Grace à ce nouveau service tout utilisateur d’un boîtier Google Home a la possibilité de solliciter le service client Darty en formulant la commande vocale “OK Google ! Je veux parler à Darty”. L’utilisateur peut ensuite déclarer un problème technique, demander de l’information sur une commande en cours, ou poser une question d’ordre commercial. L’interface Google Home lui permet de qualifier son besoin simplement et permet à Darty de le faire rappeler par le bon interlocuteur.
Pour ce projet, Darty s’appuie sur le Groupe 1000mercis, pionnier français du digital en pointe dans le domaine de la data, qui travaillait depuis plusieurs mois déjà sur les enjeux associés aux environnements conversationnels : textes et voix, impliquant Natural Language Understanding (NLU), Natural Language Processing (NLP), Machine Learning, et traitement de données non structurées. Le Groupe 1000mercis avait déjà travaillé avec le distributeur sur d’autres développements (Bouton connecté Darty, applications iOS/Android de support client en mode visio,...).
Les équipes du Groupe 1000mercis ont collaboré avec les équipes de Darty pour porter avec pertinence sur Google Home les différents cas d’usages identifiés. Le choix technique s’est tourné vers Dialogflow de Google, une interface de NLU/NLP adossée à un socle de Machine Learning. Dialogflow permet d’extraire à partir des demandes exprimées par les utilisateurs des intentions, qui sont ensuite déduites à partir du contexte des échanges et de mots-clés issus de la formulation de leur demande. A partir de ces intentions (ou intents), des actions (ou events) peuvent être déclenchées pour aller chercher des informations utiles à la restitution d’une réponse ou au déclenchement d’un rebond vers un autre canal.
Faciliter la bonne compréhension du contexte lié au besoin
Le Groupe 1000mercis a conçu le script du service, programmé Dialogflow pour faciliter la compréhension des demandes utilisateurs, et développé un service capable de déclencher les actions attendues en retour. Lors de sa première utilisation, un numéro de téléphone est demandé au client qui peut éventuellement accepter sa mémorisation pour simplifier ses utilisations ultérieures.
Le numéro est traité en temps réel pour vérifier sa validité, dans le cas contraire, Google Home demande un numéro de téléphone exploitable. De la même manière, le référentiel des produits de Darty a été exploité de façon à faciliter la bonne compréhension du contexte lié au besoin : Dire “J’ai un problème d’iPhone” ou “Mon Galaxy S8 a un souci” sont deux manières très différentes d’un point de vue technique pour exprimer un besoin similaire nécessitant un rappel par un expert en smartphones.
Pouvoir adresser efficacement 100% des requêtes les plus fréquentes
Qu’il s’agisse de ChatBots ou plus précisément de VoiceBots dans le cas de ce projet, l’écosystème des Bots, supporté par de nombreux acteurs dont les fameux GAFA et autres BATS, n’en demeure pas moins très récent, explique-t-on chez 1000mercis.
L’un des principaux challenges relevé par le groupe a donc été la mise en place d’une approche rationnelle pour identifier et traiter les cas de demandes en échec. Chaque utilisateur ayant ses propres besoins et une manière personnelle de les exprimer, tous les cas de figures ne peuvent raisonnablement pas être anticipés durant les tests préalables à la mise en production d’un service conversationnel : Interfaces conversationnelles et Machine Learning impliquent nécessairement un travail important et régulier de “training” (ou entraînement du Bot).
Cette démarche permet d’accélérer la courbe d’apprentissage du Bot pour l’aider à accentuer sa capacité à faire preuve d’une plus grande acuité dans ses réponses. Un utilisateur dont la demande reste en échec implique de comprendre pourquoi sa formulation a généré une incompréhension. Cette complexité augmente au fur et à mesure que l’audience du service se développe. Dans l’attente de l'émergence d’une IA dite forte, un Bot performant ne se définit pas par une capacité à adresser 100% des demandes même hors sujet des utilisateurs mais par une capacité à adresser efficacement 100% des requêtes les plus fréquentes. Le Groupe 1000mercis a donc mis en place un dispositif visant à simplifier ce travail d’analyse des conversations et de requalification des intentions à y associer.
Marketing plus conversationnel
Pour le Groupe 1000mercis, le Natural Language Processing et le Machine Learning recouvrent plusieurs enjeux majeurs, explique-t-on au sein de la société. Les équipes ont commencé la migration d’interfaces à points d’entrées multiples vers des interfaces à point d’entrée unique (texting), voir totalement effacées (voix). C’est une rupture encore plus significative que celle des interfaces tactiles face aux interfaces cliquables. Elle marque l’entrée dans l’ère d’un marketing plus conversationnel de type bottom-up et qui impacte le modèle de communication top-down traditionnel. Et cette tendance va s’accompagner d’une nouvelle manière d’appréhender la donnée. Historiquement structurée par les interfaces, il va faut désormais capter la donnée non structurée issue du langage naturel et savoir faire levier sur la donnée pertinente.
En savoir plus
