61 De la prise en main des outils à la maîtrise des concepts , Tristan , notre apprenti mis quelques mois à prendre en main
RASA
et à four- nir une première version du chatbot .
Comme le périmètre du chat- bot était assez limité , nous fîmes le choix de restreindre les questions possibles et de guider les réponses au travers d’un système de listes à choix .
Au final , nous avions un chatbot très bridé et qui avouait rapidement ses limites .
Un travail avec la Direction de la Communication et nos collègues graphistes nous permis de donner une identité à notre chatbot : il s’appellerait Ully ! Il fut proposé de manière assez confidentielle sur le site du Numérique de l’UL , pour le rôder .
Entre temps , un atelier à l’Open Source Experience de 2021 nous convainquit de nous orienter vers une technologie
NLU
moins dépendante d’un éditeur et un travail fut entrepris pour migrer
ULLY
de
RASA
vers Tock .
Tock , The Open Conversation Kit (https://tock.
ai/) , est un projet initié et encore majoritairement maintenu par la
SNCF
mais il est complètement open source et soutenu par une communauté .
Il couvre les mêmes fonctionnalités que
RASA
mais présente l’avantage de se gérer complètement par une interface graphique pour les cas simples en plus d’offrir des options avancées programmables .
Ce travail de migration est maintenant terminé et
ULLY
va prochai- nement s’appuyer sur le moteur de Tock .
Il devrait d’ici la rentrée 2023 rejoindre notre application mobile pour avoir une audience plus élargie .
Alors quel bilan ? Si nous sommes arrivés à réaliser notre
POC
, celui-ci a fini de nous convaincre que l’investissement était assez lourd , d’abord pour maîtriser les outils et ensuite pour cadrer le péri- mètre du chatbot et travailler sur les questions/réponses possibles...
Un travail qui doit être mené par des personnes qui maîtrisent les concepts de fonctionnement du chatbot et qui sauront traduire les informations données par les experts du domaine .
La période de test et de corrections nécessite , elle , une grande rigueur .
Enfin , et ce n’est pas à minimiser , une fois le chatbot en place il faut également mobiliser des ressources pour sa maintenance régulière : analyser les conversations qui ne se déroulent pas comme prévu pour intégrer les nouveaux cheminements , améliorer la détection des intentions , détecter les sujets non couverts .
Ce travail est impératif si on sou- haite un chatbot efficace et pertinent .
ULLY
, peu visible pour l’instant , n’a pas encore trouvé son public et son déploiement sur l’application mobile nous permettra de savoir si nous continuons l’aventure en éten- dant son usage à d’autres domaines .
Une chose est sûre maintenant : il n’y a rien de magique et il faudra des ressources .
Plus généralement les progrès extraordi- naires réalisés par l’IA avec l’apparition de chatbots généralistes comme ChatGPT nous interrogent (voir article page suivante) .
Doit-on persister à nous appuyer sur des solutions certes libres mais limitées et qui exigent des ressources en interne , pour des résultats qui seront toujours en deçà de l’état de l’art ? Ou doit-on s’appuyer sur les modèles ultra-performants qui sont main- tenant disponibles ? Avec des coûts non négligeables...
La prochaine étape de l’aventure d’ULLY sera sûrement de se décliner sur l’une de ces tech- nologies dernier cri , à titre de comparaison .
« Retour sur… .
» N°01 - Les chatbots à la croisée des intelligences : Usages , technologies et
ESR
, de janvier 2019