Comparatif des plateformes de bot : Google s'impose, le français Mindsay se démarque

Comme souvent dans l'IA, Moutain View séduit. Face à lui, Amazon, IBM ou SAP avancent leurs pions en combinant NLP et arbres de décision.

S'immisçant aussi bien sur les sites web que sur Messenger, voire sur Alexa ou Google Assistant, les bots s'adossent à trois grandes technologies. La plus simple et la plus ancienne d'entre elles n'est autre que l'arbre de décision. Statique, il guide l'utilisateur via des questions multiples (par exemple : "Quel type de vêtement recherchez-vous ?" "De quelle taille ?" "De quelle couleur ?"). Deuxième brique de l'édifice, le NLP (pour natural language processing) vise, lui, à saisir les demandes quelle que soit leur formulation en vue d'y répondre au mieux. Troisième et dernier étage : l'interface vocale. Avec elle, le chatbot devient un voicebot. La principale qualité d'une plateforme de bot se mesure à sa capacité d'intégrer ces trois couches en coiffant l'ensemble d'une console de pilotage. A ce jeu-là, l'offre cloud DialogFlow de Google ressort gagnante. Face au Californien, d'autres ténors du cloud investissent le terrain, au premier rang desquels AWS (avec Amazon Lex) et Microsoft (avec Azure Bot Service).

Note : l'ensemble des plateformes de bot retenues dans ce comparatif gèrent les arbres de dialogue (en permettant de les modéliser graphiquement) et prennent en charge le français.

Autre géant IT engagé dans la bataille, IBM a été l'un des tous premiers à afficher des références clients en France. En 2018, Orange Bank met en place la plateforme Watson Assistant de Big Blue en vue d'équiper son application mobile d'un conseiller virtuel (Djingo). La même année, Crédit Mutuel la met en œuvre pour propulser plusieurs assistants en interne. Objectif de la banque mutualiste : répondre en temps réel aux questions de ses conseillers sur de multiples produits : assurance, épargne, crédit à la consommation, prévoyance. Résultat : le taux de satisfaction des utilisateurs atteint 90% après un déploiement auprès de 20 000 conseillers.

Des bot factory clé en main

Pour piloter ces projets, Orange Bank comme le Crédit Mutuel ont depuis ouvert des pôles de compétences internes. "Watson Assistant est tout à fait adapté à la mise en place d'une bot factory", confirme Stéphane Sun, directeur des activités Data for CX chez Capgemini Invent, avant de préciser : "derrière ce produit, les consultants d'IBM sont mis en avant." En France, plusieurs acteurs s'inspirent du modèle d'IBM. C'est le cas notamment de Clustaar et The chat bot factory qui ont tous deux bâti une plateforme de bot combinée à une offre de services d'accompagnement. "Ces solutions permettent d'ailleurs d'externaliser entièrement une bot factory", ajoute Stéphane Sun. 

"Mindsay associe une interface graphique de modélisation d'arbres de dialogue à une couche de NLP de qualité"

Aux côtés des frameworks de bot, tel Luis, ciblant plutôt les développeurs, Guillaume Moizan évoque la plateforme du français Mindsay. "C'est un environnement complet qui associe une interface graphique de modélisation d'arbres de dialogue à une couche de NLP de qualité", reconnait le consultant d'Octo Technology. "Un introspecteur détecte en temps réel si des domaines sont mal entraînés pour corriger le tir. Il identifie immédiatement les discussions qui dérivent via une analyse de sentiments, puis gère l'escalade vers un opérateur humain si besoin." Autre point fort : de nombreux connecteurs. Mindsay intègre des passerelles vers les principales messageries instantanées (Messenger, Slack, WeChat, WhatsApp), vers les assistants vocaux Alexa et Google Assistant, mais aussi vers des applications de service client (Genesys, Intercom, Salesforce, Zendesk...). "Vu la maturité de cette technologie, il n'est pas impossible que Mindsay se fasse racheter", anticipe Guillaume Moizan.

L'éditeur parisien propose en outre des chatbots verticaux orientés BtoC. Leur couche de NLP est spécifiquement entraînée pour cibler des secteurs particuliers : assurance, banque, e-commerce, télécoms, voyage... Egalement parisien, Clevy affiche lui-aussi une stratégie de verticalisation. A une différence près : ses chatbots prépackagés ciblent le support interne d'entreprise. Ils se déclinent par métier : achats, finance, informatique, juridique, RH, ventes... Qu'ils soient BtoC ou BtoB, ces bots spécialisés contribuent à réduire la phase de configuration du NLP. Un travail qui consiste à paramétrer les questions (ou "intentions") auxquelles l'agent conversationnel doit répondre en leur associant des critères (ou "entités") permettant de les qualifier. Dans le retail, une intention pourra renvoyer par exemple au suivi de commande (et donc à la question "Où en est ma commande ?"), les entités de ce dernier au numéro de commande ou de dossier, au nom du client... 

DialogFlow vs Amazon Lex

Pour aboutir à un agent intelligent de qualité, la plateforme de bots devra être équipée d'un environnement graphique pour régler les assemblages d'intentions et d'entités, et ce y compris dans le cas des offres verticales. Grâce à cette console, le corpus de questions pourra être enrichi pour s'adapter aux spécificités du contexte business. La plupart des solutions de ce comparatif intègre un tel dispositif. Tout comme le processus qui suit cette étape configuration, à savoir : le bot training. Il consiste à soumettre au chatbot toutes les tournures possibles de questions auxquelles il devra répondre, en vue in fine de faire monter en puissance son moteur d'auto-apprentissage linguistique.

En revanche, très peu de plateformes de bot vont jusqu'à intégrer nativement une couche vocale suffisamment mâture. Aux côtés de Watson Assistant, les plateformes Amazon Lex et Google DialogFlow entrent dans ce cercle très fermé. Ce qui est loin d'être étonnant. Lex et DialogFlow se devaient en effet d'intégrer cette dimension en vue de prendre en charge le développement de skills, le premier pour l'assistant vocale Alexa et le second pour Google Assistant. Entre ces trois technologies laquelle choisir ? "Toutes plateformes de bot confondues, ma préférence va à DialogFlow. Cette solution est facile à prendre en main, et permet de créer un proof of concept rapidement", argue Guillaume Moizan chez Octo.

Et Stéphane Sun d'abonder : "En matière de voicebot, nous recommandons DialogFlow. Cette offre bénéficie d'un bon speech-to-text. Plus globalement, son mode de paramétrage est bien conçu avec une structuration claire des bases d'apprentissage et de test. Sans compter son API qui permettra de construire des tableaux de bord personnalisés pour identifier les nouvelles intentions et enrichir les corpus de questions au fur et à mesure."