Qu'est-ce qu'un chatbot ? Un chatbot est un logiciel capable d'engager une conversation de type humain avec un utilisateur. L'utilisateur peut lui parler ou lui envoyer un message par l'intermédiaire d'une application de chat, et il répondra de manière appropriée en parlant, en tapant quelque chose ou en montrant un graphique. Le principal cas d'utilisation de chatbots à l'heure actuelle est l'assistance à la clientèle, où les chatbots sont utilisés pour répondre à des questions simples et répétitives et pour transmettre les questions plus complexes à des agents humains.
Bien qu'il reste quelques problèmes à résoudre avant qu'elles ne soient utilisées à grande échelle pour faciliter la vie des clients (au-delà d'Amazon Alexa qui commande des produits et de quelques autres exemples), l'interface conversationnelle est rapidement adoptée pour les fonctions d'assistance à la clientèle.
D'un point de vue commercial, un projet de chatbot, comme tout autre projet, doit être évalué en termes de risques et de bénéfices.
Dans cet article, nous examinerons les défis possibles liés à la mise en œuvre d'un chatbot et la manière de les éviter.
Bon nombre des risques mis en évidence ici peuvent être évités, car les problèmes rencontrés par les premiers utilisateurs sont désormais bien connus.
Il est inévitable que chatbots et la voix soient bientôt largement adoptés pour l'assistance à la clientèle, car le retour sur investissement des chatbots est souvent supérieur à 1 000 %, ce qui n'est pas seulement dû à la réduction des coûts, mais également à l'engagement et à la satisfaction accrus des clients et aux opportunités de revenus qui en découlent.
Les plateformes de robots ont atteint une telle maturité qu'il s'agit désormais d'un fruit à portée de main pour les entreprises. Non seulement chatbots sera largement utilisé pour le support client, mais les cas d'utilisation s'étendront rapidement à l'activation des clients, qui finira par dominer le support client en tant que principal cas d'utilisation.
Au-delà du battage médiatique
Il est souvent difficile d'évaluer une nouvelle technologie parce qu'on sait qu'une partie du battage médiatique autour du produit n'est que du battage médiatique. Les entreprises technologiques font toutes sortes de promesses audacieuses sur ce qui se passera lorsque vous mettrez en œuvre leur technologie, mais vous savez bien sûr que ce n'est pas si facile, que rien n'est garanti et qu'elles ne mettent certainement pas l'accent sur les inconvénients. Il en va de même pour chatbots.
Chatbots sont passés par de nombreuses phases d'engouement. Une grande partie de ce battage est liée à la surestimation de ce que chatbots peut faire.
Il est vrai qu'il y a eu de véritables percées dans le domaine de l'IA liée aux chatbots au cours des dernières années, mais il faut comprendre ces percées pour avoir une idée précise de ce que l'on peut attendre de chatbots.
Les principales avancées concernent trois technologies principales : le traitement du langage naturel (NLP), la reconnaissance vocale à grande échelle (pour les assistants vocaux) et la génération de langage naturel.
Le NLP permet à un chatbot d'identifier l'intention commune derrière différentes phrases en langage naturel qui ont la même signification. Par exemple, "réserver un vol" ou "je veux aller à Paris" ont la même intention que "réserver un vol". Un développeur de logiciel peut coder ce qu'il faut faire une fois que l'intention est identifiée.
La reconnaissance vocale utilise une technologie qui traduit les mots prononcés en texte. Bien que la reconnaissance vocale existe depuis longtemps, ce ne sont que les progrès des performances des ordinateurs et la possibilité de déléguer le travail à cloud qui permettent à ces systèmes d'identifier des millions de mots, car les algorithmes sont très gourmands en ressources informatiques.
La génération de langage naturel prend en compte un ensemble de paramètres et génère une phrase grammaticalement correcte en langage naturel.
Toutes ces technologies ont progressé, dans une certaine mesure, grâce à des avancées relativement récentes en matière de puissance informatique.
Le battage médiatique à l'extrême est que chatbots remplacera bientôt complètement les agents humains. En réalité, chatbots est extrêmement performant dans un domaine étroit où le contexte est limité et donne les meilleurs résultats lorsqu'il s'agit de répondre à des questions ponctuelles sans contexte.
Cela ne signifie pas que la technologie sous-jacente n'est pas puissante et utile. Elle l'est. Cela ne signifie pas que chatbots ne peut pas générer un énorme retour sur investissement (ROI). C'est le cas.
Cela signifie toutefois que l'expérience du chatbot doit être conçue en tenant compte de ses limites.
