Agents conversationnels
Vous avez probablement déjà discuté avec un chatbot sans forcément vous en rendre compte. Un assistant sur le site d'une banque qui répond à vos questions, un service client qui vous propose des réponses automatiques ou, plus récemment, ChatGPT, Gemini ou Claude : tous reposent sur l'idée de faire dialoguer un humain et un programme informatique en utilisant le langage naturel.
Le mot chatbot (en français : agent conversationnel) est formé de chat (conversation) et de bot (robot logiciel). Il désigne un programme capable d'échanger avec un utilisateur sous une forme conversationnelle. Mais derrière une interface qui ressemble à une simple messagerie peuvent se cacher des techniques très différentes.
Un concept plus ancien qu'on ne pourrait le penser
L'histoire des chatbots ne commence pas avec ChatGPT. Dès les années 1960, des chercheurs en intelligence artificielle cherchent à faire dialoguer des ordinateurs avec des humains.
En 1966, Joseph Weizenbaum, chercheur au MIT, met au point ELIZA, l'un des premiers programmes de conversation. ELIZA peut notamment simuler le comportement d'un psychothérapeute en reformulant les phrases de son interlocuteur. ELIZA ne comprend évidemment pas la situation mais recherche certains mots ou structures dans la phrase et applique des règles préprogrammées.
Dans Intelligence, machines et mathématiques - I'Intelligence artificielle et ses enjeux (coll. Le monde est mathématique, RBA 2020), I. Belda reproduit deux conversations qu’il a eues avec ELIZA. Voici le début de l’une d’elles :
— Bonjour. Comment allez-vous ? Racontez-moi votre problème.
— Je suis stressé.
— Depuis quand êtes-vous stressé ?
— Depuis que mon éditeur m’a dit que je devais me dépêcher d’écrire ce livre.
— Pourquoi votre éditeur vous a-t-il dit de vous dépêcher ?
— Parce qu’il veut que je le rende avant janvier.
— Est-ce une raison valable ?
De nombreux systèmes conversationnels apparaissent au cours des décennies suivantes, notamment dans les centres d'appels et les services clients. Ils fonctionnent généralement avec des règles, des arbres de décision et des bases de réponses prédéfinies.
Une nouvelle étape apparaît avec les progrès de l'apprentissage automatique (machine learning), puis de l'apprentissage profond (deep learning). Au lieu de programmer manuellement toutes les réponses possibles, on entraîne les modèles à partir de grandes quantités de données.
À partir des années 2010, les progrès du traitement automatique du langage (TAL, ou NLP en anglais) permettent aux machines de mieux analyser et produire du texte. En 2022, la mise à disposition de ChatGPT au grand public marque une nouvelle étape : les chatbots fondés sur de grands modèles de langage deviennent accessibles à des millions de personnes.
Plusieurs techniques
Tous les chatbots ne fonctionnent pas de la même façon.
Un chatbot très simple peut fonctionner avec des règles. Par exemple :
Client : « Je voudrais connaître les horaires d'ouverture. »
Chatbot : « Nos magasins sont ouverts du lundi au samedi de 9 h à 19 h. »
Le programme reconnaît certains mots-clés et sélectionne une réponse prévue à l'avance.
Un chatbot plus évolué peut utiliser une intelligence artificielle capable d'analyser la demande et de choisir une réponse parmi de nombreuses possibilités. Les systèmes les plus récents utilisent souvent un grand modèle de langage (Large Language Model, ou LLM). C'est le cas de modèles comme GPT, Gemini ou Claude.
Ainsi, un chatbot n'est pas nécessairement une IA générative et une IA générative n'est pas toujours un chatbot. Celui-ci désigne principalement l'interface conversationnelle ; le modèle d'IA constitue la technologie qui peut se trouver derrière cette interface.
Exemple
Prenons un exemple très simple. Vous écrivez : Explique-moi la différence entre inflation et pouvoir d'achat.
