Un chatbot avant tout, c’est une conversation !  

Dans une conversation habituellement il y a des questions et des réponses, des échanges et des choix. 

Ici, il va falloir modéliser cette conversation pour prendre en compte l’ensemble des cas de figure pouvant se présenter. 

Est-ce suffisant ? Pas exactement ! 

Cette conversation a un objectif : elle doit amener la personne d’un point A, là où elle en est aujourd’hui vers un point B, là où elle souhaite arriver. 

Il s’agit de construire un scénario. 

Étiez-vous adeptes des LDVELH, un livre dont vous êtes le héros ? Peut-être avez-vous lu la série astre d’or ou défi fantastique ? 

Ces livres étant interactifs, le déroulement de l’histoire dépend des choix du lecteur, de la lectrice.  

« Deux des caisses renferment de vieux sacs, une troisième renferme des pommes pourries, les deux autres sont vides. Trois des tonneaux contiennent du cidre, les autres du vin. Si vous désirez goûter au cidre, rendez-vous au 12. Si vous désirez goûter au vin, rendez-vous au 16. Si ce tas de vieilleries ne vous intéresse pas, vous pouvez vous diriger vers la porte à doubles battants (rendez-vous au 33) ou vers l’escalier qui conduit au chemin de ronde (rendez-vous au 29). » 

La construction d’un chatbot repose principalement sur un arbre de décision. 

Autrement dit, l’agent conversationnel va diriger la conversation avec l’utilisateur, l’utilisatrice, de sorte à pouvoir lui répondre grâce à des scénarios préétablis. On parle d’arbre de décision, car chacune des branches représente des choix possibles, en fonction de la situation.

Ainsi, un chatbot de ce type est composé d’interactions de type menu, boutons, réponses rapides. Le flux se fait en entonnoir jusqu’à la réponse précise.

« Chaque arbre de décision est en réalité une “story”, un scénario avec des étapes, des actions à mener, des décisions à prendre et un contexte. » 

Pour bien comprendre la place de l’arbre décisionnel dans la construction du bot il est important de souligner la structure globale du bot. 

Un chatbot comporte une partie « front-end » et une partie « back-end » liées l’une à l’autre.  

Le terme « front-end » désigne les éléments du chatbot que l’on voit à l’écran et avec lesquels on peut interagir depuis un navigateur. Il s’agit notamment de polices, de carrousels, de boutons, etc.

Le terme « backend » est un peu comme la partie immergée d’un iceberg. On ne la voit pas, en tant que simple internaute, mais elle tient une place essentielle dans un projet web. Pour le chatbot, en back-end nous trouvons : les bases de données, les API, l’arbre décisionnel etc.

Nous comprenons donc que la construction d’un chatbot fait appel à des compétences très diverses : 

• UX, design, rédactionnelles etc. pour ce qui est du front-end
• architecture, IA, gestion de base données, connexion API etc. pour ce qui est du back-end. 

Voilà 3 exemples d’arbres décisionnels : 

• Hello Charlie 
• Askovet 
• Vik 

N’ayant pas accès au « back-end» de ces trois chatbots, j’ai choisi de construire un graphe récapitulatif pour vous présenter ce type de structure, et ce, à partir de mes observations en « front-end ». 

Cet arbre, bien que partiel, va nous servir à comprendre comment l’utilisateur, l’utilisatrice lors de sa navigation se déplace au sein de cette structure. 

🟢 L’arbre décisionnel du chatbot Hello Charlie : 

Les premières questions du chatbot sont essentielles pour permettre de scinder les données. Cela va ouvrir sur des sections qui auront ensuite leur propre flux. 

Pour l’exemple choisi, voilà ce que nous observons : un bouton n’ouvre pas forcément sur une nouvelle branche. 

Le bouton “m’orienter”’ amène à la question :

• En quelle classe es-tu ?

Les propositions sont au nombre de onze. Le choix n’influe pas sur la réponse finale.  

Dans ce cas, le bouton permet au concepteur, à la conceptrice du bot de mieux connaître ses utilisateurs, utilisatrices en collectant des insights.

Cet arbre décisionnel comporte une ligne principale et peu de branches.  Il suit le rythme de la conversation et enregistre les différentes données fournies par l’utilisateur. 

🟢 L’arbre décisionnel du chatbot Askovet 

Le chatbot Askovet propose du conseil vétérinaire pour chat, chien, lapin, cheval. Ici, nous avons un chatbot dont le domaine de compétence est spécialisé. 

Le périmètre d’intervention de ce bot est défini dès le commencement de la navigation. D’une manière générale, il est important que le domaine de compétence du bot soit ‘fini’, car ainsi il va être possible de se repérer à l’intérieur de l’arbre.

Lors d’une précédente navigation sur le chatbot askovet, j’avais  choisi : cheval, puis jument, et comme nom Leïla. 

Quand je reprends la navigation, Leïla est évoquée, car la valeur Leïla a été stockée dans la variable {{jument}}, et le domaine de compétence est à nouveau précisé. 

Cet arbre décisionnel est extrêmement dense en branches ! 

Les informations fournies sont riches. Vous pouvez suivre en rose sur le graphe un exemple de choix dans la navigation au sein de cet arbre. 

Pour que l’arbre décisionnel permette une expérience utilisateur de qualité, il est nécessaire que l’on puisse à tout moment revenir au nœud ‘parent’. Pour cela vous pourrez observer que régulièrement un bouton ‘menu’ est proposé. 

Une autre façon de se déplacer dans le chatbot est d’utiliser l’intelligence artificielle. Vous pourrez tester en tapant ‘menu’ à n’importe quel moment de la navigation et vous constaterez que le bot va vous présenter les boutons du menu. 

🟢 L’arbre décisionnel du chatbot Vik

Le chatbot vik est un assistant virtuel qui accompagne pendant le parcours de soin dans le cadre du cancer du sein. 

ncore une nouvelle structure d’arbre décisionnel. 

Ce chatbot a une très grosse base de données. 

L’arbre est extrêmement complexe, avec un grand nombre de niveaux.

 À titre d’exemple : 

Dans le menu je choisis : 

RÔLE DE L’AIDANT => ANNONCE => ANNONCE ENFANTS => AIDE PSY => GROUPE DE PAROLE = AIDE POUR AIDANTS. 

À ce stade, les suggestions continuent, ouvrant encore sur un nouveau menu. 

Nous voyons un exemple de chatbot avec une très riche proposition ! 

Il s’agit d’un arbre de grande hauteur, c’est-à-dire que le nombre de nœuds entre la racine et le dernier élément enfant est important. 

Pour conclure, je dirais que l’arbre décisionnel va être mis en valeur par l’IA qui va permettre une navigation plus fluide et intuitive. Il sera à ce moment-là nécessaire au moment de la conception du bot de respecter un juste équilibre entre les deux, c’est à dire l’arbre décisionnel et L’IA. 

Ici se termine notre voyage au pays des arbres décisionnels ! 

Je pense qu’à partir d’aujourd’hui vous regarderez les chatbots différemment, en imaginant l’arbre qui se cache derrière chacun  ! 🙂