Les erreurs courantes d'un projet de chatbot
Mauvais objectif
L'objectif choisi lors de la mise en œuvre d'un chatbot peut être erroné à bien des égards. La définition des objectifs peut poser de nombreux problèmes, tels que la résolution d'un problème qui n'existe pas, c'est-à-dire l'utilisation d'un chatbot pour faire quelque chose qu'il est préférable de faire avec une interface graphique.
La plus grande erreur que vous puissiez commettre est de vous laisser séduire par le battage médiatique et d'essayer de mettre en place un chatbot semblable à un être humain qui engage une conversation avec les clients presque au même niveau qu'eux. De nombreuses entreprises s'y sont essayées et ont échoué. Essayer de construire un chatbot en dehors des choses qu'il fait vraiment bien est toujours un problème.
Les meilleures expériences de chatbot sont des expériences conversationnelles guidées et non des expériences conversationnelles ouvertes. Le logiciel Botpress , par exemple, définit un chemin heureux qui est un chemin guidé sur lequel le logiciel doit maintenir l'utilisateur. Si l'utilisateur s'écarte de ce chemin, le logiciel essaiera de le ramener sur le chemin heureux ou lui offrira la possibilité d'initier un autre chemin, mais ne l'autorisera pas à prendre la tangente.
Mauvaise conception et problèmes de développement
Un chatbot mal conçu amène les utilisateurs à l'utiliser d'une manière non prévue. Cela provoque évidemment de la frustration et a toutes sortes de répercussions négatives.
Chatbots doivent être conçus de manière prudente, le champ d'application doit être très clair et la conversation doit être transmise à un humain trop souvent plutôt que pas assez souvent (ou une stratégie équivalente doit être utilisée pour le cas d'utilisation en question).
Il va sans dire que les développeurs qui travaillent sur le robot doivent être compétents et connaître les meilleures pratiques dans ce domaine.
Mauvaise approche technologique
Chatbots sont aujourd'hui un mélange de NLP et d'arbres de décision. Le NLP permet à l'utilisateur de poser des questions ouvertes dans un domaine très étroit et les arbres de décision guident l'utilisateur à travers un arbre de décision (le "happy path") pour résoudre un problème ou accomplir une tâche. Comme nous l'avons mentionné plus haut à propos des détours, l'utilisateur n'a qu'une marge de manœuvre limitée pour s'écarter du "happy path".
C'est une erreur d'opter pour une approche "boîte noire" des conversations. Les solutions "boîte noire" sont des solutions basées sur des données où la logique est essentiellement contenue dans les algorithmes de l'IA. Le problème est que personne ne sait avec certitude ce que fera la solution d'IA, qu'il est extrêmement difficile de la déboguer, qu'elle ne peut pas être testée de manière exhaustive et que de nouvelles informations peuvent modifier son comportement.
Même si le site Botpress utilise une partie de cette technologie, il limite le domaine dans lequel cette "boîte noire" de l'IA peut opérer à un champ d'action étroit autour de la trajectoire heureuse. Par conséquent, l'objectif de l'IA est de toujours ramener l'utilisateur sur le chemin heureux ou de lui permettre de passer à un nouveau chemin. Cette approche est beaucoup plus facile à comprendre et à déboguer.
Je dois préciser que cette IA "boîte noire" fonctionne extrêmement bien dans les domaines qui sont délimités et où il existe une énorme quantité de données pertinentes concernant la tâche à accomplir. C'est pourquoi l'IA peut si bien jouer à des jeux. Le problème avec le langage, c'est qu'il a des dimensions infinies, car toute déclaration a une signification différente en fonction du contexte, qui comprend les déclarations faites précédemment et d'autres informations pertinentes dont l'agent conversationnel doit être conscient.
La mise en œuvre de l'IA "boîte noire" pour les conversations dans l'état actuel de la technologie est similaire à l'erreur qui consiste à essayer de mettre en œuvre un chatbot ouvert.
En outre, malgré les défauts mentionnés ci-dessus, ce type d'approche "boîte noire" est extrêmement gourmand en données et sa mise en œuvre coûte donc une fortune. Et le fait qu'il s'agisse d'une boîte noire signifie qu'il est très difficile de changer de fournisseur, ce qui implique un coût de changement extrêmement élevé et donc un verrouillage.
Il est préférable d'utiliser des technologies simples de NLP et d'arbres de décision pour créer des robots, puis d'utiliser l'IA avec un champ d'application limité pour permettre à l'utilisateur d'accomplir la tâche qui lui incombe. Nous avons constaté que les entreprises sont surprises par l'accessibilité et la facilité d'utilisation de cette technologie. Un développeur compétent peut apprendre à construire un robot qui utilise le NLP et les arbres de décision en quelques heures seulement.
