Point de vue d’expert sur l’essor des bots conversationnels : Interview de Jean-Paul Muller - Directeur de "La Forge" chez GFI Informatique

L’interview de Jean-Paul Muller, directeur de “La Forge” au sein du pôle Innovation de GFI Informatique, m’a permis de bien appréhender les raisons de ce “buzzword” autour des bots conversationnels. Expert dans le domaine des chatbots et des services cognitifs, il est au coeur des problématiques client et des innovations liées aux bots conversationnels par le biais du Fablab crée par GFI Informatique.

Le FabLab est un espace de travail dédié à l’innovation et à l’accompagnement sur-mesure des entreprises dans leur transformation digitale. Les participants transforment, en une journée de workshops collaboratifs, leurs idées en réalité expérimentale.

La Forge est l’endroit où l’on donne vie à toutes ces idées et expérimentations pour les déployer dans la vraie vie chez les clients.

Cet article va vous permettre de comprendre pourquoi cet engouement pour les bots conversationnels n’est pas prêt de s’arrêter. Bien au contraire, les perspectives de développement, notamment dans la relation client et l’e-commerce, sont illimitées grâce au progrès de l’intelligence artificielle, malgré les quelques freins à l’adoption des robots dûs à la peur de l’inconnu.

1> Pourquoi les bots conversationnels (chatbot – voicebot) connaissent un tel engouement aujourd’hui ?

“Nous sommes dans un monde où l’information doit être consommée dans l’instant et facilement accessible de n’importe où et n’importe quand. Pour répondre à ces nouveaux usages, le bot conversationnel est devenu naturellement le moyen le plus adapté à ces nouveaux enjeux, en raison de la conjonction de 3 facteurs : l’usage massif des smartphones et particulièrement des applications de messageries instantanées, des technologies d’intelligence artificielle devenues fiables et accessibles pour les entreprises, et des utilisateurs prêts à discuter avec des robots.” précise Jean-Paul Muller.

Je détailles ci-dessous les 3 facteurs qui ont favorisé cet engouement de fond pour les bots conversationnels dans le monde.

a. Le dépassement des usages sur messagerie instantanée versus les réseaux sociaux

En 2016, pour la première fois en France, le nombre d’utilisateurs qui consomme l’internet mobile via un smartphone (24,3 millions d’utilisateurs) a dépassé le nombre d’utilisateurs d’internet via un ordinateur (23,8 millions).

Cette tendance de fond d’usage mobile a été fortement corrélée à l’explosion des échanges sur les réseaux sociaux et les plateformes de messagerie instantanée. En effet, la très grande majorité de la consommation des réseaux sociaux se fait via un smartphone et le médium naturel pour discuter avec ses amis est également le smartphone.

Le développement de contenus et de formats de messages adaptés au device mobile (photos, vidéos, gifs, emojis, etc…), qui est en constante amélioration (par exemple la réalité augmentée, le vocal), a permis d’améliorer considérablement l’expérience conversationnelle sur les réseaux sociaux et les applications de messageries.

En 2018, on constate la prédominance des applications de messagerie instantanée chez les possesseurs de smartphone dans le monde : parmi les 10 applications les plus téléchargées, on retrouve 5 applications de messagerie instantanée (whatsapp, messenger, wechat, snapchat et QQ)¹.

Le top 10 des applications les plus téléchargées dans le monde – Q1 2018 – sensorTower

En 2015, pour la première fois dans l’histoire des réseaux sociaux, le nombre d’utilisateurs mensuels actifs des 4 applications principales de messagerie instantanée (whatsapp, messenger, wechat et viber) dépasse le nombre d’utilisateurs mensuels actifs des 4 principaux réseaux sociaux, pour atteindre en 2018, environ 4,5 milliards d’utilisateurs actifs par mois², et pas moins de 60 milliards de messages échangés par jour sur Whatsapp et Facebook Messenger dans le monde.

messaging-apps-have-surpassed-social-media-apps

Nombre d’utilisateurs actifs mensuels des 4 plateforme de messagerie instantanée dépasse celui des 4 principaux réseaux sociaux dans le monde – Bi Intelligence avril 2018

Face à ces chiffres ahurissants sur l’usage massif des messageries instantanés, les marques ont compris la formidable opportunité de pouvoir toucher cette audience gigantesque en intégrant à leur stratégie digitale ce nouveau format d’échange naturel qu’est la conversation libre.

