Au-delà du gadget : plongée au cœur de la révolution des chatbots
Le terme ‘chatbot’ est partout. On l’entend dans les conférences marketing, on le lit dans les articles sur l’innovation, et on interagit même parfois avec lui sans s’en rendre compte. Pourtant, derrière ce mot souvent galvaudé se cache une véritable révolution technologique et stratégique. Loin d’être de simples gadgets répondant à des questions basiques, les agents conversationnels modernes sont en train de redéfinir la manière dont les entreprises communiquent avec leurs clients. Mais qu’est-ce qu’un chatbot, concrètement ? Sur quelles technologies repose-t-il vraiment ? Et surtout, quel est son véritable intérêt pour une entreprise en quête de croissance et d’une meilleure expérience client ? C’est une discussion que j’ai eue le plaisir d’avoir, une conversation ‘sans bullshit’, pour reprendre l’expression. Je suis Kevin Colleaux, co-fondateur de Kick my Bot, et depuis 2016, je vis et respire au rythme de l’intelligence artificielle conversationnelle. Mon parcours, de la vente d’annonces chez Figaro à la création d’une agence spécialisée, m’a donné une conviction forte : l’avenir de l’interaction digitale sera conversationnel. Dans cet article, je vais partager avec vous non pas une vision théorique, mais le fruit de notre expérience sur le terrain. Nous allons décortiquer ensemble ce qui fait un chatbot efficace, explorer les technologies comme le NLP et le Deep Learning, et illustrer par des exemples concrets comment un agent conversationnel bien pensé peut devenir un atout stratégique majeur, capable de booster la rétention, d’exploser les taux de conversion et de préparer votre entreprise au web de demain.
Démystifier le chatbot : bien plus qu’un simple robot de discussion
Pour beaucoup, le mot ‘chatbot’ évoque une petite fenêtre qui s’ouvre en bas à droite d’un site web, posant une question générique. Si cette image n’est pas fausse, elle est terriblement réductrice. La première étape pour comprendre le potentiel de cette technologie est de dépasser cette vision superficielle et de définir ce qu’est réellement un agent conversationnel aujourd’hui. Il ne s’agit pas juste de programmer des réponses automatiques, mais de construire un système capable de comprendre, d’analyser et d’agir. C’est un changement de paradigme fondamental dans l’interaction homme-machine, où l’on ne demande plus à l’utilisateur de s’adapter à une interface rigide (menus, filtres, formulaires), mais où c’est l’interface qui s’adapte au langage naturel de l’utilisateur. Cette distinction est cruciale, car elle conditionne entièrement la valeur que l’on peut en tirer. Avant de plonger dans la technique, il est essentiel de comprendre l’écosystème dans lequel ces outils évoluent, car tous les chatbots ne naissent pas égaux.
Qu’est-ce qu’un agent conversationnel en 2024 ?
Alors, définissons les choses clairement. Pour nous, un chatbot est bien plus qu’un automate.
‘On peut définir un chatbot comme un agent conversationnel qui va être en mesure de comprendre une requête utilisateur et de l’orienter effectivement vers la meilleure réponse possible.’
Cette définition, bien que simple, contient deux notions fondamentales : la ‘compréhension’ et ‘l’orientation vers la meilleure réponse’. Un chatbot basique, de type ‘foire aux questions’ avec un arbre de décision, ne comprend pas réellement. Il suit un script. Si vous sortez du chemin prévu, il est perdu. L’agent conversationnel moderne, lui, utilise l’intelligence artificielle pour interpréter l’intention derrière les mots de l’utilisateur, même si la phrase est mal formulée, contient des fautes de frappe ou utilise des synonymes. C’est là que réside toute la puissance. Il ne s’agit plus d’un simple répondeur, mais d’un véritable assistant capable de guider, de conseiller et d’exécuter des tâches complexes, comme trouver le bien immobilier parfait ou la paire de chaussures de running la plus adaptée. L’objectif n’est pas de remplacer l’humain, mais de traiter instantanément et efficacement une grande majorité des requêtes, libérant ainsi le temps des équipes pour des tâches à plus haute valeur ajoutée.
