Cet article fait partie de notre guide: NLP : des attentes fortes, une réalité contrastée

Comment développer un chatbot bien adapté à votre service client ?

Compréhension du contexte, intelligence émotionnelle, personnalité du bot, exploration de la voix, analyse des différents moteurs sont autant de critères qui conditionnent le succès d’un projet de chatbot, selon une expertise de Devoteam.

Avec la crise sanitaire, les services en ligne ont été sollicités plus que la normale. Les services clients ont dû faire face à des pics et les chatbots ont été testés à grande échelle pour répondre aux demandes des utilisateurs.

Suite de l'article ci-dessous

Pourtant, les résultats d’une étude paneuropéenne[1] sur l’impact de l’usage des robots conversationnels au sein de ces services clients tendent à démontrer que, globalement, les utilisateurs en sont peu satisfaits. Ils éprouvent même de la frustration à leur égard.

Ces données peuvent surprendre lorsque l’on connaît l’importance des budgets qui sont alloués par les entreprises pour concevoir et mettre en production un chatbot. Et ce, d’autant plus que leur objectif affiché est de diminuer les coûts, tout en améliorant la relation client.

Se pose donc la question des facteurs clés de réussite de ce type de projets.

L’enjeu pour les plateformes de chatbots : décrypter la demande

Bien que le marché offre un large choix de plateformes de conception et de développement de chatbots, en l’état actuel, la maturité technologique de certaines solutions ne permet tout simplement pas de répondre aux besoins des clients.

Chez Devoteam, nous avons identifié de manière assez récurrente, l’incapacité du chatbot à comprendre et qualifier la requête d’un client.

Une étude de 2019 menée par Userlike a tiré la même conclusion : les utilisateurs estiment ce manque de compréhension comme l’aspect le plus négatif de leur expérience.

Deux sous-problèmes expliquent cet écueil.

Tout d’abord il s’agit de la compréhension « sémantique » de l’énoncé – où le chatbot doit extraire une ou plusieurs intention(s) de la phrase de l’utilisateur.

Ensuite vient la compréhension du contexte. En effet, selon ce contexte une phrase peut revêtir une signification différente. Par exemple : « Où se trouve ma note ? » Pourrait désigner un nombre pour évaluation, une explication courte, ou une addition à régler.

Les systèmes NLU (Natural Language Understanding) constituent la première brique technologique permettant de comprendre une demande. Ils diffèrent d’une solution à une autre selon l’approche adoptée.

Certaines contiennent un moteur de compréhension de langage naturel qui repose sur des règles inspirées des règles grammaticales, syntaxiques et/ou sémantiques. On parle alors de systèmes à base de règles.

D’autres technologies dites de système à base d’apprentissage statistique (Machine Learning) reposent sur des données issues d’interactions humain-humain ou de textes écrits par des humains.

Pour comprendre le contexte plus général, les algorithmes suivent des arbres de décision qui peuvent répondre à différentes logiques : de l’arbre linéaire basé sur des « Si… Alors » (If Then), jusqu’à l’arbre flexible inspiré des interactions humaines.

Cette prise en compte du contexte est récente et n’est pas sans poser des défis de taille.

Dans un premier temps, les développeurs doivent donc bien consolider les bases technologiques de ces deux fonctionnalités. Il paraît ici préférable de se faire accompagner par des experts dans le processus de sélection et de qualification d’une ou plusieurs solutions sur mesure, afin de répondre au besoin et d’éviter une expérience utilisateur déceptive.

Des chatbots dotés de soft skills ?

Contre toute attente, certains chatbots expriment aujourd’hui une personnalité, voire des émotions.

L’assistant vocal d’Amazon est maintenant doté d’un moteur émotionnel qui améliore de 30 % la satisfaction des utilisateurs. L’intensité de ces expressions émotionnelles peut être modulable, ce qui permet d’introduire un modèle de personnalité selon les domaines (RH, commercial, etc.) et selon les interlocuteurs cibles.

La fonction du robot (assistant virtuel conversationnel ou aide à l’automatisation des processus de routine) influence également sa « personnalité ». Un bot qui conseillera des 15 à 25 ans sur les jeux vidéo à acheter adoptera une formulation, un rythme et une tonalité différents par rapport à un bot qui serait chargé de guider les salariés pour poser leurs congés.

L’expression des émotions et certains traits de personnalité d’un chatbot joueraient un rôle important dans l’expérience utilisateur. Il faut, cependant, faire attention à ne pas tomber dans la caricature et l’exagération qui pourraient nuire à la crédibilité et la compétence perçues du chatbot.

Distinguons, là aussi, deux aspects : l’intensité des réponses émotionnelles exprimées et la cohérence des émotions exprimées.

L’intensité est souvent réglable dans les plateformes d’assistants dotés d’un générateur d’émotions – comme dans le cas d’Alexa d’Amazon. Cette régulation émotionnelle prendra en considération le profil à incarner, le contexte (formel ou informel), l’ADN de l’entreprise, etc.

Quant à la cohérence des émotions, on parle de plus en plus d’empathie : un assistant qui comprendrait l’émotion ressentie par l’utilisateur et qui adapterait ses réponses en fonction serait apprécié. Mais la majorité des chatbots sur le marché ne bénéficient pas de cette fonctionnalité.

Étude de Userlink, 2019

La voix comme nouveau canal d’expression

Les développeurs l’ont déjà bien compris : l’évolution du chatbot passera par la voix. Il faut cependant faire attention à certains détails : les réponses vocales doivent être différentes de celles de l’écrit, plus courtes, avec une ponctuation adéquate et sans éléments visuels.

La voix permet aussi de faire passer des émotions plus facilement. Le volume (intensité sonore), la hauteur (aigu, grave) et les harmoniques (mélange de fréquences vocales) sont des aspects très fortement dépendants de l’émotion ressentie. Par exemple, une personne joyeuse aura une voix douce et harmonieuse ; au contraire, si elle doit faire face à une situation angoissante, sa voix sera « cassée » et privée de sa sonorité. Les assistants vocaux pourraient être développés sur la base de ces constats.

Malgré l’insatisfaction des clients vis-à-vis des chatbots, ces derniers vont poursuivre leur ascension. Cependant, le choix d’une solution devra se faire uniquement après une analyse complète du besoin, en prenant en compte les aspects technologiques et les attentes des utilisateurs qui sont à la fois technologiques, fonctionnelles et, donc, émotionnelles.

[1]  L’étude a été réalisée par Opinion Matters pour Freshworks, auprès de 6 055 consommateurs et 812 décideurs dans les services client au Royaume-Uni, en Allemagne, en France et aux Pays-Bas de septembre à octobre 2019.

Pour approfondir sur Outils de développement

Close