Les bots conversationnels peuvent ainsi jouer un rôle primordial pour assurer une omniprésence dans ce nouveau canal d’échange entre la marque et le consommateur, en répondant à toutes leurs sollicitations à n’importe quel moment, ce qui a pour effet positif d’améliorer l’expérience utilisateur et le niveau de satisfaction client.

Si les usages conversationnels mobiles actuels et les stratégies de contenus rendent possible l’émergence des chatbots ou voicebots, leur adoption pérenne passe nécessairement par une maturité accrue des technologies associées, telles que l’intelligence artificielle.

b. Des technologies conversationnelles avec de l’intelligence artificielle devenues suffisamment fiables et accessibles pour les entreprises.

Ces dernières années, les solutions liées à l’intelligence artificielle (IA) et à la gestion des grandes quantités de données (big data) ont significativement évoluées pour permettre la mise en place d’une expérience conversationnelle automatisée plus qualitative (reconnaissance vocale, analyse sémantique, pertinence de la réponse, synthèse vocale, etc.) et plus Intégrée (connexion au SI, au CRM de l’entreprise).

Jusqu’alors limité à de la détection de mots-clés et à de la construction d’arbres de décision, le traitement automatique du langage naturel s’est perfectionné ces dernières années pour reconnaître le sens de phrases complexes en se basant sur l’analyse des intentions, voire même reconnaître le sentiment derrière l’utilisation d’une série de mots ou de phrases.

Avec ses déclinaisons que sont la compréhension (NLU – Natural Language Understanding) et la génération (NLG – Natural Language Generation) du langage naturel, Le NLP (Natural Language Processing) constitue le coeur d’une expérience conversationnelle avancée réussie.

Le NLP concerne également les technologies de synthèse vocale (text-to-speech et speech-to-text) qui permet d’enrichir l’expérience vocale en dotant les assistants vocaux de fonctions intelligentes telles que la reconnaissance et identification de personnes en fonction de la voix. Il est ainsi possible de configurer plusieurs profils utilisateurs et personnaliser en conséquence leur usage et humaniser les échanges grâce à des capacités de diction et d’intonation de plus en plus naturelle.

En 2017, l’IA de Microsoft a passé avec succès le test de reconnaissance vocale “switchboard” (test de retranscription d’un discours oral) en faisant mieux que l’être humain. l’IA a eu un taux d’erreur par mot de 5,1% versus 5,9% pour l’humain³.

L’intelligence artificielle commence actuellement à être suffisamment fiable pour obtenir des expériences conversationnelles satisfaisantes.

Ces progrès de l’IA doivent être corrélés directement avec le développement et les innovations sur le traitement de gros jeux de données (Big Data) et sur l’apprentissage des robots (Machine Learning).

En effet, la puissance de calcul et de stockage proposée par les solutions CLOUD fournit rapidement et simplement aux entreprises la capacité de stocker et de traiter des ﬂux très importants de données, qu’elles soient structurées ou non structurées.

Cette masse gigantesque de données est la matière première indispensable dont se nourrit l’IA pour apprendre à traiter le maximum de cas d’usage par le biais du “machine learning”.

Toutefois, l’auto apprentissage par la machine sans supervision par l’humain n’est pas encore prêt à être généralisé dans les bots conversationnels, pour éviter les éventuels dérives incontrôlés, comme par exemple l’IA de microsoft TAY qui a eu des propos racistes en à peine une journée d’analyse des posts sur twitter.