Les différents acteurs sur le marché des chatbots
Le marché des chatbots est aujourd’hui assez segmenté, et il est important de comprendre les différentes approches pour choisir celle qui correspond à ses besoins. On peut schématiser cet écosystème en trois grandes familles. D’abord, il y a ce que j’appelle les ‘agences classiques’. Elles n’ont pas de brique technologique propriétaire et se concentrent souvent sur la création de chatbots simples, basés sur des arbres de décision. C’est une porte d’entrée, mais on atteint vite les limites en termes de compréhension et de personnalisation. Ensuite, on trouve une multitude de plateformes en mode SaaS (Software as a Service), ou ‘Bot as a Service’. C’est un peu le ‘Wix.com du chatbot’ : elles fournissent des outils pour construire soi-même son agent conversationnel de manière relativement simple. C’est une excellente option pour des besoins standards, mais cela peut devenir complexe dès que l’on souhaite une intégration poussée avec son système d’information ou des algorithmes de matching très spécifiques. Enfin, il y a des acteurs comme nous, Kick my Bot, qui se positionnent sur le développement de chatbots sur mesure. Notre approche est de partir de la problématique métier de l’entreprise pour construire une solution entièrement personnalisée, en utilisant les meilleures technologies disponibles et en développant nos propres algorithmes. C’est l’approche la plus coûteuse au départ, mais aussi la plus performante et celle qui offre le meilleur retour sur investissement pour des cas d’usage complexes.
Cette transition entre les différentes sections nous amène naturellement au cœur du réacteur. Car, que l’on choisisse une plateforme SaaS ou une solution sur mesure, la performance d’un chatbot repose entièrement sur la qualité des technologies qu’il embarque. Comprendre ces briques technologiques, ce n’est pas seulement un exercice pour les développeurs ; c’est indispensable pour tout marketeur ou chef de projet qui souhaite piloter efficacement un projet conversationnel. C’est en comprenant comment la ‘magie’ opère que l’on peut définir des objectifs réalistes et ambitieux.
Au cœur de la machine : les technologies qui donnent vie aux chatbots
Si l’expérience utilisateur d’un chatbot doit être simple et fluide, la technologie qui la sous-tend est d’une complexité fascinante. C’est un assemblage subtil de plusieurs disciplines de l’intelligence artificielle qui travaillent de concert pour transformer une simple phrase en une action pertinente. Pour nous, qui développons des solutions sur mesure, maîtriser ces technologies est notre quotidien. Il ne s’agit pas simplement de connecter des API, mais de comprendre en profondeur le fonctionnement des algorithmes pour les adapter aux problématiques spécifiques de nos clients. C’est cette expertise qui fait la différence entre un chatbot frustrant et un assistant virtuel réellement intelligent et utile. Pénétrons ensemble dans la salle des machines pour découvrir les trois piliers technologiques qui animent nos agents conversationnels : le NLP, le Machine Learning, et le rôle absolument central de la data.
Le NLP, le cerveau de la conversation
Le pilier central de tout chatbot intelligent est le NLP, pour ‘Natural Language Processing’, ou ‘Traitement Automatique du Langage Naturel’ en français. C’est la technologie qui permet à la machine de ‘tendre à comprendre la complexité du langage humain’. C’est un domaine où les géants du web se livrent une guerre féroce, avec des plateformes comme celles de Google (Dialogflow), Amazon (Lex) ou Facebook (Wit.ai). Concrètement, comment ça marche ? Le processus se déroule en deux étapes clés. D’abord, la machine cherche à identifier ce que l’on appelle ‘l’intention’ de l’utilisateur.
‘On est clairement sur de la recherche d’intention dans un texte afin de comprendre bah finalement le sens de la phrase de l’utilisateur.’
Par exemple, dans la phrase ‘je cherche une maison à acheter à Lyon’, l’intention est clairement ‘recherche_bien_immobilier’. Une fois cette intention identifiée, le NLP passe à la deuxième étape : l’extraction des ‘entités nommées’. Ce ne sont pas de simples mots-clés, mais des informations structurées. Dans notre exemple, les entités seraient ‘maison’ (type de bien), ‘acheter’ (type de transaction) et ‘Lyon’ (localisation). C’est cette capacité à décomposer une phrase en intention et entités qui permet au chatbot de comprendre précisément la demande et de dialoguer avec d’autres systèmes, comme une base de données immobilière, pour trouver la réponse adéquate.
