Lors de la création d’un chatbot, les différentes équipes d’une entreprise doivent apprendre à travailler ensemble, à se coordonner mais surtout à communiquer. La clé d’une bonne communication et d’une bonne entente entre les équipes est d’utiliser un vocabulaire spécifique, adapté aux chatbots et compréhensible par tous. Pour les personnes externes aux domaines d’expertise requis à la création d’un chatbot, les termes utilisés ne sont pas forcément limpides. En effet, parler de « bases de connaissances » ou de « saisie libre » à un utilisateur lambda peut parfois s’apparenter à un langage extraterrestre. Décryptons ensemble quelques termes spécifiques à l’univers des chatbots !

Chatbot

Terme résultant de la combinaison des termes anglais « chat » et « robot », « chatbot » désigne les agents conversationnels. Ces agents conversationnels, aussi appelés « robots conversationnels » et parfois mêmes « assistants virtuels », sont généralement disponibles en ligne sous la forme d’une messagerie instantanée. Au lieu de converser avec un être humain, les utilisateurs s’entretiennent avec des robots dont les réponses ont été préparées par des êtres humains et regroupées dans des bases de connaissances.

Chatbot-as-a-service

Un « Chatbot-as-a-service » est un chatbot proposé en tant que service tel que Hubi. Le chatbot est accompagné d’une plateforme en ligne qui permet aux utilisateurs de construire et de personnaliser le chatbot qui répond le mieux à leurs besoins. Le plus gros avantage des chatbot-as-a-service est qu’ils ne requirent aucune connaissance en programmation : il n’est pas nécessaire de coder car la plateforme permet de gérer, déployer et personnaliser le chatbot sur une interface simple et intuitive.

Moteur

Le moteur d’un chatbot est ce qui permet au chatbot de répondre aux utilisateurs. Ce « moteur » est en réalité un algorithme, c’est-à-dire un programme informatique constitué d’ensembles de règles mathématiques et linguistiques. La plupart des chatbots actuels combinent des briques de « machine learning » ou de « deep learning » aux briques de Natural Language Processing (NLP) et/ou de Naturel Language Understanding (NLU) qui permettent de traiter les messages saisis par les utilisateurs. Les règles mathématiques, quant à elles, permettent de traiter les réponses des utilisateurs en suivant un raisonnement spécifique qui pourrait être celui d’un scénario. Les moteurs des chatbots sont donc tous différents puisque chaque association de divers outils informatiques et de règles linguistiques, de NLP et/ou de NLU est unique.
Pour en savoir plus sur les briques de NLP et de NLU, consultez Comment choisir entre NLP et NLU pour un chatbot ?

Scénarios

Les scénarios sont une organisation hiérarchique dont la représentation graphique rappelle celle d’un arbre et de ses branches. La succession des différentes branches d’un scénario est assimilée aux divers cheminements qu’une conversation peut prendre. Les scénarios couvrent toutes les tournures possibles d’une conversation dont les réponses sont uniquement des « quick replies ». Les scénarios sont une série de questions et de « quick replies » qui permettent de réaliser un processus de manière automatique. Si vous êtes familier avec le concept de « workflow », le fonctionnement des scénarios est similaire à celui d’un workflow.

« Machine learning » et « deep learning »

Le « machine learning » ou « apprentissage automatique » en français est une technique propre à l’intelligence artificielle qui permet aux machines/ordinateurs d’apprendre grâces à des méthodes mathématiques et statistiques sur la base de règles prédéterminées par l’homme. Pour ce faire, les machines ont besoin de traiter d’immenses quantités de données.

Le « deep learning » ou « apprentissage profond » en français est une sous-branche de l’apprentissage automatique, plus poussée, qui permet aux machines d’apprendre par elles-mêmes sans règles prédéterminées par les humains. Tout comme pour le « machine learning », le « deep learning » nécessite d’immenses quantités de données sur lesquelles la machine basera tout son apprentissage.

Base de connaissances

Une base de connaissances ou base de données est comme une grande bibliothèque qui regroupe toutes les réponses possibles d’un chatbot à une multitude de questions. Toutes les questions pointant vers la même réponse sont appelées « questions alternatives » et sont associées à une seule réponse. Généralement, une base de connaissances ressemble à un FAQ et traite d’un domaine ou d’une thématique en particulier. Les questions et les réponses contenues dans une base de connaissances ont été préparées par des humains.

Questions ouvertes et questions fermées

Les questions ouvertes sont des questions auxquelles les utilisateurs peuvent répondre librement. Contrairement aux questions fermées, il n’est pas possible de répondre à une question ouverte par « oui » ou par « non », par « vrai » ou par « faux ». Les questions fermées correspondent également aux questions dont les réponses sont des « réponses rapides », à savoir les réponses par boutons.

« Quick replies »

Les « quick replies » ou « réponses rapides » se traduisent par des réponses proposées par le chatbot sous la forme de boutons. L’utilisateur n’a donc pas d’autre choix que de choisir parmi les réponses proposées par le bot et de cliquer sur l’un des boutons s’il souhaite poursuivre la conversation.

« Richcards »

Les cartes adaptatives ou « richcards » sont un autre format de réponses possible dans un chatbot. Les richcards sont un formattage du texte sous la forme d’une carte qui peuvent être accompagnées de médias tel que des images, gifs ou vidéos, des liens, etc.

Enoncé

Un énoncé correspond au message rédigé librement par un utilisateur pour répondre ou questionner un chatbot. Il s’agit d’une saisie libre qui, contrairement aux « quick replies », fait appel aux briques de NLP et/ou de NLU du moteur du chatbot pour traiter les informations en langage naturel contenues dans le message de l’utilisateur. Les énoncés contiennent des éléments forts que l’on appelle « intention » et « entités ».

Intention et entité

L’intention et les entités sont les éléments forts contenus dans l’énoncé d’un utilisateur et font appel aux techniques de NLP et de NLU pour être traités et compris par la machine. L’intention correspond au sens global de l’énoncé, par exemple à l’action que souhaite effectuer l’utilisateur. Les entités sont les autres éléments forts contenus dans l’énoncé, plus spécifique. Pour en savoir plus, n’hésitez pas à lire les articles suivants : Le défi des entités nommées et Comment choisir entre NLP et NLU pour un chatbot ?

Module

Un module est un conteneur auquel sont associés une ou plusieurs bases de connaissances et/ou scénarios. Les modules permettent au chatbot d’accéder aux informations contenues dans les bases de connaissances et/ou scénarios qui lui sont connectés. Les modules permettent donc de déployer les connaissances d’un bot sur différents canaux.

Canal

Un canal peut référer à toutes les applications et tous les sites sur lesquels un utilisateur peut déployer ou connecter le chatbot. Il peut s’agir d’un site SharePoint ou d’un canal de conversation Microsoft Teams par exemple.

Et pour Hubi?

Hubi est un chatbot-as-a-service qui combine du « machine learning » et des briques de NLP et de NLU. Notre chatbot est actuellement disponible sur les canaux SharePoint et Microsoft Teams. Grâce à l’amélioration continue, les équipes Hubi.ai perfectionnent les scénarios d’automatisation de Hubi ainsi que ses nombreuses bases de connaissances pour vous offrir la meilleure expérience chatbot.

Camille est linguiste informaticienne de formation. Suite à deux expériences dans des start-ups parisiennes sur la reconnaissance d’entités nommées et les callbots, elle a récemment intégré l’équipe Hubi.ai chez Hub Collab en tant que scénariste chatbot.