Pour le moment, la grande majorité des bots fonctionnent avec une IA supervisée par l’homme qui est configurée et entrainée pour apporter les meilleures réponses au client de la manière la plus humaine possible , et ce pour chaque cas d’usage rencontré.

c. Des utilisateurs prêts à discuter avec des bots

En avril 2016, Facebook a véritablement ouvert une voie royale pour l’adoption et l’utilisation massive des chatbots en permettant à toutes les entreprises de créer leur propre bot conversationnel sur la plateforme messenger en mode API.

En à peine 2 ans d’existence, environ 300 000 bots ont été lancés sur Facebook Messenger⁴, ce qui confirme de façon certaine la curiosité des internautes et l’engouement durable pour ces bots qui rendent de nombreux services immédiatement, à n’importe quelle heure du jour et de la nuit sans jamais se plaindre.

En 2017, 26% des français ont déjà dialogué avec un bot et 56% estiment que ces derniers vont contribuer à simpliﬁer la vie des utilisateurs⁵.

« Aux Etats-Unis, près d’une personne sur deux est prête à discuter avec un chatbot plutôt qu’un conseiller humain si l’expérience est au rendez-vous.⁶ »

Selon l’ enquête Statista 2017 dans le monde , 34% des personnes interrogées ont déclaré préférer répondre aux questions de l’IA via un chatbot ou un assistant virtuel en matière de commerce électronique.

statista usage des bots conversationnels par secteur d'activité dans le monde

Statista 2017 – usage des bots conversationnels par secteur d’activité dans le monde

Ces solutions conversationnelles, plus adaptées aux besoins et usages des consommateurs, pourraient progressivement remplacer les applications mobiles, 80% d’entre elles pourraient ainsi être amenées à disparaître au cours des cinq prochaines années.

D’après une étude de BI Intelligence en 2016, les utilisateurs d’applications de messagerie instantanée sont véritablement prêt à communiquer avec les marques à travers ce canal de contact pour 3 raisons principales :

la rapidité pour 53% des utilisateurs
la praticité pour 45%
l’historisation des conversations pour 36%

BIIntelligence2016-motifs-interaction-avec-bot

Les motifs d’intéraction avec la marque en discussion instantanée via chat en Allemagne et aux Etats-)Unis – Bi Intelligence 2016

En France, 51% des d’utilisateurs d’apps de messagerie ont déjà interagi avec des marques ou seraient prêts à le faire, ce qui signifie que les utilisateurs préfèrent ce canal de contact pour interagir avec les marques, qu’il s’agisse indifféremment d’une interaction avec un humain ou un bot.

De son Côté, Gartner prédit que 25% des opérations de relation client utiliseront des bots conversationnels d’ici à 2020, contre moins de deux pour cent en 2017⁷.

Les consommateurs français veulent discuter avec les marques principalement de 2 types de problématiques :

de service client (60% veulent poser des questions)
d’achat (48% veulent avoir des offres promotionnelles ou exclusives). (source : kenshoo survey)

Les entreprises ont donc tout intérêt d’intégrer les bots dans leur stratégie commerciale et relationnelle aﬁn de renforcer les dispositifs traditionnels d’interactions avec la marque tout en économisant les coûts liés au service client.

Une étude montre que 80% des marques en France auront ainsi recours aux bots pour leurs interactions client d’ici 2020⁷ et une estimation indique que d’ici 2022, 8 milliards de dollars seront économisés chaque année pour les services de gestion de la relation client grâce à l’utilisation des bots⁸.

2> Quels pourraient être les freins au développement des bots conversationnels en France ?

“Je vois principalement 2 freins à leur développement en France : un taux de pénétration relativement faible des entreprises françaises à utiliser les services CLOUD et la réserve des français vis à vis de l’utilisation de l’intelligence artificielle” répond Jean-Paul Muller.

Malgré les investissements massifs des grandes entreprises françaises comme Société générale, Véolia, Engie dans les services de Cloud, la France reste très en retard dans son adoption de la technologie par rapport aux Etats-Unis , la Finlande ou le Royaume Uni.

