Vers une amélioration du Service Client grâce aux Agents Conversationnels et à l’Analyse des Sentiments

Abstract

Les exploits de l’intelligence artificielle ont suscité ces dernières années l'intérêt des chercheurs dans le développement et l’adoption généralisée d’assistants virtuels fondés sur l’intelligence artificielle, favorisant ainsi la conversation instantanée. Ces assistants sont connus sous le nom d’agents conversationnels, ou plus communément de chatbots, et sont utilisés dans un large éventail de domaines. Ils sont devenus de plus en plus sophistiqués en introduisant de nouvelles fonctionnalités d’apprentissage profond dans l’intention d’enrichir l’expérience utilisateur. L’analyse des sentiments fait partie de ces fonctionnalités ; elle permet à l’agent conversationnel de déceler les émotions derrière le message fourni par l’utilisateur. Notre thèse est située à l'intersection de deux champs de recherche, à savoir les agents conversationnels et l'analyse des sentiments. Nous suggérons d’implémenter un agent conversationnel orienté données doté d’analyse des sentiments basée sur l’apprentissage profond. Notre agent conversationnel sera appliqué au domaine du service clientèle afin de remédier aux problèmes de disponibilité, de temps de réponse et de perception des émotions des utilisateurs. À cet effet, nous proposons d’utiliser un modèle séquence à séquence doté d’un mécanisme d’attention pour notre système de dialogue, ainsi qu’un réseau neural récurrent pour la détection du sentiment. Les résultats obtenus après l’évaluation de notre système se sont avérés prometteurs.

Mots-clés : Agents Conversationnels, Analyse des Sentiments, Chatbot, Apprentissage Profond, Service Client.