){kind=small}
Terminologie de l'IA : un guide pour les développeurs
Temps de lecture : 6 minutes
Si vous êtes un développeur qui travaille sur des technologies de communication avec les clients, vous avez certainement commencé à explorer la manière dont l'IA peut améliorer ce que vous construisez. Au cours de vos recherches, il se peut que vous ayez repensé à vos cours d'informatique et que vous vous soyez demandé si l'IA dont on parle aujourd'hui est la même chose que celle sur laquelle les informaticiens ont travaillé au cours des dernières décennies.
Je vais ici couper court au battage marketing qui s'est développé autour de l'IA en définissant les différents termes utilisés. Il existe de nombreuses nouvelles technologies utiles qui peuvent améliorer l'expérience client et contribuer à rendre la communication avec les clients plus efficace. Mais pour y parvenir, nous devons savoir clairement de quoi il s'agit. Commençons par les robots.
Les robots ont une longue histoire dans l'informatique. Il s'agit d'outils automatisés qui accomplissent leurs tâches sans l'aide de l'homme : pensez aux robots d'indexation des moteurs de recherche, aux répondeurs automatiques IRC et même aux personnages non joueurs dans les jeux Video. Vous en avez peut-être écrit un ou deux vous-même.
Si l'on considère les bots dans ce contexte, il est évident que l'IA n'est pas nécessaire pour la plupart d'entre eux. Il en va de même pour les bots que l'on trouve dans la communication avec les clients. Les bots qui sont mentionnés en même temps que l'IA sont généralement des interfaces conversationnelles.
Prendre Domle robot du service client de Domino's. Dom "parle" aux clients de leur commande, du paiement et de la livraison, mais rien de ce qu'il fait n'est intelligent. Tous les robots utilisés aujourd'hui sont des arbres de décision plutôt que des IA. Et, bien sûr, un arbre de décision n'est en fait qu'une déclaration de type "switch" : si ceci arrive, alors faites ceci.
Surtout, les robots que nous voyons aujourd'hui à l'œuvre n'apprennent pas. À un moment donné, l'un de vos cadres pourrait demander avec enthousiasme à votre équipe de construire un robot capable de remplacer les agents humains du centre de contact. Voici le problème : les robots d'aujourd'hui ne valent que ce que valent les données que vous leur transmettez. Par exemple, notre robot pizzaiolo n'examinera pas l'historique des achats d'un client et ne créera pas "intelligemment" une offre spéciale à son intention, à moins qu'un humain ne l'ait programmé à cet effet. Si l'arbre de décision ne couvre pas la situation spécifique, vous devrez faire appel à un humain ou décevoir le client.
Les robots n'en sont pas moins utiles pour autant et, en fait, ils utilisent l'IA. Les techniques d'IA permettent aux robots de transformer le langage parlé en texte, puis d'analyser ce texte pour en découvrir le sens.
Une telle interface conversationnelle signifie que nous pouvons permettre aux clients de se servir eux-mêmes dans beaucoup plus de situations. Alors qu'aujourd'hui, cela se limite essentiellement au web ou au mobile, les bots ouvrent d'autres canaux, notamment WhatsApp, SMS, Facebook Messenger, Slack, et ainsi de suite, et même la voix sans l'aide d'un agent humain.
Qu'est-ce que l'IA dans le contexte de la communication avec les clients ? Si vous avez étudié l'informatique de manière formelle, l'IA vous fait probablement penser au test de Turing. Vous connaissez également la distinction entre l'IA forte et l'IA faible :
IA forte: une véritable intelligence capable de penser par elle-même (Data de Star Trek, par exemple).
IA faiblelogiciel qui utilise des techniques proches de l'intelligence pour dépasser les limites de ce qui a été programmé par le développeur.
L'IA que nous voyons dans la communication avec les clients est très certainement du second type et tend à être l'une des deux choses suivantes : un modèle statistique ou un réseau neuronal. Les deux approches prennent une entrée et produisent une sortie qui est une meilleure estimation. Par exemple, une IA peut recevoir un fichier audio en entrée et produire une meilleure estimation textuelle des mots parlés qui s'y trouvent. Ces meilleures suppositions ont tendance à être assez précises, grâce à d'énormes quantités d'apprentissage automatique - nous y reviendrons plus loin. En introduisant la transcription obtenue dans un arbre de décision, on obtient une interface vocale pour un robot.
