Entreprises : un assistant conversationnel d’aide à la décision
⏱ 3 minLa société Zelros développe des assistants conversationnels aidant les employés à trouver plus vite les bonnes informations pour leurs prises de décisions. Avec une philosophie simple : la meilleure façon d’obtenir une réponse à une question est encore de la poser !
Bilans, reportings, tableaux de bord, graphiques, classeurs Excel, portails intranet et autres bases de données en tous genres… Dans la plupart des entreprises, les employés sont aujourd’hui submergés de datas ! Résultat, ils perdent un temps fou à fouiller l’intranet pour y dénicher les informations dont ils ont besoin pour prendre des décisions. Exemples : quel client à rappeler en priorité ? quel dossier traiter en premier ? quelles sont mes factures les plus à risque ?…
Pour résoudre ce problème, la société Zelros développe depuis fin 2016 des assistants conversationnels connectables à ces multiples sources de données internes. Skype for Business, Slack, Microsoft Teams, Hangout… via la messagerie instantanée de l’entreprise, l’employé demande en langage naturel ce qu’il cherche au chatbot, et ce dernier se charge de dénicher les informations correspondantes dans ces masse de datas. « C’est la fin de l’ère du « search » : avec l’intelligence artificielle (IA), nous entrons dans l’ère de l’assistance pour employés augmentés », résume Christophe Bourguignat, CEO de Zelros qu’il a cofondée fin 2015.
Le secteur de l’assurance en tête
Côté efficacité, le taux de réponse moyen des assistants conversationnels Zelros serait aujourd’hui de 85 %. « Chez un client, un de nos chatbots a réduit de 6 minutes à 30 secondes le temps d’accès à des informations d’aide à la décision ! », se félicite Christophe Bourguignat. Depuis mi-2017, la jeune société en déploie déjà une dizaine chez de grands groupes comme Engie, Air Liquide, Natixis … ou bien encore CNP Assurances. On l’aura compris, le secteur où ils rencontrent actuellement le plus de succès est sans conteste l’assurance.
Chez ces assureurs, les chatbots Zelros se connectent à des données structurées (ex : contrats, sinistres, informations clients…), mais aussi non structurées comme les bases de connaissances métier. Dans la pratique, ils reposent tout d’abord sur un moteur NLU (Natural Language Understanding) développé en interne et adapté aux contextes métiers des différentes entreprises clientes. « Ce moteur NLU utilise de la classification en apprentissage supervisé, en s’appuyant sur les librairies scikit-learn et spaCy après divers prétraitements », précise Christophe Bourguignat. Et pour l’améliorer encore, la société mène divers travaux de recherche. Exemple ? L’entrainement de réseaux de neurones récurrents pour une interaction avec l’homme encore plus naturelle.
Plusieurs « intelligences » mises en œuvre
Mais au-delà de la simple interaction « question/réponse », d’autres types d’intelligences sont mises en œuvre comme de la recommandation (next best action). Ici, l’idée est que le chatbot soit par exemple capable de dire à l’employé : tu m’as demandé ceci, sache qu’en général ensuite on me demande cela. « Pour y parvenir, nous entraînons des modèles de machine learning sur des historiques de dialogues anonymisés, nous utilisons de l’apprentissage supervisé et des algorithmes contextual bandit. » L’objectif est aussi d’éduquer l’assistant virtuel en analysant toutes les interactions avec les employés qui ont échoué; autant d’échanges en langage naturel regroupés à l’aide d’algorithmes de clustering non supervisés.
« Risque de résiliation client ou de fraude, prédiction de temps de traitement de dossier, appétence pour un produit… : nous proposons aussi ce qu’on appelle des scores prédictifs, calculés à partir de modèles machine learning développés par nos clients ou par nos soins », complète Christophe Bourguignat. Ces scores prédictifs sont issus de modèles d’apprentissage supervisés classiques de type régression ou classification. « Nous constatons en effet que nos clients privilégient des modèles transparents et explicatifs, en particulier dans le contexte de l’arrivée prochaine de la réglementation européenne sur la protection des données personnelles (RGPD)« , conclut Christophe Bourguignat.
