Compréhension du langage naturel - Vizir.co

Compréhension du langage naturel

Le point de départ de toute bonne conversation : la compréhension

Tous nos chatbots peuvent réaliser des tâches précises. Afin de rendre l'expérience de conversation la plus naturelle possible, le chatbot doit comprendre le langage de l'utilisateur.
illust-art-bot
Qu'est-ce que la NLU ?

Les chatbots ne sont pas des outils très récents. Le premier agent conversationnel date de 1965…


L’essor des chatbots depuis 2016 est dû à l’essor concomitant de trois autres technologies :

  • le machine learning,
  • les messageries instantanées,
  • et les API.

 

Le machine learning, entre autres, est à l’origine des outils de compréhension du langage naturel (Natural Language Understanding, soit NLU). Cette NLU est l’une des pierres angulaires des chatbots. Elle permet en effet à l’utilisateur de converser en langage naturel et donc d’explorer les différents contenus du chatbot avec facilité.

A quoi sert la NLU ?

Les outils de NLU permettent de traduire une requête texte (ou vocale) en données structurées donc interprétables par un programme informatique. 



Comme illustré en haut de cette page, l’algorithme va extraire deux éléments principaux d’une requête libre :

  • l’intention (intent) : c’est l’intention générale de la phrase (ex : acheter, trouver, problème,…),
  • le ou les objets (entities) : c’est l’objet de l’intention, ce sur quoi porte le sens de la phrase (ex : iPhone, bureau de poste, wifi,…)

 

Nous recevons donc un fichier de code contenant une intention et un ou plusieurs objets, ce qui permet au robot de décider ensuite la logique à suivre. 

N.B. : les outils de NLU seuls ne permettent pas de gérer la logique de conversation.

Comment marche la NLU ?

Une NLU fonctionne en calculant les distances relatives entre des vecteurs de mots.

 

Voici les étapes pour paramétrer une NLU :

  1. Lister les sujets que le bot est censé pouvoir traiter,
  2. Associer à chaque sujet une intention et un ou plusieurs objets,
  3. Paramétrer ces intentions et ces objets dans l’outil de NLU
  4. Insérer manuellement 10 à 15 requêtes pour chaque couple intention-objet
  5. Entraîner, tester et publier la NLU

Plus le nombre de requêtes répertoriées est grand, plus la NLU sera précise dans ses prédictions. Il est donc exact de dire que la NLU s’améliore dans le temps. Toutefois, une supervision humaine reste nécessaire (attribution des requêtes) pour valider « l’éducation » du robot. 

Chaque grand groupe technologique dispose d’une NLU (Microsoft, Facebook, Google, Amazon, IBM…) et il arrive que nos clients travaillent déjà avec l’une de ces solutions. Ces solutions sont très performantes (beaucoup de données + beaucoup d’ingénieurs) mais moins satisfaisantes en termes de sécurité. Pour les cas d’usages qui nécessitent une gestion sécurisée des données, Vizir dispose d’une NLU interne, hébergée sur nos serveurs en France sous des standards Banque-Assurance.