Machine Learning et Deep Learning : l’apprentissage au service de l’efficacité
Le NLP ne fonctionne pas par magie. Il repose sur des algorithmes de ‘Machine Learning’ (apprentissage automatique). L’idée est d’entraîner un modèle en lui fournissant des milliers d’exemples de phrases. Plus on lui donne d’exemples, plus il devient performant pour reconnaître les intentions et les entités dans de nouvelles phrases qu’il n’a jamais vues. Mais parfois, le Machine Learning classique et les plateformes NLP standards ont leurs limites. C’est là qu’intervient le ‘Deep Learning’ (apprentissage profond), une sous-famille du Machine Learning qui utilise des réseaux de neurones artificiels, inspirés du cerveau humain. Le Deep Learning nous permet de résoudre des problèmes plus complexes. Par exemple, la gestion de la négation est un vrai casse-tête pour beaucoup de systèmes. Comprendre que ‘je veux tout sauf un appartement à Melun’ est extrêmement difficile.
‘Là on va s’affranchir effectivement de ces techno et on va travailler avec nos propres réseaux de neurones récurrents.’
En développant nos propres modèles de Deep Learning, nous pouvons créer des chatbots qui comprennent des nuances beaucoup plus fines. L’un de nos docteurs en informatique a même développé un système capable de lire quelques pages d’un texte de Voltaire et de répondre ensuite à des questions sur le narrateur ou l’intrigue. C’est la preuve que nous nous dirigeons vers une compréhension de plus en plus profonde du sens, et non plus seulement de la structure des phrases.
Le rôle crucial de la data : pourquoi un chatbot sans données est une coquille vide
Toute cette technologie, aussi avancée soit-elle, ne sert à rien sans un carburant essentiel : la data. Un chatbot peut parfaitement comprendre que vous cherchez une ‘télévision Samsung 4K avec 3 ports HDMI pour moins de 1500€’, mais si derrière, il n’a pas accès à un catalogue de produits riche et bien structuré, il ne pourra rien vous proposer. C’est pourquoi ce qui nous passionne le plus, c’est ce que l’on appelle ‘l’algorithme de matching’.
‘Aujourd’hui sur une quarantaine de projets de chatbot qu’on a qu’on a mené, il y a seulement deux chatbot sur lequel on n’a pas fait de matching.’
Notre cœur de métier est de connecter la compréhension du langage naturel à une source de données (un catalogue e-commerce, une base d’offres d’emploi, des biens immobiliers, des formations…) pour créer une correspondance parfaite et instantanée. Plus la base de données est profonde et riche, plus l’expérience conversationnelle sera pertinente et satisfaisante pour l’utilisateur. Un chatbot performant n’est donc pas juste une belle interface de discussion ; c’est avant tout une nouvelle porte d’entrée, intelligente et intuitive, vers la richesse de vos données et de votre offre. C’est cette alchimie entre la technologie conversationnelle et la data qui crée une véritable valeur ajoutée.
Maintenant que nous avons exploré les fondations technologiques, il est temps de construire l’édifice. Comment ces capacités de compréhension et de matching se traduisent-elles en bénéfices concrets pour une entreprise ? C’est tout l’enjeu du marketing digital aujourd’hui : transformer la technologie en résultats mesurables. Un chatbot n’est pas une fin en soi, c’est un moyen au service d’objectifs stratégiques précis : améliorer l’expérience client, augmenter la rétention, et bien sûr, booster les conversions. C’est ce que nous allons voir maintenant, avec des chiffres et des exemples concrets à l’appui.
