Agent conversationnel

Un agent conversationnel ou chatbot est un agent qui dialogue avec un utilisateur. La recherche sur cette Interface Homme-machine est influencée par la compétition sur le test de Turing (1950) : donner l'illusion qu'un programme pense par un dialogue sensé. Un utilisateur est invité à formuler sa demande en langage naturel, elle est affinée par un échange convivial, dont le logiciel interprète une requête opérationnelle pour son système d'information. Un agent conversationnel peut en plus rechercher l' Effet ELIZA. ELIZA, un des premiers chatterbots, simulait un psychothérapeute rogérien [1], plusieurs personnes en seraient devenues dépendantes sur le plan émotionnel. Les agents conversationnels débordent donc la recherche ou le divertissement, ils mettent en œuvre des connaissances linguistiques, psychologiques, et bien sûr des bases de programmation.

Méthode

Un chatterbot est un programme qui tente de converser avec une personne durant quelques minutes ou plus en lui donnant l'impression de converser elle-même avec une personne. Une bonne compréhension de la conversation serait utile pour tenir un dialogue sensé, mais la plupart des chatterbots ne s'y essayent pas. Ils repèrent surtout quelques mots dits déclencheurs, voire des expressions de leur interlocuteur, pour retrouver des réponses dont le schéma est programmé et qui peuvent mener la conversation plus loin d'une manière plus ou moins intelligente, mais sans nécessiter de comprendre de quoi ils parlent.

Par exemple dans le cas d'ELIZA, la présence du mot "père" (ou "mère") dans une phrase du sujet était associée à une réponse : « Pouvez-vous me parler un peu de vos relations avec votre père (mère) ? ». Des indicateurs sont en général positionnés pour que le même type de réponse ne soit pas utilisé plus d'une fois.

Cette méthode des "mots-clés" a comme défaut majeur d'exiger une base de données importante pour donner des résultats satisfaisants [2], bien qu'ELIZA ait tenu en 5 pages de SNOBOL. En effet, les mots-clés que de tels chatterbots reconnaissent sont souvent des sous-expressions couramment utilisées tel que "j'aime..." ou "je déteste...", qui sont utilisées par le programme pour faire écho au propos de l'utilisateur ("Depuis quand aimez-vous... ?", "Quelqu'un d'autre dans votre famille aimait-il... ?). Cette méthode ne fonctionne que peu de temps (typiquement deux ou trois réponses, rarement plus de dix), avant que le discours de la machine soit perçu comme artificiel. Pour combler cela, les concepteurs de chatterbots rajoutent souvent des expressions complètes (telles que "j'aime le chocolat"), et cela a tendance à rapidement augmenter la taille de la base de données. Généralement, une base de données satisfaisante contient de 5000 à 10000 entrées.

Cependant la méthode ci-dessus ne peut pas se prêter aisément au stockage de données, et c'est une des raisons pour lesquelles beaucoup de chatterbots l'utilisant ne peuvent stocker d'informations sur l'utilisateur avec lequel ils communiquent. Certains programmes cependant essaient d'utiliser de meilleures méthodes de communication. Une méthode permettant l'apprentissage est d'utiliser un système fondé à la fois sur la méthode de reconnaissance des mots-clés décrite ci-dessus et sur un système de reconnaissance des mots et d'analyse linguistique. De tels systèmes lancent généralement l'analyse linguistique sur la phrase entrée par l'utilisateur pour tenter d'en extraire des informations leur permettant de répondre de façon exacte selon des informations stockées en base de données (base de connaissances). Si le processus échoue, ces programmes utilisent la méthode "mots-clés", en utilisant une base de données classique. Cette dernière méthode n'améliore certes pas la taille de la base de données, mais elle permet au chatterbot de traiter de nouveaux cas de langue. Par exemple, avec la méthode des mots-clés si la base de données contient une entrée "WHO IS THAT" et que l'utilisateur entre "WHOS THAT", le robot a toutes les chances de ne pas répondre juste, tandis qu'avec une analyse de l'entrée utilisateur, il est susceptible de répondre à la question.

Le fait que les chatterbots ne comprennent pas l'information qu'ils traitent est d'ailleurs la raison pour laquelle on classe généralement les agents conversationnels dans le type de l'IA faible. L'IA faible est une IA qui cherche à imiter le comportement humain (la conversation notamment), le langage naturel, mais sans chercher à comprendre le sens de l'information qu'elle traite. C'est la majeure différence avec l'IA forte, qui, elle, vise à simuler une véritable compréhension de l'information. La frontière entre les deux est floue, par exemple avec des applications comme SIRI.

Other Languages
čeština: Chatbot
dansk: Chatbot
Deutsch: Chatbot
English: Chatbot
eesti: Juturobot
suomi: Chatbot
עברית: צ'טבוט
Bahasa Indonesia: Chatterbot
italiano: Chatterbot
日本語: 人工無脳
한국어: 채터봇
Nederlands: Chatbot
polski: Chatbot
português: Chatterbot
Simple English: Chatterbot
slovenčina: Konverzačný robot