Il est également essentiel de comprendre que les conversations avec chatbots ne doivent pas reproduire les conversations avec les humains. Les interfaces graphiques, par exemple, sont beaucoup plus efficaces à utiliser dans de nombreux cas que le texte ou la voix. Il est plus rapide de cliquer sur les boutons d'option que de taper ou de prononcer une réponse. Cela serait vrai même s'il était possible de créer un chatbot de niveau humain. Cette réalité est souvent négligée dans l'utilisation d'une boîte noire ou d'une approche de l'IA principalement basée sur les mots.
Mauvaise plate-forme
Les problèmes liés au choix d'un mauvais cadre pour les robots peuvent ne pas être apparents immédiatement, mais ils le deviendront avec le temps.
La façon la plus rapide de construire un chatbot est d'utiliser une plateforme "drag and drop". Le problème est que, dans la plupart des cas, les développeurs se heurtent rapidement à des limites strictes. En outre, l'approche générique utilisée signifie que ce qui devrait être des fonctions simples est piraté dans le système, ce qui rend l'utilisation de l'agent conversationnel compliquée et difficile pour les administrateurs.
De l'autre côté du spectre se trouvent les plateformes propriétaires basées sur le code qui permettent aux développeurs de coder le robot à partir de zéro. Le problème de cette approche est qu'il faut beaucoup de temps pour créer des robots, même simples.
La meilleure approche est un cadre qui fournit tous les composants et interfaces visuelles nécessaires, y compris les interfaces "glisser-déposer", mais qui permet en même temps de personnaliser facilement tous ces composants et interfaces en fonction de la tâche à accomplir.
C'est particulièrement important parce que les promoteurs de robots concentrent généralement leur attention sur la façon dont le robot fonctionnera pour les utilisateurs finaux. Le problème est qu'il existe de nombreux autres composants et interfaces qui sont importants pour les autres utilisateurs du robot, tels que les administrateurs (qui veulent surveiller les analyses du robot et gérer l'accès au backend), les créateurs techniques et non techniques (qui veulent modifier le comportement et le contenu du robot) et les agents humains (qui répondent aux conversations déclenchées par le robot).
Construire ces composants à partir de zéro est un exercice qui prend énormément de temps. Bien entendu, les cadres simples de type "glisser-déposer" disposent de versions très génériques et limitées de cette fonctionnalité et ne peuvent pas être facilement personnalisés.
La possibilité de personnaliser est essentielle pour le bot de l'utilisateur final lui-même, même si cela n'est pas évident au départ. Par exemple, lors de l'élaboration de flux à l'aide du générateur de flux par glisser-déposer, certaines tâches peuvent devoir être répétées à plusieurs reprises dans différents flux, comme l'authentification d'un utilisateur auprès d'un système de l'entreprise ou le traitement d'un paiement.
Le cadre doit vous permettre d'ajouter ces composants en tant que composants visuels au générateur de flux, de sorte que les créateurs de contenu moins techniques puissent facilement ajouter ces fonctions aux processus.
Une plateforme qui n'est pas facilement personnalisable rendra difficile la mise à jour du contenu pour les utilisateurs non techniques, car les méthodes pour ce faire doivent être "piratées" dans le cadre. Un cadre qui permet de tout personnaliser devrait faciliter la création d'écrans conçus pour les utilisateurs non techniques et dont l'utilisation est facile et intuitive.
En outre, il est également très utile que vos développeurs aient accès au code source sous-jacent du système. Cela leur permettra de comprendre plus rapidement comment faire les choses et d'identifier rapidement les problèmes s'ils surviennent.
La capacité de contrôler et de migrer vos données est un élément d'une importance vitale pour un cadre de travail. La plateforme doit permettre aux entreprises de déployer le bot où elles le souhaitent, que ce soit sur un site privé cloud ou sur place (sur des serveurs internes).
Le retour sur investissement est également un élément important à prendre en compte en termes de plateforme. La plateforme doit permettre de réutiliser le travail d'un bot pour d'autres bots, c'est-à-dire qu'en construisant des fonctionnalités pour un bot, il est plus facile de construire le bot suivant. Ainsi, le passage d'un bot à plusieurs bots est progressivement moins coûteux, ce qui a pour effet d'améliorer le retour sur investissement global.
Par exemple, des plateformes mal conçues vous obligeront à créer un nouveau robot pour chaque nouvelle langue ajoutée, au lieu de vous permettre de fournir le même contenu dans une autre langue. Même le fait de ne pas séparer la conception des flux du contenu rend la gestion du contenu plus difficile et plus sujette aux erreurs, car le personnel non technique doit modifier les flux proprement dits plutôt que de simplement mettre à jour le contenu.
Le fait de permettre aux administrateurs et aux autres utilisateurs du backend de faire leur travail de manière efficace et facile permet également de gagner du temps et de réduire les erreurs, ce qui améliore le retour sur investissement.
