NLU : un guide sur la compréhension du langage naturel

Les locuteurs natifs enfreignent souvent les règles grammaticales de leur langue maternelle. Leur manière de s’exprimer — à l’oral comme à l’écrit — regorge de tournures familières, d’abréviations, de fautes de frappe ou de prononciation. La compréhension du langage naturel (ou NLU, *Natural Language Understanding* en anglais) est une branche de l’intelligence artificielle qui permet à un modèle d’IA de reconnaître ce langage humain naturel — de comprendre comment les gens communiquent réellement entre eux.

Les bots dotés de capacités NLU doivent non seulement être entraînés à maîtriser toutes les règles grammaticales de l’anglais, mais aussi être capables de détecter la langue humaine telle qu’elle est parlée ou écrite : avec ses raccourcis, ses erreurs et ses imperfections.

La NLU et la NLP, est-ce la même chose ?

Bien que le traitement du langage naturel (*Natural Language Processing* ou NLP) et la compréhension du langage naturel (*Natural Language Understanding*) soient liés, ils ne sont pas identiques. La NLP est un terme générique qui englobe tous les aspects de la communication entre les humains et un modèle d’IA — depuis la détection de la langue parlée par une personne jusqu’à la génération de réponses appropriées.

La NLU est une sous-discipline de la NLP et se concentre spécifiquement sur l’identification du sens d’un texte ou d’un discours. Elle peut être utilisée pour catégoriser des messages, collecter des informations et analyser de grands volumes de contenu écrit.

Comment fonctionne la NLU ?

La compréhension du langage naturel fonctionne en déchiffrant le sens global (ou l’intention) d’un texte. Plutôt que d’entraîner un modèle d’IA à reconnaître des mots-clés, la NLU traite le langage de la même manière que les humains comprennent la parole — en tenant compte des règles grammaticales, de la structure des phrases, du vocabulaire et de la sémantique.

Résultat : une communication bien plus précise entre les bots et les humains.

Comment la NLU peut améliorer votre expérience client (CX)

Les clients communiquent avec les marques via leurs interactions sur les sites web, les réseaux sociaux, les e-mails et bien d’autres canaux. Mais il est difficile pour les entreprises d’exploiter efficacement ces informations précieuses lorsqu’elles sont présentées sous forme de montagnes de données non structurées.

C’est là que la compréhension du langage naturel entre en jeu. Il existe quatre domaines clés dans lesquels la NLU peut aider les entreprises à améliorer leur expérience client.

1. Analyser les retours clients

Les clients ont de nombreuses façons de donner leur avis sur votre marque : interactions avec les équipes d’assistance, avis en ligne, enquêtes de satisfaction, et bien plus encore. Mais les agents humains ont souvent du mal à collecter et traiter ces informations, surtout lorsqu’ils doivent gérer un grand volume de clients et de données fragmentées.

La NLU permet aux entreprises d’analyser rapidement et facilement leurs retours clients. Une fois les tendances identifiées sur tous les canaux, vous pouvez utiliser ces informations pour prendre des décisions éclairées et améliorer la satisfaction client.

De plus, la NLU progresse rapidement dans la reconnaissance des associations de sens. C’est ce qui enthousiasme le plus Jaakko Pasanen, directeur principal des sciences appliquées chez Zendesk, à propos des avancées de l’IA. Il explique : « Vous fournissez [au modèle d’IA] du texte avec des notions comme oncle, enfant, sœur, et il apprend à créer des associations dans cet arbre généalogique qu’il n’a jamais vu auparavant, puis à s’en souvenir. En quelque sorte, c’est la première étape vers la représentation d’associations. »

À mesure que l’IA devient plus performante dans la prédiction d’associations, elle sera également capable d’identifier les tendances dans les retours clients avec encore plus de précision.

2. Étiqueter et répondre aux tickets d’assistance

Les agents du service client passent parfois des heures à router manuellement les tickets entrants vers le bon service ou à leur attribuer une étiquette de sujet. Cela allonge les délais de traitement et laisse moins de temps aux agents pour se concentrer sur les cas complexes. Grâce aux progrès de la NLU, les agents virtuels peuvent désormais accomplir cette tâche automatiquement.

