Recevez chaque jour toute l'actualité du numérique

x

Amazon teste des chatbots basés sur des réseaux de neurones pour son service client

Amazon veut perfectionner les chatbots utilisés par son service-client. L’e-commerçant a livré sur son blog quelques détails sur une expérimentation se servant de réseaux de neurones pour remplacer les traditionnels chatbots à base de règles prédéfinies.
Twitter Facebook Linkedin Flipboard Email
×

Amazon teste des chatbots basés sur des réseaux de neurones pour son service client
Amazon teste des chatbots basés sur des réseaux de neurones pour son service client © Amazon

Le service client est, avec la livraison, l’une des clés du succès d’Amazon, et la technologie permet d’améliorer celui-ci. Dans un billet posté le 25 février, Jared Kramer, Machine Learning Manager chez Amazon, détaille les tests que mène actuellement la firme de Seattle pour perfectionner les chatbots utilisés pour répondre aux clients. L'entreprise transforme la manière dont ils fonctionnent "sous le capot", en basant leurs réponses sur des réseaux de neurones plutôt que sur un ensemble de règles prédéfinies, comme c'est actuellement le cas.

 

Amazon part du constat que les chatbots actuels ne sont pas suffisamment fins pour répondre avec pertinence aux requêtes des utilisateurs. Ils sont comme des organigrammes qui piochent leurs réponses parmi des choix prédéterminés, et ne peuvent donc satisfaire que des demandes simples. Quand le chatbot ne peut pas traiter une demande, il la transmet à un humain.

 

Des réseaux de neurones pour remplacer les bots à base de règles

L'utilisation de réseaux de neurones permet des interactions plus riches, qui n'ont pas à être toutes programmées en amont. "Ces agents peuvent gérer un plus large éventail d'interactions avec de meilleurs résultats, permettant à notre service client de se concentrer sur des tâches qui dépendent davantage du jugement humain," explique Jared Kramer.

 

Le système utilise un réseau de neurones pour choisir la meilleure structure de phrase parmi un catalogue préconstruit. Cela permet à Amazon de contrôler le vocabulaire qui est présenté aux clients et d'éviter tout faux-pas. Ces structures générales de phrases ont des variables comme les noms de produits, les dates, les délais de livraison et les prix. Le réseau de neurones choisit la réponse la plus pertinente en temps réel. L'avantage de ce système est que le catalogue de structures peut être enrichi avec un minimum d'effort car "il est préformé sur un ensemble de données d'interactions entre les clients et le service client", poursuit Jared Kramer.

 

Ce système a été décliné en des modèles séparés pour deux types d’interactions : les demandes de remboursement de retour et les annulations de commande. Par exemple, pour l’annulation de commande, le modèle reçoit à la fois le contexte de l’achat, des informations sur le profil du client, et une proposition de réponse. Il utilise alors ce qu’Amazon appelle un "mécanisme d'attention" et trie les mots les plus utiles avant de catégoriser une réponse en temps réel.

 

 

En test en interne et auprès des clients

Amazon explique avoir comparé les nouveaux agents neuronaux aux systèmes existants basés sur des règles. Pour ce faire, il a utilisé une métrique appelée taux d’automatisation, qui combine deux facteurs : le taux de succès de l'interaction (sans intervention humaine), et le nombre de clients ayant contacté une seconde fois le service client dans les 24 heures. Pour l’e-marchand, qui ne donne pas de chiffre, "les nouveaux agents surpassent considérablement les anciens".

 

Parallèlement, Amazon teste un autre modèle qui utilise un réseau de neurones pour générer des réponses à partir de zéro. Celles-ci sont suggérées aux employés du service client pour leur faire gagner du temps et leur éviter des recherches. 

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media