Lorsqu’un visiteur remplit le formulaire de contact d’un site internet, le fonctionnement est généralement simple : le message est envoyé par e-mail, puis une personne le lit, identifie le besoin et décide de la suite à donner. L’intelligence artificielle peut aujourd’hui ajouter une première analyse automatique à ce processus.
Pour quelques messages par semaine, le traitement manuel fonctionne très bien. Mais lorsqu’une entreprise reçoit davantage de demandes, provenant parfois de plusieurs formulaires ou services, leur lecture, leur classement et leur transmission peuvent devenir répétitifs.
Comprendre automatiquement le contenu d’une demande
Prenons un exemple. Une entreprise reçoit le message suivant :
Bonjour, nous utilisons actuellement plusieurs fichiers Excel pour organiser les interventions de nos techniciens. Nous aimerions disposer d’un outil centralisé accessible depuis nos bureaux et sur téléphone.
Pour une personne, le besoin est assez facile à comprendre. Il s’agit probablement d’un projet d’application métier permettant de gérer des interventions.
Pour un programme classique, c’est moins évident. On pourrait rechercher certains mots comme « Excel », « techniciens » ou « interventions », mais les utilisateurs peuvent exprimer exactement le même besoin de nombreuses manières différentes.
C’est là qu’un modèle d’intelligence artificielle peut devenir intéressant : il peut analyser le sens du message plutôt que rechercher uniquement des mots-clés.
Classification
Identifier automatiquement le type de demande : commercial, support, facturation, réclamation ou autre.
Résumé
Produire en quelques lignes une synthèse du besoin exprimé dans le message.
Extraction
Retrouver les informations utiles comme un numéro de commande, un produit ou un besoin particulier.
Orientation
Préparer la transmission de la demande vers le service ou la personne concernée.
Comment cela fonctionne concrètement ?
Le formulaire continue de fonctionner normalement. Une fois le message reçu et contrôlé par le serveur, son contenu peut être transmis à un modèle d’IA avec des instructions précises.
Une brique supplémentaire dans l’application
L’IA s’occupe de comprendre, l’application s’occupe d’agir
Il ne s’agit pas de demander à l’intelligence artificielle de gérer toute l’application. Elle peut être utilisée uniquement pour ce qu’elle sait particulièrement bien faire : comprendre un texte écrit en langage naturel et en extraire des informations.
Le reste continue d’être géré par l’application : recherches dans la base de données, droits utilisateurs, règles de gestion, envoi d’e-mails, notifications ou affichage dans un tableau de bord.
Un client écrit : « Bonjour, nous avons un problème avec la commande 45872. Le colis devait arriver vendredi mais nous n’avons toujours rien reçu. »
L’IA peut identifier une réclamation liée à un retard de livraison, retrouver le numéro 45872 et produire un résumé. L’application peut ensuite rechercher elle-même cette commande dans la base de données et afficher son état réel.
Pourquoi ne pas simplement utiliser des mots-clés ?
Pour certains traitements, les règles classiques restent parfaitement adaptées. Si une entreprise décide que toutes les demandes supérieures à 10 000 € doivent être transmises à un responsable, une simple condition suffit. Il serait inutile d’utiliser de l’intelligence artificielle pour cela.
En revanche, déterminer automatiquement si un message concerne une demande commerciale, un problème de facturation, une réclamation ou une demande de support est plus difficile.
« Mon colis n’est toujours pas arrivé » et « Nous devions être livrés vendredi mais nous n’avons encore rien reçu » expriment le même problème avec des mots différents. C’est sur ce type de situation que l’analyse du langage apporte quelque chose.
Quel modèle d’IA utiliser ?
Il n’est pas forcément nécessaire d’utiliser le modèle le plus puissant disponible. Classer un message, produire un résumé court et extraire quelques informations sont des tâches relativement ciblées.
Le choix dépend notamment du volume de messages, de leur complexité, du niveau de fiabilité attendu, du temps de réponse, du coût et des contraintes liées aux données.
L’important est donc de partir du besoin et de tester les résultats avant de choisir définitivement la solution.
Combien coûte l’analyse d’un message ?
Les services d’intelligence artificielle accessibles par API facturent généralement leur utilisation en fonction de la quantité de texte traitée. Cette quantité est mesurée en tokens.
Les instructions envoyées au modèle, le message du client et la réponse produite représentent chacun un certain nombre de tokens. Pour un formulaire de contact relativement court et une réponse limitée à quelques informations structurées, la quantité de texte reste faible.
Sur quelques dizaines ou centaines de demandes mensuelles, le coût de l’analyse peut donc rester très limité. Pour des volumes beaucoup plus importants ou de longs documents, il doit en revanche être intégré dès la conception du projet.
Et la confidentialité des données ?
C’est un point à prendre en compte avant de mettre ce type de système en production.
L’objectif doit être de transmettre uniquement les informations réellement nécessaires à l’analyse. Pour comprendre le besoin exprimé dans un formulaire, le modèle n’a par exemple pas forcément besoin de connaître le nom, l’adresse e-mail ou le numéro de téléphone de la personne.
Il faut également tenir compte du fournisseur utilisé, de ses conditions de traitement et de conservation des données, ainsi que des contraintes propres à l’entreprise. Pour certains projets, l’utilisation d’un service externe sera adaptée. Pour d’autres, notamment lorsque les données sont sensibles, une architecture différente pourra être nécessaire.
Commencer simplement
Une première version n’a pas besoin de répondre automatiquement aux clients ou de prendre des décisions à leur place. L’e-mail peut continuer d’être envoyé exactement comme aujourd’hui. L’intelligence artificielle ajoute simplement une analyse au message reçu.
Une analyse qui accompagne le fonctionnement existant
Pendant quelque temps, l’entreprise peut comparer ces résultats avec l’analyse réalisée par une personne. Cela permet de vérifier concrètement la qualité du système avant d’automatiser davantage de traitements.
L’IA comme une nouvelle brique dans une application
Une application web ou métier peut continuer à utiliser les technologies habituelles pour gérer ses utilisateurs, ses données, ses règles de gestion et ses différentes fonctionnalités.
L’intelligence artificielle vient ajouter une capacité qui était jusqu’à présent beaucoup plus difficile à programmer : comprendre le contenu d’un texte et en extraire des informations exploitables par l’application.
Un formulaire de contact est un exemple simple. Le même principe peut ensuite être appliqué à des demandes de support, des réclamations, des comptes rendus, des documents ou d’autres informations reçues quotidiennement par une entreprise.
Utiliser l’IA là où elle apporte réellement quelque chose
L’intérêt n’est pas d’ajouter de l’intelligence artificielle partout. Il est d’identifier les tâches répétitives pour lesquelles sa capacité à comprendre des informations non structurées peut faire gagner du temps, tout en conservant les règles métier et les traitements fiables dans l’application existante.