En se basant sur vos données historiques de support client, un agent virtuel apprend à identifier, étiqueter et acheminer les tickets selon leur catégorie et leur priorité. Plus le bot traite de données, plus il devient précis. En plus du routage et de la priorisation, il peut envoyer des réponses automatisées pour résoudre les demandes simples.

Grâce à cette automatisation des tickets, la société fintech Pockit a réussi à résorber un arriéré de 17 000 e-mails et à servir ses clients plus rapidement.

« En seulement deux mois, nous avons pu réduire d’environ 95 % notre backlog de tickets de support. Nous avons également réduit notre délai de réponse de plusieurs semaines à moins de deux jours, grâce à l’automatisation des tickets. » – Jamie Hopper, Customer Service Manager, Pockit

3. Suivre la satisfaction des employés

Garder vos équipes satisfaites n’est pas qu’une question de bienveillance : des employés heureux sont 13 % plus productifs que leurs collègues insatisfaits. Des agents de support mécontents auront du mal à offrir la meilleure expérience client possible. De plus, un meilleur taux de rétention permet à l’entreprise d’économiser sur le recrutement et la formation. C’est pourquoi il est important de mesurer la satisfaction des employés.

Les enquêtes traditionnelles forcent souvent les collaborateurs à choisir parmi des réponses à choix multiples, même lorsqu’elles ne reflètent pas vraiment leur ressenti. Grâce à la puissance de l’intelligence artificielle et de la NLU, les entreprises peuvent désormais créer des enquêtes comportant des questions ouvertes. Le modèle d’IA ne se contente pas de lire chaque réponse mot à mot, il analyse le texte dans son ensemble.

Cela permet aux employés d’exprimer librement ce qu’ils apprécient — et ce qu’ils aimeraient voir s’améliorer. La NLU peut ensuite analyser ces données, quel que soit le volume de réponses, et les présenter de manière claire et synthétique. Avec ces informations, les entreprises peuvent repérer les problèmes courants et détecter des signaux de burn-out avant qu’ils ne deviennent critiques.

4. Identifier le sentiment sur les réseaux sociaux

Les plateformes comme Twitter constituent une véritable mine d’or pour les retours clients. Mais comment vos équipes pourraient-elles analyser efficacement un tel volume de données ? C’est là que la NLU intervient. Grâce à cette technologie, il est possible de trier automatiquement vos mentions et messages sur les réseaux sociaux, et d’identifier si un client est satisfait, frustré ou a besoin d’aide — et cela, dans plusieurs langues.

L’analyse du sentiment sur les réseaux sociaux peut s’avérer extrêmement utile pour les marques. Prenons l’exemple de Nike : lorsque l’entreprise a choisi le joueur de NFL Colin Kaepernick comme ambassadeur, les médias ont parlé d’un désastre marketing. Heureusement, Nike n’a pas écouté ces critiques : malgré quelques réactions négatives, une vague de soutien sur les réseaux sociaux a entraîné une hausse de 31 % des ventes pour le géant du sport.

Les limites actuelles de la NLU

La NLU permet déjà d’accomplir énormément de choses, mais la technologie n’est pas parfaite. Elle rencontre notamment des difficultés avec les homographes — des mots orthographiés de la même manière mais ayant des sens différents. Là où les humains comprennent le sens d’un mot grâce au contexte, un modèle d’IA peine encore à saisir cette nuance.

L’IA peut également rencontrer des difficultés face à des textes exprimant plusieurs émotions à la fois. En général, la NLU classe une phrase comme positive ou négative, mais certains messages expriment des sentiments plus complexes. Dans ces cas-là, l’intervention humaine reste nécessaire.

Malgré ces limites, l’intelligence artificielle renforcée par la NLU aide déjà les équipes de support client à faire passer leur expérience client à un niveau supérieur. Et à mesure que la technologie évolue, nous avons hâte de découvrir tout ce qu’elle permettra encore d’accomplir.