Le chatbot comme levier stratégique : applications marketing et retour sur investissement
La technologie est fascinante, mais pour une entreprise, la seule question qui vaille est : ‘qu’est-ce que ça me rapporte ?’. Un projet de chatbot ne doit jamais être lancé pour de mauvaises raisons, comme ‘suivre la tendance’ ou ‘faire moderne’. Il doit répondre à des objectifs business clairs et mesurables. Fort heureusement, les applications des agents conversationnels en marketing sont nombreuses et leur impact sur le retour sur investissement est de plus en plus documenté. Que ce soit pour guider un client perdu dans un catalogue de produits complexe, pour capter des candidats qualifiés ou pour créer une nouvelle forme de commerce sur les réseaux sociaux, le chatbot s’impose comme un outil polyvalent et redoutablement efficace. Il permet de créer des interactions personnalisées à grande échelle, une promesse que le marketing digital poursuit depuis ses débuts. Voyons comment cela se matérialise à travers deux axes majeurs : la rétention de l’audience et la conversion des prospects en clients ou candidats.
Améliorer l’expérience client et la rétention sur votre site
L’un des plus grands défis pour les marques aujourd’hui est de capter et de retenir l’attention des utilisateurs. Comme me le disent souvent mes clients, ‘sur les réseaux sociaux, on est dans du snacking de contenu, on perd l’attention des utilisateurs’. Le taux de rebond sur un site internet est une métrique qui hante de nombreux marketeurs. C’est ici que le chatbot révèle l’un de ses super-pouvoirs : la rétention. Imaginez un client potentiel qui arrive sur le site d’Adidas. Il veut se mettre au running mais est complètement perdu face à des dizaines de modèles. Plutôt que de cliquer sur trois menus, d’appliquer cinq filtres et de probablement abandonner, il peut simplement engager la conversation.
‘OK salut Adidas, je veux me mettre au running. Qu’est-ce que tu me proposes comme super chaussures ?’
S’ensuit un dialogue guidé où le chatbot va poser les bonnes questions : ‘tu cours sur route ou sur piste ?’, ‘combien de kilomètres par semaine ?’. En quelques secondes, l’utilisateur se voit proposer une sélection ultra-personnalisée. L’expérience est fluide, simple et efficace. Et les chiffres le prouvent :
‘Sur les chatbot ce qui est intéressant, c’est que la première conversation entre le chatbot de nos clients et les utilisateurs dure en moyenne 7 minutes.’
Sept minutes ! Comparez cela à des temps de visite moyens qui peinent souvent à dépasser la minute. En maintenant l’utilisateur engagé dans une conversation utile, on le garde captif, on valorise l’offre et on augmente drastiquement les chances qu’il trouve ce qu’il est venu chercher.
Booster les conversions : du social commerce à la génération de leads
Retenir, c’est bien. Convertir, c’est mieux. Et là encore, les résultats sont éloquents. Prenons le cas du recrutement, un domaine que nous connaissons particulièrement bien. Un site carrière classique peut être intimidant. Le candidat doit naviguer, chercher, filtrer. Avec un chatbot, il dit simplement : ‘je cherche un job de cariste à Lyon’. Le chatbot va alors lui présenter les offres pertinentes. Le résultat ? Sur la vingtaine de clients que nous accompagnons dans ce secteur, nous observons un taux de conversion (c’est-à-dire le nombre de candidatures reçues par rapport au nombre de conversations engagées) qui se situe ‘de l’ordre de 4 à 13 % pour les plus performants’. Pour mettre ce chiffre en perspective, une annonce classique sur un site d’emploi est vue en moyenne 800 fois et génère entre 15 et 25 CV, soit un taux de transformation d’environ 2.5%. Le chatbot, par son approche conversationnelle et directe, double au minimum ce taux, et peut aller bien au-delà. Cette logique s’applique à de nombreux autres domaines. Imaginez le ‘social commerce’ sur Messenger pour une marque de jouets comme La Grande Récré. Un parent peut dire ‘je cherche un jouet Reine des Neiges pour ma nièce’, se laisser guider (‘Anna, Elsa ou Olaf ?’, ‘Une poupée ou une peluche ?’) et trouver le cadeau parfait en moins d’une minute, sans jamais quitter l’application de messagerie. C’est une expérience d’achat sans friction, qui transforme l’intention en action de manière quasi instantanée.