A titre de comparaison pour se rendre compte du retard de la France, en 2017, les investissements dans le cloud d’infrastructure représentait en France 3% de la dépense mondiale contre 56% de la dépense mondiale pour les Etats-Unis⁹.

La crainte des entreprises porte principalement sur la localisation des données aux Etats-Unis régie par le “Patriot Act”¹⁰ car les solutions Cloud sont majoritairement proposées par les grandes sociétés américaines telles que Amazon Webservices, Google, Microsoft ou IBM.

Ces fournisseurs de solutions Cloud se sont donc mobilisés pour lever ce frein à l’adoption du cloud en ouvrant des datacenters en France et en Europe, comme par exemple, un datacenter Microsoft Azure à Marseille et Amazon AWS sur 3 sites en région parisienne.

Cette migration des infrastructures Cloud en Europe répond au double objectif d’améliorer la disponibilité des données et rassurer les entreprises françaises et européennes.

Avec la croissance exponentielle des smartphones et des objets connectés, la génération de data se démultiplie également de façon exponentielle ce qui nécessite la mise en place de stratégie big data dans les entreprises qui souhaitent exploiter cette mine d’or de données d’usage client à des fins de marketing prédictif.

L’utilisation de chatbot est un nouveau moyen de collecter une grande masse de données comportementales et contextuelles sur les utilisateurs lors des conversations avec le bot.

Le chatbot a besoin d’ingurgiter cette énorme quantité de données pour apprendre et améliorer sa compréhension des demandes de l’utilisateur en langage naturel ainsi que sa capacité à gérer la complexité d’une conversation avec un humain.

Pour le moment, la discussion avec un chatbot peut rapidement devenir déceptif en raison d’une intelligence artificielle encore jeune, qui n’a ni la faculté de comprendre toutes les subtilités de langage ni la maîtrise de l’art de la conversation humaine, ce qui le rend moins “menaçant”.

Même si nous sommes très loin des films de science fiction où le robot devient l’égal de l’homme voire même le surpasse, le mythe de Terminator est encore bien ancré dans l’inconscient collectif, en exacerbant la peur que, grâce à l’intelligence artificielle, les robots prennent le contrôle des humains.

Les statistiques parlent d’elles même pour confirmer ce constat : une enquête OpinionWay réalisée pour VMWare en 2017 montre que les français ne souhaitent pas livrer leurs données personnelles pour améliorer les algorithmes des intelligences artificielles, d’autant plus quand il s’agit de données sensibles comme les données financières (70% avis défavorable), l’historique de leur téléphone (68% avis défavorable), les données médicales (63% avis défavorable).

On peut en effet considérer que cette peur irraisonnée envers l’intelligence artificielle peut nuire au développement des bots conversationnels, tant que les français continueront à rester dans l’ignorance et dans la peur de l’inconnu.

3> Quelles sont les perspectives d’avenir des bots conversationnels en France ?

“A mon avis, les perspectives d’avenir des bots conversationnels sont énormes notamment dans l’amélioration de la relation client où l’instantanéité est devenu une norme, un must-have pour les consommateurs ultra connectés en recherche de réponses immédiates à leurs interrogations, quelque soit le lieu, le moment et le support de communication.

En revanche, en e-commerce, il existe globalement 2 types de parcours d’achat, les achats simples avec un besoin clairement identifié et les achats plus complexes où le consommateur est en phase de découverte ce qui nécessite au préalable de se faire conseiller, de comparer avant d’acheter le produit adapté à son besoin. Les bots conversationnels seront de plus en plus efficaces pour accompagner l’utilisateur jusqu’au bout dans son parcours d’achat lorsqu’il s’agit d’achats simples mais concernant les achats complexes, j’ai un peu plus de réserves, car l’Intelligence artificielle devra être capable de simuler une expérience utilisateur imitant une balade en magasin physique pour découvrir les produits et une discussion avec un vendeur pour obtenir des conseils. Pour reproduire une telle expérience d’achat, la navigation proposée par un bot conversationnel peut paraître fastidieuse par rapport à un site web ou une application mobile, où les informations sont accessibles sans efforts, alors que l’utilisateur peut se lasser rapidement de répondre à une multitude de questions via la messagerie instantanée pour accéder à ces même informations.” détaille Jean-Paul Muller.

