Darty mise sur l’enceinte connectée Google Home comme aide pour ses clients. Tout utilisateur d’un boîtier Google Home peut solliciter le service client Darty en disant “OK Google ! Je veux parler à Darty”.
Aide technique ou commerciale
Il peut ensuite déclarer un problème technique, demander à être informé sur une commande en cours, ou poser une question d’ordre commercial. Google Home qualifie le besoin et permet à Darty de faire rappeler le client par le bon interlocuteur.
Pour porter sur Google Home les différents cas d’usages identifiés, le choix technique s’est tourné vers Dialogflow. Il s’agit d’une interface de NLU/NLP (Natural Language Understanding/Natural Language Processing), adossée à un socle de Machine Learning.
DialogFlow c’est avant tout une interface qui utilise l’intelligence de Google. Ce que DialogFlow contient est simple, il s’agit de l’API Cloud Natural Language qui reconnaît des phrases envoyées par l’utilisateur. Avec les phrases récupérées et un peu de Machine Learning, Google reconnaît la phrase, et lance en adéquation une action proposée par votre configuration. En bref, l’utilisateur propose une phrase, Google cherche parmi les intentions (« intents ») que la marque a configurées et effectue l’action qu’elle a proposée.
Extraction des intentions des utilisateurs
Dialogflow sert à extraire des intentions à partir des demandes exprimées par les utilisateurs. Ces intentions sont déduites du contexte des échanges et de mots-clés issus de la formulation de leur demande. A partir de ces intentions (ou « intents »), des actions (ou « events ») peuvent être déclenchées pour aller chercher des informations utiles à la restitution d’une réponse ou au rebond vers un autre canal.
Il a fallu concevoir le script du service, programmer Dialogflow pour comprendre les demandes des utilisateurs, et développer un service capable de déclencher les actions attendues en retour. Lors de sa première utilisation, un numéro de téléphone est demandé au client qui peut accepter sa mémorisation pour simplifier les utilisations ultérieures.
Le numéro de téléphone est vérifié en temps réel, et s’il n’est pas valide, Google Home demande un numéro de téléphone exploitable. De même, le référentiel des produits de Darty est exploité afin de faciliter la compréhension du contexte lié au besoin. Dire “J’ai un problème d’iPhone” ou “Mon Galaxy S8 a un souci” sont deux manières différentes pour exprimer un besoin similaire nécessitant un rappel par un expert en smartphones.
Traiter les échecs
L’un des principaux challenges a été l’identification et le traitement des demandes en échec. Chaque utilisateur ayant ses propres besoins et une manière personnelle de les exprimer, tous les cas de figures ne peuvent pas être anticipés durant les tests préalables à la mise en production d’un service conversationnel.
Les interfaces conversationnelles et le Machine Learning impliquent un travail régulier d’entraînement (ou entraînement du Bot). Cette démarche permet d’accélérer la courbe d’apprentissage du Bot pour l’aider à faire preuve d’une plus grande acuité dans ses réponses. Un utilisateur dont la demande reste en échec implique de comprendre pourquoi sa formulation a généré une incompréhension.
Cette complexité augmente au fur et à mesure que l’audience du service se développe. Dans l’attente de l’émergence d’une intelligence artificielle dite forte, un Bot performant ne se définit pas par une capacité à adresser 100% des demandes même hors sujet des utilisateurs mais par une capacité à adresser efficacement 100% des requêtes les plus fréquentes. Un dispositif a donc été mis en place visant à simplifier ce travail d’analyse des conversations et de requalification des intentions à y associer.
Agence 1000mercis prestataire régulier de Darty
L’application a été développée par l’agence 1000mercis qui est un partenaire régulier de Darty. L’agence a déjà réalisé le Bouton connecté Darty, les applications iOS/Android de support client en mode visio, etc.
Les équipes ont commencé la migration d’interfaces à points d’entrées multiples vers des interfaces à point d’entrée unique (texting), voire totalement effacées (voix). C’est une rupture encore plus significative que celle des interfaces tactiles par rapport aux interfaces cliquables.
On entre dans un marketing plus conversationnel de type bottom-up (du bas vers le haut) et qui impacte le modèle de communication top-down (haut vers le bas) traditionnel. Et cette tendance va s’accompagner d’une nouvelle manière d’appréhender la donnée. Historiquement structurée par les interfaces, il va faut désormais capter la donnée non structurée issue du langage naturel et savoir isoler la donnée pertinente.
Top lectures en ce moment
-
Stellantis adopte les agents IA, arcbouté sur une plateforme d’IA bâtie avec Dat...
-
La CDP (Customer Data Platform), un projet clé de la transformation Data d’Axa F...
-
L’e-commerçant BackMarket crée des agents IA pour stopper la fraude logist...
L’actualité de la transformation
L'IA clé de nos besoins vitaux dans l'eau, l'électricité et le gaz
Marchés de l’eau : l’IA générative arrive dans les réponses aux appels d’offres des collectivités
Saur, spécialiste de la distribution d’eau potable, fait évoluer son processus de réponse aux appels d’offres des collectivités et des industriels en y injectant de l’IA géné…
Stockage de l’électricité : l’IA générative outil d’accélération clé chez Engie
Le stockage de l’électricité est un enjeu stratégique. Engie s’y attelle et mobilise pour cela l’IA générative de type RAG, c'est-à-dire basée sur le traçage des documents source. …
Nouvelle donne dans le gaz naturel : GRDF s’adapte en utilisant l’IA
GRDF, leader de la distribution du gaz naturel en France, affine sa stratégie d’IA. Il s’appuie sur des serveurs internes pour la confidentialité des données de ses clients. GRDF c…
Et vous, qu’en pensez-vous ?
Une idée, une réaction, une question ? Laissez-nous un mot ci-dessous.
Je réagis à cet article