Créer un chatbot, ça ne s’invente pas. Cela demande de la méthode et des outils, pas uniquement une brique d’intelligence artificielle. En tant qu’agence chatbot, la création d’un agent conversationnel est avant tout l’affaire d’une équipe d’humains aux profils variés, avec un but commun : rendre un service pertinent à une cible d’utilisateurs bien identifiés. Pour cela nous travaillons en co-conception avec nos clients, en créant une équipe pluridisciplinaire composée d’acteurs variés chez l’annonceur et côté agence.
Si il n’y a pas de recette miracle, notre méthode éprouvée sur le terrain porte ses fruits. Nous vous livrons aujourd’hui les points clés pour créer votre chatbot dans les meilleures conditions possibles.
1. Définition des objectifs du chatbot et du contenu de la conversation
Pour se lancer dans l’aventure chatbot, il ne faut pas vouloir simplement céder à une tendance du moment. Le chatbot doit avoir une réelle utilité. Pour cela nous prenons le temps de bien cadrer le projet en analysant précisément les utilisateurs ciblés par le dispositif afin d’imaginer un cas d’usage pour répondre à leurs besoins. Un chatbot sans service clair et sans connaissance utilisateur échouera, à tous les coups.
Cette première phase est primordiale pour créer un chatbot efficace avec une place bien définie dans le parcours de vos prospects et clients, en complément des supports déjà existants. C’est d’ailleurs pour ça que nous avons créé le Chatbot Design Canva.
2. Identification des possibilités d’utilisation du Machine Learning
Deuxième étape pour créer une conversation fluide dans votre chatbot : l’intelligence artificielle. Nous utilisons des algorithmes de machine learning pour analyser ce que dit l’utilisateur à votre chatbot en langage naturel. Pour comprendre un maximum de phrases, de questions, d’interrogations, il faut entraîner ces algorithmes avec des données.
Comprendre les besoins des utilisateurs à partir des données
Pour les requêtes liées à votre métier, il est intéressant de se baser sur des données d’historique, si celles-ci existent. On peut se baser, par exemple, sur un historique de conversations entre vos clients et votre service support, via un chat ou via les transcriptions des échanges téléphoniques. Afin d’identifier les sujets, les besoins, et les intentions de recherches potentielles, nous pouvons aussi nous appuyer sur la navigation des utilisateurs de votre site web et de votre application mobile. Dans tous les cas, nous voulons identifier les sujets importants sur lesquels il faudra que nos algorithmes soient efficaces.
Si ces données d’historique de conversations existent, elles nous informent également sur la formulation des requêtes de vos utilisateurs. Une bonne base pour entraîner le modèle de machine learning de détection d’intentions basé sur un maximum d’exemples que la machine utilise pour se calibrer.
Des algorithmes pré-entraînés pour vous faire gagner du temps
Nous avons également développé et entraîné plusieurs algorithmes en fonction des besoins de nos clients et que nous vous proposons « sur l’étagère ». Un des plus importants s’attaque à la détection d’agressivité, très utile dans la gestion de la relation client. Dans beaucoup trop de cas les chatbots ne sont pas capables de détecter les insultes ou les moments chauds d’une conversation. Ils répondent souvent avec le classique “désolé je ne comprends pas votre demande”, qui ne fait qu’empirer l’agacement légitime de l’utilisateur. Pour éviter cela, notre algorithme de détection d’agressivité prend la main pour tenter une première approche automatisée pour relâcher la tension.
Si il détecte que ce n’est pas suffisant, il escalade la conversation vers un humain qui reprend la main et règle lui même le différent. Une escalade qui peut également se faire si le chatbot détecte qu’il n’a pas les ressources pour répondre convenablement.
Pour aller plus loin …
Découvrez notre article consacré aux erreurs de l’IA !
3. Identification des besoins en connexions externes (CRM, BDD, API, etc)
Une fois que l’on connaît bien nos utilisateurs, que l’on a défini le service que l’on souhaite leur rendre, et qu’on a une bonne idée des cas d’utilisation, passons aux implications techniques. Avant de passer à la conception pure et dure de la conversation, il faut se poser les bonnes questions sur les données disponibles pour alimenter l’expérience, mais aussi sur les données à récupérer, et surtout à la façon d’organiser tout ça.
Au delà de la récupération de données classiques sur les utilisateurs, on aime bien aller un peu plus loin pour imaginer des expériences réellement inédites. On peut, notamment, se brancher à des outils CRM ou à une DMP (Data Management Platform) pour créer un chatbot aux multiples facettes qui s’adapte au profil de l’utilisateur qui discute avec lui. Tout est possible du moment qu’une API existe !
4. Création de scénario conversationnel et réalisation d’une maquette
Avec tous les éléments rassemblés au cours des trois premières étapes, nous pouvons passer à la phase de conception de l’arborescence du chatbot. Toujours en co-conception avec le client, et pourquoi pas quelques utilisateurs finaux, nous créons les scénarios de conversation qui permettent de rendre le service souhaité en fonction des contraintes et opportunités identifiées en amont. C’est ici par exemple qu’un choix se fera entre agent conversationnel et FAQ dynamique pour la gestion d’un chatbot service client devant répondre aux questions fréquentes.
Autour de ce squelette de chatbot nous venons greffer les algorithmes de machine learning pour répondre à des besoins spécifiques et ajouter de la fluidité aux échanges. Une première maquette fonctionnelle peut être mise à disposition à cette étape pour tester, affiner, et présenter en interne afin de convaincre puis itérer.
La phase de conception est également le moment idéal pour se poser la question de l’éditorial. Comment va parler notre chatbot ? Ecrire pour la conversation n’a rien d’anodin. Utiliser le bon ton et les bons mots peut vous aider à guider l’utilisateur dans votre arborescence, renforcer le lien que vous créez via la conversation, et même masquer certaines limites techniques. Prenez le temps de vous concentrer sur cet aspect du chatbot !
En respectant ces quatre grandes étapes vous êtes en mesure de passer à l’implémentation technique dans de bonnes conditions. Plus qu’un simple cahier des charges, vous avez l’ensemble des éléments déterminants pour passer du papier à la conversation avec votre chatbot sur Messenger, sur votre site, ou même en vocal ! Découvrez comment dans le prochain article de la série « Créer un chatbot » !
N’oubliez pas…
La mise en place d’un agent conversationnel nécessite :