Actuellement la très grande majorité des bots conversationnels déployés chez les marques sont couplés à de l’intelligence artificielle de 1ere génération, à savoir un traitement du langage naturel qui comprend la demande initale de l’utilisateur grâce à une reconnaissance de mots-clés puis fait rentrer l’utilisateur dans un arbre de décision rigide avec des questions fermées et des choix de réponses limités sous la forme de propositions de choix cliquables, d’envoi de lien ou de pièces jointes.

Le bot de Oui Sncf fait partie de cette catégorie de bots conversationnels de 1ere génération. Il permet de procéder à l’acte d’achat de billets de train au sein d’une conversation naturelle car les intentions sont claires et facilement identifiable par le NLP (Natural language processing) ce qui rend le parcours d’achat relativement fluide, naturel et rapide . Il suffit de répondre aux quelques questions du bot correspondant aux mots clés suivants : Réserver un billet > Ville de départ > Destination > Date. Ce scénario conversationnel correspond à un formulaire d’achat que l’internaute peut faire de façon autonome sur le site web ou l’application mobile.

architecture fonctionnelle des bots conversationnels

Architecture fonctionnelle d’un bot conversationnel (source : EBG 2018 – Social Bots)

Avec la généralisation progressive des bots conversationnels avec des IA de 2e et 3e génération, l’expérience d’achat conversationnel va s’enrichir de plus en plus avec la découverte de nouvelles fonctionnalités permettant de traiter de nouveaux cas d’usages d’achat en mode conversationnel. Nous ne sommes qu’au tout début de cette nouvelle façon d’acheter et de vendre.

Les bots couplés à de l’IA de 2e génération permettront de traiter des cas d’usage plus complexes en se basant sur :

un traitement du langage naturel capable de comprendre un groupe d’intentions dans un contexte particulier plutôt que simplement des mots-clés
une gestion de la conversation “human like” permettant au bot de choisir en permanence le meilleur scénario de conversation en fonction du motif et du déroulé de l’échange. Cela évitera par exemple de bloquer la conversation lorsque l’utilisateur change de sujet ou lorsqu’il envoie 2 messages successivement.
le machine learning supervisé¹¹ se nourrissant des conversations et en les croisant avec des données client issues du CRM de l’entreprise peut maximiser la personnalisation de la conversation grâce à une meilleure connaissance du client voire même prédire les futurs achats de produits ou de services correspondant au profil de l’utilisateur grâce à l’analyse big data des données historisées.

Les bots couplés à de l’IA de 3e génération sont encore très peu répandus mais le progrès technique avance à vitesse grand V dans ces domaines du machine learning automatique non supervisé et du deep learning.

Le machine learning automatique non supervisé permet à l’IA d’apprendre tout seul en se nourrissant de données non structurées, puis, à l’aide d’algorithmes différents, on lui demandera alors, en plus d’apprendre le « monde » que l’on met à sa disposition, de structurer elle-même les données et d’en déduire des relations et des ensembles de façon totalement automatique, sans l’intervention coûteuse d’un humain, par l’application de méthode de partitionnement et de regroupement d’informations ayant des caractéristiques similaires.

Concrètement, cette approche permet par exemple, pour le profilage sur les réseaux sociaux, de découvrir des groupes et des nouveaux comportements émergents ou inhabituels, pouvant passer inaperçus. En médecine, cette méthode peut engendrer des découvertes insoupçonnées.

