent sont chiffrés. Mettre en place des authentifications multi-facteurs permet de réduire le facteur de risque. Un hacker aura plus de mal à se faire passer pour un utilisateur et ainsi voler des données. Par ailleurs, ce cryptage peut passer par du hashing des informations. Ensuite, elles sont stockées dans divers endroits de la société afin d'éviter d'avoir à mettre »toutes ses billes dans le même panier ».
L'on peut déjà citer plusieurs cas de piratage de Chatbot. TicketMaster en a fait les frais en 2018 après un mauvais déploiement du produit de MageCart au Royaume-Uni. Résultat, les pirates ont volé 40 000 cartes de crédit de clients internationaux.
Un an avant, un hacker avait piraté le site de Delta, une compagnie aérienne américaine. Elle avait installé le chatbot de l'éditeur [24]7 dont les ordinateurs avaient été infiltrés. Pendant 15 jours, le cybercriminel pouvait consulter les adresses, les noms, et les informations bancaires de 825 000 clients aux Etats-Unis. Les mots de passe utilisés pour protéger ces machines s'avéraient trop faibles. Delta poursuit maintenant en justice son prestataire. Comme quoi, il convient de sécuriser l'ensemble de la chaîne pour éviter ce type d'événement.
Les Français n'ont pas confiance dans les agents conversationnels
Truspilot a mené une étude auprès de 1800 personnes représentatives de la population française. Résultat, 57,6 % des sondés ne font pas confiance aux chatbots. Près de 20 % d'entre eux arrêtent tout projet d'achat en ligne quand ils doivent passer par un agent conversationnel. Par ailleurs, un client sur trois n'est pas satisfait de ses échanges avec un tel outil. Pour 53,6 % d'entre eux l'absence de facteurs humains est rédhibitoire. Enfin, 57 % des répondants craignent que ces robots remplacent les humains.
Or, selon Gartner 25 % des services clients utiliseront des chatbots en 2020. En France, l'on préfère se faire aider par un humain, que ce soit au téléphone ou devant un ordinateur. L'adoption sera sans doute plus longue dans ce pays. Pour favoriser l'avènement de cette technologie, les fournisseurs doivent améliorer la qualité des réponses.
- Partager l'article :
