iAdvize > Blog > marketing >

Comment garantir la fiabilité des réponses de l'IA générative ?

Alix Escats

Comment garantir la fiabilité des réponses de l'IA générative ?

L’IA générative est une véritable révolution, plus précisément, c’est une révolution en termes d’adoption. Des millions de personnes dans le monde utilisent l’IA pour effectuer des tâches quotidiennes. Selon une étude menée par l’Ifop et Talan, 44 % des Français disent utiliser les IA génératives à la fois dans leur vie personnelle et au travail. Si elle ne remplace pas l’humain, cette technologie transforme incontestablement notre manière de travailler, allant jusqu’à décupler les performances des entreprises. Aujourd’hui, elle est déployée chez les géants Google, Meta ou encore Amazon. Face à un tel phénomène, il est nécessaire d’établir des règles afin de garantir la protection des données personnelles, mais l’IA générative se heurte également à d’autres limites, avec une question centrale : comment peut-on s’assurer que ses réponses sont exactes ? Dans cet article, nous évoquerons les challenges liés à l’utilisation de cette technologie pour l’e-commerce, mais aussi comment il est possible de mettre en place des systèmes pour garantir sa fiabilité

Défis de l'IA générative : réponses trop génériques, hallucinations et contrôle

Grâce aux récentes évolutions des technologies d'IA générative, les LLM sont capables d'interpréter et de générer du contenu en langage naturel. Autrement dit, vous pouvez solliciter l'IA dans n'importe quelle langue et elle vous fournira une réponse sous forme de texte, de son, d'image ou de vidéo. Cette technologie, bien qu'impressionnante, soulève des interrogations : jusqu'où peut-elle aller ? Va-t-elle remplacer l'humain ? Peut-on s’y fier ? Il faut admettre que les applications grand public telles que ChatGPT, Google Bard ou Mid Journey sont étonnantes et ouvrent une pléiade de possibilités en termes de production de contenu et de productivité. Cependant, en dépit de son potentiel colossal, il est crucial de reconnaître ses limites.

“Les IA génératives sont génériques et globales par nature, étant formées sur une énorme quantité de données de connaissance commune, alors que les marques doivent offrir une expérience client spécifique à leur entreprise (process et règlements, produits et services, contraintes légales...) ainsi que communiquer d'une manière alignée sur leurs valeurs fondamentales (style et identité de marque, considérations éthiques...).”

Florent Gosselin, CPO d'iAdvize

  • Des réponses trop génériques

Une préoccupation lorsqu’il est question de l’IA est qu’elle donne des réponses trop génériques. 

Heureusement, il est possible de calibrer la technologie de manière à ce qu’elle s’adapte à une identité de marque. 

  • Les hallucinations : un challenge à surmonter

Les intelligences artificielles génératives, par leur nature créative, tendent à improviser en l'absence de réponse précise. Cela peut entraîner des réponses imprécises ou biaisées, voire totalement hallucinatoires. Pour offrir une expérience sûre et fiable à leur clientèle, les marques doivent mettre en place des dispositifs de protection adaptés.  

  • Les enjeux de contrôle de l'IA générative

L'IA générative se présente souvent comme une 'boîte noire” pour ses utilisateurs, tandis que les entreprises se doivent de privilégier la transparence et le contrôle. Il est donc crucial pour ces dernières de se doter de dispositifs de suivi afin d’évaluer l'impact de l'IA générative sur leur activité.

1 FR - Hallucination

L’IA générative de confiance pour l’e-commerce : mythe ou réalité ?

Vous avez peut-être découvert l’IA générative en testant ChatGPT, les versions 3.5 ou 4 de la technologie d’IA créée par OpenAI L.L.C. Ces applications grand public se révèlent utiles dans divers domaines tels que la rédaction et l'organisation. Cependant, pour l'e-commerce, des préoccupations de fiabilité surgissent. Alors comment faire pour profiter du potentiel immense de GPT pour le commerce en ligne ? Pour être efficace et fiable, l’IA générative pour l’e-commerce doit se baser sur un modèle conçu pour les entreprises comme l’IA de Microsoft Azure OpenAI, complètement distincte des modèles publics tels que ChatGPT. La solution doit permettre de mettre en place des garde-fous et un suivi pour mesurer l’impact de votre IA et l’optimiser à tout moment.