Ces exemples montrent que le chatbot n’est plus un projet d’avenir, mais un outil concret et performant pour aujourd’hui. Mais comme toute technologie, elle ne cesse d’évoluer. Se contenter de ce qui fonctionne actuellement serait une erreur. Il est donc primordial de regarder vers l’horizon, d’anticiper les prochaines vagues d’innovation pour ne pas se laisser distancer. La conversation est en train de s’étendre au-delà des petites fenêtres de chat pour infuser l’ensemble de notre expérience numérique. C’est cette vision prospective que nous allons aborder pour conclure.
L’avenir est conversationnel : vers où se dirige le marché ?
Se définir comme un simple ‘développeur de chatbots’ serait passer à côté de l’essentiel de notre vision. Chez Kick my Bot, nous nous considérons avant tout comme des ‘experts du conversationnel’. Notre véritable objectif n’est pas de construire des chatbots, mais de permettre une compréhension fluide entre l’utilisateur et la machine, que ce soit par le texte ou par la voix, sur un site web, une enceinte connectée ou toute autre interface. Cette nuance est capitale, car elle nous pousse à regarder au-delà des outils actuels pour anticiper la prochaine grande mutation du web. Le constat que nous faisons, en observant notamment ce qui se passe aux États-Unis, est sans appel : après le web des pages et le web des applications, nous entrons dans l’ère du web conversationnel. Un web où l’on ne navigue plus, on demande. Cette transformation, portée par l’essor de la recherche vocale et les progrès fulgurants de l’IA, va remodeler en profondeur la manière dont nous concevons les interfaces digitales.
De la recherche textuelle à la recherche vocale
Le signal le plus fort de cette transition est l’adoption massive de la recherche vocale. Les chiffres sont vertigineux.
‘Aujourd’hui une recherche sur 5 aux États-Unis sur Google est faite au travers de la voix.’
Cette statistique peut sembler lointaine, presque incroyable vue de France où l’usage est encore marginal, mais c’est un indicateur avancé d’une tendance de fond. Les utilisateurs s’habituent à interagir avec la technologie de la manière la plus naturelle qui soit : en parlant. Cette évolution a des conséquences directes pour nos clients et pour notre métier. La technologie que nous développons pour comprendre une requête textuelle dans un chatbot est fondamentalement la même que celle nécessaire pour comprendre une requête vocale adressée à Google Home ou Alexa. L’enjeu pour les marques n’est donc plus seulement d’avoir un site web responsive, mais d’être ‘conversation-ready’. C’est-à-dire être capable de fournir des réponses directes, claires et structurées, non plus seulement à un internaute qui clique, mais à une intelligence artificielle qui cherche la meilleure information pour répondre vocalement à son utilisateur.
Les sites web de demain : des plateformes interactives et intelligentes
Cette montée en puissance du conversationnel va nous amener à repenser radicalement l’ergonomie même des sites internet. Pensez au temps que l’on perd, que ce soit sur un site externe comme Ameli.fr ou même sur l’intranet de sa propre entreprise, à chercher une information précise en naviguant dans des menus et des sous-menus labyrinthiques. C’est une expérience utilisateur frustrante et inefficace. Notre vision est que cette approche est vouée à disparaître.
‘Ce que l’on imagine en tout cas, c’est des sites qui sont de plus en plus conversationnels sur lesquels bah j’envoie ma requête et j’ai une réponse immédiate.’
Demain, la page d’accueil de nombreux sites ne sera peut-être plus une mosaïque de liens, mais une simple barre de recherche, beaucoup plus puissante que celles que l’on connaît. Une interface où l’on pourra taper ou dicter une question complexe en langage naturel, et obtenir instantanément la bonne information, le bon produit ou le bon service. Le site web absorbera l’intégralité de son propre contenu, le comprendra grâce à des technologies similaires à celles que nous développons, et servira de pont direct entre l’intention de l’utilisateur et la réponse. C’est la fin de la friction, la promesse d’une interaction digitale enfin alignée sur la simplicité de la conversation humaine.