Dans un chatbot moderne, votre texte est d'abord transformé en une représentation exploitable par le système. Les mots et les morceaux de mots sont notamment convertis en tokens, qui constituent les unités manipulées par le modèle.
Le texte est ensuite traité par un réseau de neurones comportant un très grand nombre de paramètres. Les modèles de langage modernes utilisent notamment une architecture appelée Transformer.
L'une des caractéristiques de cette architecture est le mécanisme d'attention (attention mechanism). Il permet au modèle de tenir compte des relations entre les différents éléments d'une phrase et, plus largement, du contexte fourni dans la conversation.
Le modèle ne possède pas une liste de réponses toutes faites correspondant à chaque question. Il calcule, à partir du contexte, quelles suites de tokens sont statistiquement les plus appropriées. Il produit ainsi progressivement la réponse.
C'est ce qui donne l'impression d'une conversation particulièrement souple. Le système peut reformuler un texte, changer de registre, résumer un document ou produire un exemple sans qu'un programmeur ait écrit manuellement chacune de ces réponses.
Le fonctionnement réel est cependant beaucoup plus complexe que cette présentation simplifiée. L'entraînement d'un grand modèle nécessite d'énormes volumes de données, des infrastructures informatiques importantes et des techniques destinées notamment à améliorer la qualité et la sécurité des réponses.
Utilité
Les usages sont désormais très nombreux.
Dans l'éducation, un chatbot peut expliquer une notion, proposer des exercices, corriger une formulation ou aider un étudiant à identifier ses erreurs. Il peut aussi jouer le rôle d'un interlocuteur avec lequel on s'entraîne dans une langue étrangère.
En entreprise, les chatbots peuvent répondre aux questions des clients, aider les salariés à retrouver une information dans une documentation ou assister certaines tâches administratives. Ils peuvent contribuer à la rédaction de courriels, de comptes rendus ou de documents commerciaux.
Dans la programmation, ils peuvent rédiger ou expliquer du code, identifier une erreur...
Pour un particulier, les possibilités sont encore plus larges : recherche d'idées, organisation d'un voyage, reformulation d'un texte, apprentissage, préparation d'un entretien ou assistance dans l'utilisation d'un logiciel.
L'intérêt particulier du chatbot est que l'utilisateur n'a plus besoin de connaître la commande exacte permettant d'obtenir un résultat. Il peut juste formuler sa demande avec ses propres mots.
Avantages et limites
Le premier avantage est donc la simplicité d'utilisation. Une conversation constitue une interface très intuitive.
Les chatbots peuvent être rapides et disponibles en permanence. Une entreprise peut par exemple fournir une première assistance à ses clients en dehors des horaires d'ouverture.
Ils permettent aussi une certaine personnalisation. Une même information peut être expliquée de manière différente selon le niveau de connaissance de l'utilisateur : débutant, étudiant ou spécialiste.
Enfin, les chatbots peuvent faire gagner du temps pour certaines tâches répétitives : résumer un texte, extraire des informations, générer une première version d'un document…
Le principal problème des chatbots fondés sur des modèles de langage est qu'ils peuvent produire des informations fausses tout en les présentant de manière convaincante. On parle d'hallucination. Cette particularité s'explique par le fonctionnement du modèle : son objectif est de produire une séquence de texte cohérente et vraisemblable, non de garantir que chaque affirmation est vraie !
Les questions de confidentialité sont également importantes. Des informations fournies à un chatbot peuvent être traitées et conservées. Il faut donc éviter de transmettre des données confidentielles.
Il existe aussi des questions liées aux biais présents dans les données d'entraînement, à la propriété intellectuelle, à la consommation de ressources informatiques et à l'impact de ces outils sur certains métiers.
Enfin, une utilisation excessive peut conduire à une forme de dépendance : demander systématiquement à une IA de réfléchir, écrire ou résoudre un problème à sa place peut réduire l'effort intellectuel de l'utilisateur.
