L'utilisation des bots d'intelligence artificielle émotionnelle dans le cadre des services clients

Les interactions du service client assistées par l'intelligence artificielle ont démontré leur formidable impact en termes d'efficacité, de probabilité, de productivité et de gestion globale de la relation client.

12 avril 2022
  • ressources >
  • Zaion lab blog >
  • L'utilisation des bots d'intelligence artificielle émotionnelle dans le cadre des services clients

Introduction

Les interactions du service client assistées par l’intelligence artificielle ont démontré leur formidable impact en termes d’efficacité, de probabilité, de productivité et de gestion globale de la relation client. Présenter les étapes automatiques du traitement des demandes des utilisateurs a permis de fortement réduire le temps d’attente des personnes dans les files des différents canaux.

Traditionnellement, la fidélisation des clients utilise des canaux tels que les courriers électroniques, le téléphone et les agents locaux. En 2016, la nouvelle tendance des chatbots a émergé, en faisant un sujet d’intérêt pour les entreprises désireuses de garder le lien avec leurs clients. Les agents conversationnels fonctionnant grâce à l’intelligence artificielle peuvent être branchés sur n’importe quel canal afin de recevoir la demande, la comprendre grâce au traitement automatique du langage naturel et la traiter grâce aux connaissances en matière commerciale. Au niveau théorique, le recours à ces puissants outils a donné des résultats prometteurs. Cependant, les consommateurs peuvent souvent être déçus par leurs rencontres avec la technologie, les demandes des utilisateurs pouvant être mal interprétées ou plus simplement parce qu’ils ont le sentiment de faire face à un manque d’empathie.

Par conséquent, les experts en informatique s’intéressent de plus en plus à l’ajout d’une composante affective dans les systèmes d’interaction entre humains et agents. Ainsi, un nouveau domaine de recherche émerge : l’informatique affective ou intelligence artificielle émotionnelle.

Ce champ d’action comporte de nombreuses applications : reconnaissance des émotions dans les textes / la voix / l’image, analyse des sentiments, classification des émotions, gestion du dialogue affectif, affichage des émotions dans des avatars, modélisation et régulation des émotions. Ces applications partagent 3 objectifs communs :

  • Identifier,
  • Comprendre les mécanismes émotionnels humains,
  • Appliquer un raisonnement.

 

Détection automatique des émotions

De nombreuses industries utilisent les techniques de détection des émotions afin d’avoir un aperçu du ressenti de leurs clients à l’égard des produits ou services fournis. L’analyse des sentiments est une approche textuelle appliquée aux retours écrits des clients sur les réseaux sociaux, les chatbots ou les sites internet, afin d’en inférer une polarité (négative ou positive).  Techniquement, les mots des clients sont tout d’abord représentés comme des vecteurs (implants) avant d’être intégrés dans un modèle de classification qui leur donne une étiquette (positive ou négative) et une note de confiance. Récemment, les modèles de langages basés sur des transformateurs donnent de très bons résultats lorsqu’ils sont préalablement entraînés avec une très grande quantité de données non-étiquetées réduisant les besoins de données étiquetées.   Le travail de classification peut être plus précis si l’on utilise les étiquettes des émotions plutôt que les étiquettes des sentiments. Cette tâche constitue un plus grand défi, car les contributions des clients peuvent transmettre de multiples émotions.

Certaines solutions fondées sur l’intelligence artificielle utilisent la voix comme source principale de commentaires en temps réel. De fait, il a été démontré que le signal vocal révèle des informations émotionnelles plus riches que le contenu verbal. Le signal de l’utilisateur est transformé  en spectrogramme, puis intégré dans un réseau neuronal profond. Le résultat est une étiquette émotionnelle et une note de confiance.

Le travail effectué par l’équipe Zaion Lab dans ce domaine a donné des résultats prometteurs :

  • 91% d’exactitude sur la classification textuelle des sentiments
  • 87% pour la détection de la colère dans la voix.

Notre objectif est de capter un plus grand nombre d’émotions clients liées aux services : frustration, mécontentement, satisfaction, etc.

 

Machines affectives

Capter les schémas émotionnels dans les expressions des utilisateurs constitue une première étape de la mise au point d’un bot conversationnel affectif. Il a été confirmé que les machines qui expriment des états affectifs améliorent la satisfaction et la fidélisation des utilisateurs (Prendinger et Ishizuka, 2005). Ce rôle des affects est essentiel pour les agents conversationnels qui doivent allier des réponses rationnelles à des comportements sociaux. Par exemple, lorsque l’utilisateur exprime de la déception à propos d’une tâche réalisée par l’agent, un agent crédible devrait être enclin à présenter des excuses au lieu de poursuivre l’interaction centrée sur les tâches. Cependant, allier réponses centrées sur les tâches et comportement socio-affectif dans le cadre d’un dialogue reste un défi.

L’intelligence artificielle conversationnelle utilise actuellement les émotions afin d’améliorer la crédibilité de l’interaction et permettre aux consommateurs d’établir un lien social avec les bots. Cela peut paraître surprenant, mais certains bots expriment même une personnalité et il est prouvé que cela a une incidence plus positive sur l’expérience du client. L’Alexa d’Amazon dispose aujourd’hui d’un moteur émotionnel, permettant une amélioration du taux de satisfaction de 30%.  À titre d’exemple, les consommateurs peuvent désormais demander à Alexa comment leur équipe favorite a joué lors d’un match récent et s’attendre à une réaction enthousiaste de la part d’Alexa en cas de victoire de leur équipe.

L’intensité des émotions doit dépendre du contexte lors de la présentation d’un modèle de personnalité, certains bots étant plus expansifs que d’autres. Le bot doit pouvoir capter le contenu émotionnel exprimé par l’utilisateur et réagir en conséquence. L’intensité émotionnelle dépend également de l’environnement. En principe, les bots qui interagissent avec les clients dans le cadre de ventes doivent exprimer davantage d’enthousiasme et de positivité, tout comme les agents commerciaux.

Exprimer des émotions incohérentes par rapport au contexte peut être dangereux pour l’expérience utilisateur : exprimer de l’enthousiasme alors que l’utilisateur est contrarié peut être dommageable. L’intelligence artificielle émotionnelle doit être digne de confiance.

La route est claire. Les entreprises devraient explorer et adopter l’intelligence artificielle émotionnelle afin de bénéficier de tous ses avantages. Cependant, afin d’éviter les incohérences, les bots affectifs doivent être construits en tenant compte du contexte et de l’environnement.

Alya Yacoubi, Head of  Zaion Lab AI