Conclusion : Passez à la conversation
Au terme de cette exploration, une chose est claire : le chatbot n’est que la partie émergée de l’iceberg. La véritable révolution est celle de l’IA conversationnelle, une technologie qui infuse progressivement toutes nos interactions digitales. Nous avons vu qu’un agent conversationnel efficace repose sur trois piliers : une technologie de pointe (NLP, Deep Learning) pour comprendre le langage, une connexion intelligente à des données riches pour apporter de la valeur (le fameux ‘matching’), et une stratégie marketing claire pour transformer les conversations en résultats (rétention, conversion). Les chiffres le prouvent : des conversations 7 fois plus longues qu’une visite classique et des taux de transformation plus que doublés ne sont pas des exceptions, mais la norme pour un projet bien mené. Mais l’enseignement le plus important est de regarder vers l’avenir. L’essor de la recherche vocale nous montre le chemin : les interfaces de demain seront conversationnelles. Se préparer à cette nouvelle ère n’est plus une option, c’est une nécessité stratégique. Il ne s’agit pas de déployer un chatbot pour le plaisir, mais de commencer à construire dès aujourd’hui la compétence conversationnelle de votre entreprise. Car demain, les marques qui gagneront seront celles qui sauront écouter, comprendre et répondre, instantanément et personnellement, à l’échelle de millions d’utilisateurs. L’aventure ne fait que commencer.
Questions fréquentes sur les chatbots et l’IA conversationnelle
Quelle est la différence fondamentale entre un chatbot simple et un chatbot avancé ?
La différence majeure réside dans la capacité de ‘compréhension’. Un chatbot simple, souvent basé sur des arbres de décision, suit un script pré-défini. Il ne peut répondre qu’aux questions exactes pour lesquelles il a été programmé et se perd si l’utilisateur s’écarte du chemin. Un chatbot avancé, quant à lui, utilise des technologies comme le Traitement Automatique du Langage Naturel (NLP) pour interpréter l’intention réelle derrière la phrase de l’utilisateur, même si elle est formulée de manière inédite. Il peut gérer des synonymes, des fautes de frappe et comprendre le contexte pour fournir une réponse pertinente et personnalisée.
‘On peut définir un chatbot comme un agent conversationnel qui va être en mesure de comprendre une requête utilisateur et de l’orienter effectivement vers la meilleure réponse possible.’
Le NLP est-il indispensable pour tous les types de chatbots ?
Non, pas nécessairement. Pour des cas d’usage très simples, comme une foire aux questions avec une dizaine de réponses ou un questionnaire linéaire, un chatbot basé sur de simples boutons et arbres de décision peut suffire. Cependant, dès que l’on souhaite offrir une expérience fluide où l’utilisateur peut s’exprimer librement, le NLP devient indispensable. C’est lui qui apporte l’intelligence et la flexibilité, permettant de passer d’un simple répondeur automatique à un véritable assistant virtuel capable de dialoguer.
‘D’un point de vue techno, on va travailler beaucoup avec ce qu’on appelle des plateformes NLP. donc ça veut dire natural Language processing ou traitement automatique du langage naturel.’
Comment un chatbot peut-il concrètement augmenter le taux de conversion sur un site e-commerce ?
Un chatbot e-commerce agit comme un vendeur virtuel expert et disponible 24/7. Au lieu de laisser le client se débrouiller avec des filtres et des catégories, le chatbot engage une conversation pour comprendre son besoin précis (‘je cherche une télé pour regarder du sport avec un budget de 1000€’). Il peut alors faire des recommandations ultra-personnalisées en quelques secondes. Cette expérience guidée et sans friction réduit le taux d’abandon, augmente la satisfaction et conduit l’utilisateur beaucoup plus rapidement et efficacement vers l’acte d’achat. C’est un puissant outil de ‘social commerce’ et d’aide à la vente.
‘Pour notre client Conforama par exemple […] tu as un utilisateur qui pouvait aller sur Messenger, demander au chatbot […] de lui trouver la télé Samsung avec un budget entre 1000 et 1500 € […] et effectivement on le trouvait en une microseconde.’
Pourquoi le ‘matching’ de données est-il si important pour un chatbot performant ?
Le ‘matching’ est le cœur du réacteur d’un chatbot à forte valeur ajoutée. C’est l’algorithme qui fait le pont entre la compréhension de la demande de l’utilisateur (grâce au NLP) et la base de données de l’entreprise (produits, offres d’emploi, biens immobiliers…). Sans un matching efficace, le chatbot peut très bien comprendre la demande mais être incapable de fournir une réponse pertinente. C’est cette capacité à trouver la correspondance parfaite et instantanée qui crée une expérience utilisateur magique et qui génère des résultats concrets, comme des candidatures qualifiées ou des ventes.