 

Comment éviter que l'IA générative "invente" des réponses

Lorsqu’elle ne parvient pas à trouver une réponse à la question qui lui est posée, l’IA générative peut en effet avoir tendance à combler ce manque en générant une réponse incorrecte. OpenAI a ainsi dû programmer ChatGPT afin que l’IA précise la date à laquelle les informations qu’elle partage ont été consultées. Avant cela, il n’était pas rare que les informations obtenues soient obsolètes, l’IA n’ayant accès qu’aux données jusqu’à 2021. 

Cette lacune engendre des inquiétudes notamment quant à la propagation de fake news, et c’est aussi une grande préoccupation pour les retailers. Et pour cause ! Imaginez un client à la recherche d’informations sur le dernier smartphone qui recevrait des informations sur le modèle de l’an passé, ou un prix ne correspondant plus à l’offre actuelle. C’est la garantie de provoquer la déception chez les consommateurs, doublée d’une perte de confiance. Les marques ne peuvent se permettre de fournir des informations désuètes sur leurs produits. 

Alors comment remédier à ce problème ? Pour commencer, il faut savoir que les hallucinations dépendent de ce qu’on appelle la “température” de l’IA. La température du modèle est définie dans le prompt communiqué à l’IA et détermine son degré de créativité. Un réglage de 1 donne ainsi des réponses créatives à la manière de Shakespeare, tandis qu'un réglage de 0 lui donnera des allures de robot.

2 FR - Jauge

L’enjeu est alors de placer le curseur au bon endroit pour être capable de donner des réponses naturelles aux utilisateurs, sans laisser à l’IA l’opportunité de faire des erreurs. Une IA de confiance doit avoir juste assez de créativité pour entretenir une conversation avec vos clients mais respecter vos règles pour garantir la fiabilité des informations qu’elle communique.

 

Techniques pour contrôler l’IA générative et obtenir les meilleurs résultats

Tout commence par un prompt. Si vous avez suivi l’actualité de ces derniers mois, ce mot est sûrement familier pour vous. Mais que signifie-t-il exactement ? Le prompt, c’est la consigne donnée à l’IA pour obtenir une réponse souhaitée.  À grande échelle, le prompt est l’ingrédient technologique qui permet de construire une IA de confiance qui répond aux enjeux des retailers.

Il est important d'inculquer un grand nombre d'instructions et de règles au modèle. Elles permettent d’être très précis sur la réponse attendue de la part de l’IA. Le modèle peut être instruit de répondre uniquement sur un produit spécifique ou de fournir des réponses très courtes. On spécifie également à l’IA de ne pas répondre à des questions sur les entreprises concurrentes, par exemple. Ces instructions, paramétrées dans votre plateforme conversationnelle, sont des garde-fous qui permettent de mettre le potentiel de l’IA au service de vos performances commerciales, en proposant à vos clients un accompagnement efficace et pertinent à tout moment. Les marques qui ont déjà mis en place des copilotes alimentés par l’IA générative de confiance enregistrent des taux de satisfaction de 70%, une performance bien supérieure à la moyenne des chatbots classiques.

 

Les sources d'information de l'IA générative

L'IA générative est une technologie puissante, mais encore assez isolée en tant que telle. Alors comment peut-elle fournir des réponses complètes et précises aux utilisateurs ? La meilleure solution consiste à connecter les données sur lesquelles se baser dans le système de prompt.

