LEBIGDATA.FR I.A, Cloud & Cybersécurité
Salesforce décrit souvent un phénomène gênant : l’« intelligence incohérente ». En gros, certains agents IA brillent sur des tâches complexes, puis trébuchent sur des demandes simples.
Le pire, c’est que ces défaillances surviennent surtout dans les situations nécessitant un raisonnement logique. Et, Silvio Savarese, vice-président exécutif et directeur scientifique de Salesforce Research, insiste sur ce point.
Selon lui, viser 90 % ou 95 % de précision reste insuffisant pour des usages professionnels exigeants. Les entreprises veulent des réponses fiables et stables. Pourtant, les méthodes actuelles, basées sur des volumes gigantesques de textes, atteignent des limites.
Les progrès se réduisent, même en augmentant les données. Salesforce préfère miser donc sur l’apprentissage par l’expérience, qui améliore le comportement à partir de retours concrets. D’où eVerse.
eVerse : pour que les agents IA apprennent à ne pas décrocher
eVerse est une sorte de camp d’entraînement numérique, pensé pour fiabiliser les agents vocaux et textuels avant leur arrivée sur le terrain. Avec cet outil, vous pourrez former les agents en amont, dans un environnement conçu pour simuler les situations réelles.
Cet “environnement” reprendra les codes d’une entreprise réelle basée sur des données synthétiques. Le but, si cela ne vous est pas évident, est de protéger les informations sensibles.
Avec eVerse, vous pouvez tester, analyser, repérer les ratés et ajuster les agents jusqu’à atteindre un niveau cohérent avant leur mise en ligne. Rien n’y est laissé au hasard. Cela préparerait vos modèles à répondre correctement dans des situations variées.
Pour info, Salesforce a déjà utilisé eVerse pour former Agentforce Voice, son agent vocal annoncé en octobre. Ce dernier a été testé dans des milliers de conversations simulées.
L’outil a reproduit des conditions proches des interactions réelles, avec du bruit, des accents, des interférences et des phrases hésitantes. Il y a eu des connexions téléphoniques médiocres, des accents forts et autres.
Cependant, les équipes ont pu corriger les limites, renforcer les bonnes réactions et pousser l’agent vers plus de cohérence dans ses réponses.
Des tests concrets, du vocal jusqu’aux services de santé
UCSF Health, un hôpital californien, a aussi expérimenté eVerse. Ses équipes s’en servent pour entraîner un agent dédié à la facturation des soins. Le secteur regorge de demandes complexes qui demandent souvent l’intervention d’un spécialiste.
L’hôpital gère environ 2,5 millions de consultations externes par an et reçoit près de 9 000 demandes de facturation chaque mois. Les agents humains passent un temps considérable au téléphone. Ce qui ralentit les équipes et crée une charge difficile à maintenir sur la durée.
Avant eVerse, l’agent créé par UCSF pouvait répondre à environ 70 % des demandes en se basant uniquement sur les premières données fournies par les patients. Le reste nécessitait un renvoi vers un agent humain.
Avec eVerse, par contre, les équipes ont pu affiner cet agent. Le moteur Healthcare Learning Engine permet un apprentissage itératif. L’agent couvre désormais 80 % des demandes. Les équipes gagnent du temps. Les patients obtiennent des réponses plus rapides. Et les agents humains se concentrent sur les cas les plus complexes.
Ce projet pilote montre comment une simulation bien conçue peut améliorer l’efficacité d’un système sans compromettre la qualité. eVerse donne un espace contrôlé pour ajuster les agents et réduire les erreurs. UCSF, lui, veut continuer sur cette voie pour alléger les tâches répétitives et accélérer l’accès aux informations. Et vous ?
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