Le Deep Learning ou apprentissage profond est une forme d’intelligence artificielle dérivée du Machine learning, qui s’appuie sur un réseau de neurones artificiels, s’inspirant des neurones du cerveau humain. Ils sont constitués de plusieurs couches de neurones artificiels connectés entre eux et ont dit que plus le nombre de neurones est élevé, plus le réseau est profond. Les champs d’application du deep learning concernent la reconnaissance de formes et d’image, reconnaissance audio, le traitement du langage naturel. Prenons un exemple concrêt de reconnaissance d’image de chat pour expliquer comment fonctionne le l’IA.

Le réseau de neurones doit être entrainé à distinguer tous les types de chats quelque soit l’angle de photo prise du chat. Pour y parvenir, il doit analyser des milliers de photos de chats mélangés avec des images qui ne sont pas des chats, puis le réseau de neurones assigne une probabilité de correspondance pour chaque image en le comparant à des patterns de chat.

Voici d’autres exemples utilisant cette technologie de Deep learning : la reconnaissance faciale de Facebook et le face-ID de l’iphone X.

Pour traduire des conversations orales en temps réel, Google traduction utilise également cette technique d’apprentissage automatique.

3 générations de l'IA des bots conversationnels

Les 3 générations d’Intelligence artificielle

Mais pour autant, peut-on dire que les machines sont intelligentes ?

Elles sont actuellement simplement capables de reproduire ce qu’elles observent et d’en généraliser des concepts aﬁn de se spécialiser dans une tâche donnée. Malgré les articles alarmistes qui fleurissent régulièrement dans la presse, nous sommes encore loin du concept d’une intelligence artiﬁcielle « générale », qui serait capable de rivaliser avec l’être humain.
En revanche, les machines peuvent parfaitement, dès maintenant, être utilisées de manière très efficace dans le traitement des masses de données inexploitables par des humains.

Ces masses de données, de plus en plus imposantes, représentent aujourd’hui un potentiel inexploité pour bon nombre d’entreprises.

A la lumière de cet article, êtes-vous maintenant prêt à vous faire aider par un bot conversationnel pour développer ou accélérer votre business ?

Je remercie Jean-Paul Muller de m’avoir accordé cet interview enrichissant sur les bots conversationnels, ce qui m’a bien aiguillé dans la rédaction de ma thèse professionnelle dont le sujet est le suivant :

Le commerce conversationnel (via chatbot, voicebot et messageries instantanées ) va-t-il sonner le glas de l’E-commerce traditionnel.

Références :

¹ The Top Mobile Apps, Games, and Publishers of Q1 2018: Sensor Tower’s Data Digest
² BI Intelligence – February 2018
³ Numérama : Reconnaissance vocale : pour la première fois, un ordinateur est meilleur qu’un humain
⁴ VentureBeat.com : Facebook Messenger passes 300,000 bots
⁵ Vous allez de plus en plus parler à un robot sur internet mais c’est une bonne nouvelle
⁶ The Value Of Chatbots For Today’s Consumers
⁷ L’ADN, Chatbots et VR seront omniprésents en 2020
⁸ Juniper Research, Chatbot conversations to deliver $8 billion in cos savings by 2022
⁹ LeMagIT, 2017 : l’offre de cloud public et de cloud hybride s’est considérablement étoffée en France
¹⁰ Le « USA Patriot Act » est une loi antiterroriste promulguée par le Congrès américain en octobre 2001 à la demande du président d’alors, George W. Bush, en réaction aux attaques terroristes du 11 septembre 2001 qui ont frappé New York et Washington D.C. Cette loi octroie des pouvoirs extraordinaires au département de la Justice, à la NSA et à d’autres agences fédérales sur la surveillance intérieure et internationale des communications électroniques.
¹¹ Le maching learning supervisé ou l’apprentissage automatique supervisé consiste à faire correspondre une information inconnue fournie en entrée du bot avec une information connue (ex : le bot ne comprend pas l’intention formulée par l’utilisateur et le signale à l’humain qui l’associe manuellement à une intention déjà répertoriée et connue. Ainsi, le bot pourra traiter correctement cette intention la prochaine fois). Ce mapping d’information est effectué par l’humain.