Verrouillage des vendeurs
Le verrouillage des fournisseurs est un problème à plusieurs égards.
Si vous êtes obligé d'utiliser leur technologie, c'est-à-dire que la plateforme ne vous permet pas d'utiliser des composants tiers, vous pariez que tous leurs composants seront toujours les meilleurs de leur catégorie. Si ce n'est pas le cas, vous serez contraint d'utiliser une technologie dépassée pendant que le reste du marché évolue ou subit un changement très coûteux.
S'il manque des composants ou si vous devez modifier le fonctionnement d'un élément, vous devez compter sur eux pour effectuer le développement personnalisé, ce qui entraîne non seulement des retards, mais peut aussi s'avérer coûteux.
Enfin, si vous êtes un client captif, ils peuvent fixer les prix, qui peuvent être très élevés. Ils savent que les coûts de changement de fournisseur peuvent être très élevés, surtout s'ils rendent difficile la migration des données et du code vers d'autres plates-formes.
L'utilisation d'un système propriétaire par opposition à un système ouvert rend le verrouillage plus probable et les coûts de changement plus élevés. En outre, le choix d'une approche complexe de chatbots qui ne peut être mise en œuvre que par des spécialistes des données signifie qu'il sera encore plus difficile d'échapper à l'enfermement et que les coûts de l'enfermement seront plus élevés.
Ne pas obtenir l'adhésion des parties prenantes
Il s'agit d'une erreur courante et évidente pour tout projet logiciel qui implique de modifier des comportements existants, et les solutions sont bien connues. Bien entendu, les agents du service clientèle sont particulièrement importants dans le monde des robots, car ils peuvent se sentir menacés par cette technologie. Ils doivent être recyclés afin d'offrir un ensemble de services qui complètent les services offerts par le robot, en particulier pour offrir des services plus approfondis aux clients qui ont des besoins plus complexes qui ne peuvent pas être résolus par les robots.
Ignorer le retour sur investissement
Le fait d'ignorer le retour sur investissement peut conduire à l'échec de deux manières. La première est que, sans un chiffre de retour sur investissement convaincant, le projet ne sera pas financé, même s'il y a eu un financement pour un POC afin de prouver la technologie. La seconde est que les parties prenantes au projet se rendent compte qu'il n'y a pas de retour sur investissement une fois que le projet est opérationnel.
Il n'y a aucune raison de ne pas calculer d'emblée le retour sur investissement attendu [calculer le retour sur investissement], puis d'actualiser ce chiffre au fur et à mesure que vous obtenez davantage d'informations sur le cas d'utilisation et le contexte. Il existe de nombreux cas d'utilisation dont le retour sur investissement est extrêmement élevé, de sorte qu'il ne devrait pas être difficile de trouver des cas d'utilisation.
Ne pas construire le robot de manière incrémentale
Bien entendu, bon nombre des risques susmentionnés peuvent être évités en adoptant une approche consistant à mettre en œuvre le robot de manière progressive.
Il est extrêmement facile de construire des solutions qui peuvent être testées de manière incrémentale. Commencez par un cas d'utilisation unique (POC) et dirigez quelques utilisateurs finaux vers le bot pour évaluer les performances. De cette manière, l'efficacité de la solution, y compris la réaction des utilisateurs, peut être testée à peu de frais et affinée à chaque étape.
Bien entendu, il est important de sélectionner les cas d'utilisation qui remettent en question les hypothèses les plus "à risque" lors de la sélection d'un cas d'utilisation pour cet exercice, afin que les hypothèses les plus incertaines et les plus critiques soient testées en amont.
De nombreux fournisseurs aimeraient que vous vous engagiez dans une approche "big bang", où beaucoup de travail et d'efforts sont déployés en amont avant qu'un bot fonctionnel, même un POC, ne soit présenté aux utilisateurs. De plus, les fournisseurs insistent sur le fait que seuls des consultants onéreux sont en mesure de gérer et de surveiller le robot pour vous. Il s'agit là d'un signal d'alarme.
Conclusion
De nombreuses considérations doivent être prises en compte lors de la création d'un chatbot. Tant que vous êtes conscient des principaux risques et que vous adoptez une approche progressive de la mise en œuvre, vous avez de grandes chances de créer un chatbot réussi et d'obtenir les retours sur investissement phénoménaux qui en découlent.
Partager ce message sur :
Créez gratuitement votre propre chatbot d'IA personnalisé
Commencez à créer un robot GPT personnalisé grâce à notre interface intuitive de type "glisser-déposer".
Commencez - c'est gratuit ! 🤖Aucune carte de crédit n'est requise
Restez au courant des dernières nouveautés en matière d'IA chatbots