‘Ce qui nous intéresse et ce qui nous anime, c’est tout ce qui est algorithme de matching. Donc aujourd’hui effectivement plus on va avoir une profondeur de l’offre intéressante et ben plus on va pouvoir s’amuser avec toutes ces données.’
Quels sont les principaux défis techniques dans la création d’un chatbot, comme la gestion de la négation ?
L’un des plus grands défis est de gérer les subtilités et les ambiguïtés du langage humain. Les plateformes NLP standards sont performantes, mais peinent sur certains aspects complexes. La gestion de la négation (‘je veux tout sauf…’) en est un excellent exemple. Comprendre une exclusion plutôt qu’une inclusion demande des modèles plus sophistiqués. C’est pour cela que nous utilisons parfois le Deep Learning et nos propres réseaux de neurones, afin de nous affranchir des limites des outils standards et de créer des chatbots capables de saisir des nuances fines, offrant ainsi une conversation beaucoup plus naturelle et précise.
‘Toute la gestion de la négation est très compliquée, c’est très compliqué pour une machine effectivement bah de comprendre euh bah que je ne veux pas un appartement à Melun de 90 m carré avec trois chambres mais que je veux tout le reste.’
Un chatbot est-il plus efficace sur un site web ou sur une application de messagerie comme Messenger ?
L’efficacité dépend de l’objectif et de la cible. Sur un site web, le chatbot est un formidable outil de rétention et d’assistance à la navigation pour des visiteurs déjà présents. Il peut transformer un visiteur passif en prospect actif. Sur une application de messagerie comme Messenger, il permet de toucher une audience là où elle se trouve déjà et de manière très directe. C’est un canal exceptionnel pour le ‘social commerce’ et la communication proactive, avec des taux d’ouverture quasi parfaits. L’idéal est souvent une stratégie omnicanale où l’expérience conversationnelle est cohérente sur tous les points de contact.
‘Lorsque j’envoie un message à un utilisateur sur Messenger, 98 % du temps, ben il est ouvert dans les 2 heures. Donc là c’est assez canon, on est vraiment dans l’instant.’
Combien de temps dure en moyenne une conversation avec un chatbot et qu’est-ce que cela signifie pour l’engagement ?
Les données que nous observons sont très parlantes : la première conversation entre un utilisateur et les chatbots de nos clients dure en moyenne sept minutes. Ce chiffre est remarquable quand on le compare aux temps de visite moyens sur les sites web, qui dépassent rarement une à deux minutes. Cela démontre que lorsqu’un chatbot est bien conçu et répond à un réel besoin, il ne fait pas fuir l’utilisateur ; au contraire, il le captive. Il crée une interaction engageante qui maintient l’attention bien plus longtemps qu’un contenu statique, ce qui augmente considérablement les chances de conversion.
‘Sur les chatbot ce qui est intéressant, c’est que la première conversation entre le chatbot de nos clients et les utilisateurs dure en moyenne 7 minutes. Alors que parfois, on va avoir des clients qui ont des taux de rebond de 45 50 secondes.’
Comment la recherche vocale va-t-elle influencer l’avenir des chatbots et des sites web ?
La recherche vocale est le prolongement naturel de l’IA conversationnelle. Les technologies de compréhension du langage qui animent un chatbot textuel sont les mêmes que celles qui permettent à une enceinte connectée de répondre à une question. L’essor de la voix va nous forcer à penser ‘conversation-first’. Les sites web devront être structurés non plus pour des clics, mais pour fournir des réponses directes à des questions. Notre vision est celle de sites où une barre de recherche intelligente, capable de comprendre le langage naturel, remplacera la navigation par menus, rendant l’accès à l’information instantané et sans effort.
‘Aujourd’hui une recherche sur 5 aux États-Unis sur Google est faite au travers de la voix. Donc ça paraît complètement dingue […] on se dit qu’effectivement le web va devenir de plus en plus conversationnel.’