Le fait est que les IA modernes sont des algorithmes capables de faire des suppositions et qu'elles en font tellement en si peu de temps qu'elles semblent apprendre d'elles-mêmes très rapidement. Même DeepMind de Google se comporte de la même manière. Lorsque DeepMind joue au Go, il prend en compte l'état actuel du plateau, examine les mouvements qui ont bien fonctionné dans le passé et devine ce qui sera probablement le meilleur mouvement possible.
En tant que développeurs, nous devons veiller à gérer les attentes concernant ce que l'IA d'aujourd'hui peut et ne peut pas faire. N'oubliez pas que même les meilleures plateformes de robots ne peuvent pas encore apprendre à être de meilleurs robots.
Alors que nos collègues s'attendent peut-être à ce que nous soyons en mesure de créer des centres de contact largement automatisés, il nous appartient, en tant que développeurs, de montrer que l'IA est une technique utile, mais que les machines réellement intelligentes sont encore loin d'exister.
L'apprentissage automatique revient presque aussi souvent que l'IA et c'est l'une des techniques qui permet l'IA. Plus tôt, j'ai mentionné les modèles statistiques et les réseaux neuronaux. Ces deux approches nécessitent que les scientifiques des données compilent un large corpus de données à utiliser comme matériel d'entraînement.
Dans le premier cas, les scientifiques doivent sélectionner, choisir et ajuster des modèles statistiques qui font les meilleures suppositions possibles compte tenu des données. Dans le second cas, les données sont introduites en continu dans un réseau neuronal de sorte que chaque itération améliore les performances et la précision de l'algorithme. Le processus de découverte et d'amélioration du modèle de supposition sous-jacent est connu sous le nom d'apprentissage automatique.
En bref, la ML est un processus de formation des IA.
Et maintenant, les assistants : Alexa, Siri, Cortana et Google Assistant, entre autres.
Contrairement aux robots, qui se concentrent sur une seule tâche et sur un flux assez rigide de cette tâche - par exemple, la commande d'une pizza, où l'on commence par la base, puis les garnitures et enfin les accompagnements -, un assistant combine les techniques que nous abordons ici pour créer une interface unifiée avec plusieurs services.
Il utilise donc des techniques d'IA pour transcrire le langage parlé en texte, qu'il analyse ensuite à l'aide d'une autre technique basée sur l'IA, appelée compréhension du langage naturel. L'assistant se connecte ensuite aux robots qui accomplissent la tâche donnée, par exemple en fournissant une interface à un robot de commande de pizzas. De la même manière, il pourrait augmenter votre thermostat, trouver le vol le plus avantageux entre Bristol et Amsterdam, et vous dire ce qui se joue dans votre cinéma local.
Dans la communication avec les clients, nous pouvons utiliser les grands noms de l'assistance comme un canal supplémentaire permettant aux clients d'accéder à nos services. Cependant, nous pouvons également utiliser toutes les techniques abordées ici pour créer de nouveaux canaux spécifiques à nos propres entreprises. Par exemple, que se passerait-il si nous construisions notre propre assistant, disponible à partir de nos applications mobiles ou de nos lignes de service à la clientèle ?
Même si les attentes ne correspondent pas toujours à la réalité, l'intelligence artificielle, l'apprentissage automatique, les robots et les assistants virtuels améliorent déjà la façon dont nous communiquons avec les clients. Bien sûr, il y a du battage médiatique, mais il est passionnant d'être à l'aube d'un changement aussi énorme, non seulement dans la communication avec les clients, mais aussi dans la façon dont les gens travaillent avec les ordinateurs en général.
En tant que développeurs, il nous incombe d'aider nos collègues à comprendre les réalités de ces nouvelles technologies et de réfléchir à la manière dont nous pouvons les utiliser pour créer quelque chose de révolutionnaire. Dans dix, voire cinq ans, nous regarderons peut-être en arrière et nous nous demanderons comment nous avons pu communiquer avec nos clients sans les techniques d'intelligence artificielle.