Pour transmettre les informations pertinentes à l’IA générative, les marques ont l'opportunité de la connecter à leur écosystème afin d'amplifier la valeur générée : 

  • en la connectant aux données de leurs sites internet, catalogue produits, et de base de connaissances ;
  • en la rendant omnicanale, disponible sur tous les points de contact de messagerie utilisés par leurs clients via la plateforme conversationnelle iAdvize ;
  • en lui donnant la possibilité de transférer les interactions vers des conseillers humains dès que nécessaire.

Pour ce faire, l’IA peut être connectée aux sources de données de différentes façons ; par exemple par une API ou web crawling. Ainsi, l’IA générative de confiance ne s’appuie que sur les caractéristiques fournies par la marque. Dans le cas où elle n’a pas la réponse, elle transfère la conversation à un conseiller humain.

 

Garantir la compréhension des requêtes clients par l'IA générative

Le word embedding, ou plongement lexical, est une méthode permettant d’enrichir les réponses de l’IA. L’embedding permet de convertir le texte en un vecteur mathématique afin de rendre des mots, des images ou même de la musique, interprétable par les modèles d’intelligence artificielle. Ces vecteurs correspondent à des catégories sémantiques qui permettent à l’IA de déterminer une parenté entre deux éléments. 

3 FR - Slide 1

L’IA est donc capable de faire correspondre les questions avec leurs réponses à partir de la fiche produit en mesurant la distance entre deux vecteurs. Par exemple, un catalogue peut être indexé en fonction des vecteurs sémantiques associés à chaque produit. À partir de là, un prompt est créé pour répondre à la question en fonction du produit le plus proche.

4 FR - Slide 2

Dans l’exemple ci-dessus, l’IA est capable d’identifier avec précision de quel modèle de téléphone il est question. Elle pourra ensuite retirer la bonne information de la fiche produit pour donner le renseignement recherché par l’utilisateur.

Comment Cdiscount assure la fiabilité de son IA générative grâce à iAdvize

Cdiscount s’est tourné vers l’IA générative avec un challenge capital : Organiser la rencontre entre les 20 millions de visiteurs uniques mensuels et les 80 millions d’offres de leur catalogue. 

Pour la marketplace française aux 8 millions de clients actifs par an, il était vital de mettre en place un accompagnement à grande échelle. L’objectif ? Arriver à répondre aux demandes des clients rapidement et les faire avancer dans leur processus d’achat sans compromettre la qualité du service client

5 FR - CTA

 

Stratégies pour garantir la fiabilité des réponses de l'IA générative

"Il fallait garantir la fiabilité des réponses, c’est quelque chose qu’on doit à nos clients.”

Antoine Pierart, Directeur Digital, Marketing et Client de Cdiscount

Pour s’assurer qu’elle apporte des conseils justes et pertinents, Cdiscount alimente l’IA générative de confiance d’iAdvize avec le contenu de ses fiches produits. À chaque fois qu’un visiteur pose une question, la référence de la page sur laquelle il se trouve est intégrée au prompt, indiquant ainsi à l’IA de chercher les informations sur celle-ci.

De plus, pour supprimer tout risque d’hallucination, Cdiscount a mis en place une règle capitale : si l’IA n’est pas capable de répondre, elle doit transférer la conversation à un conseiller humain. 

La marque peut ensuite mesurer l’impact de l’IA générative sur ses performances commerciales grâce à des outils de suivi ; et depuis son lancement, les premiers résultats sont très prometteurs.

 

Résultats : Satisfaction client grâce à une IA générative fiable

Très rapidement, l’IA a été en mesure de prendre en charge 40% des conversations en autonomie, le reste des requêtes étant prises en charge par des conseillers grâce à un processus d’escalade. Fait très encourageant, le niveau de conversion sur les conversations traitées par l’IA générative atteint plus de 20%, il est similaire à celui observé pour les échanges avec un répondant humain.

Si l’on en croit l’avis des consommateurs, cette technologie est redoutablement efficace, puisqu’elle enregistre un taux de satisfaction 3 fois supérieur à celui des chatbots à arbre de décision. 

7 FR - CTA