Qu’est-ce que la reconnaissance d’intention ? Comprendre les objectifs des utilisateurs en NLP

Chaque message rédigé par un utilisateur, qu’il s’adresse à un agent LLM ou qu’il soit saisi dans Google, répond à une intention. L’utilisateur cherche à atteindre un objectif, qu’il s’agisse de trouver une information précise ou d’effectuer une action.

La reconnaissance d’intention consiste à identifier cet objectif, à déterminer les besoins de l’utilisateur qui en découlent et à traiter sa demande aussi précisément que possible. Un système capable d’interpréter finement les intentions répond plus précisément aux clients, ce qui renforce l’engagement et la satisfaction.

Dans cet article, nous expliquons ce qu’est la reconnaissance d’intention et comment elle a évolué à l’ère de la recherche par LLM.

En résumé

• La reconnaissance d’intention est une technique de traitement automatique du langage naturel qui catégorise l’objectif d’une entrée.
• Pour reconnaître l’intention dans une conversation, un modèle suit quatre étapes : le prétraitement de la conversation, l’extraction de caractéristiques, la classification et l’extraction d’entités.
• Lors d’une interaction avec un LLM, l’intention peut être informationnelle, transactionnelle, conversationnelle ou navigationnelle.
• Lorsqu’ils affinent la reconnaissance d’intention, les chercheurs se heurtent notamment à l’ambiguïté linguistique, aux entrées hors périmètre et aux conversations à intentions multiples.

Qu’est-ce que la reconnaissance d’intention ?

La reconnaissance d’intention est une technique de traitement automatique du langage naturel (NLP) qui classe une entrée vocale ou écrite selon ce que l’utilisateur souhaite accomplir dans son contexte. Cet acte de classement explique pourquoi cette technique est aussi appelée classification d’intention : le logiciel doit comprendre l’entrée et déterminer la marche à suivre.

Il est important de noter que la reconnaissance d’intention ne se limite pas à la correspondance de mots-clés. Les variations linguistiques d’un même objectif sont trop nombreuses pour cette approche. Par exemple, « Mes identifiants ne fonctionnent pas », « Pourquoi ne puis-je pas me connecter ? », « Mon compte semble verrouillé » et « Mon mot de passe ne fonctionne pas » sont quatre formulations distinctes de la même intention sous-jacente.

En intégrant la reconnaissance d’intention au NLP, les systèmes d’intelligence artificielle comprennent mieux ce que l’utilisateur attend de l’interaction et peuvent offrir la meilleure expérience possible à chaque conversation. 

Comment fonctionne la reconnaissance d’intention ?

L’architecture exacte qu’un système d’IA utilise pour reconnaître les intentions dépend du fournisseur. En général, toutefois, le système suit une variante des mêmes quatre étapes fondamentales pour transformer une entrée brute en intention clairement définie.

Voici les quatre étapes de la reconnaissance d’intention :

1. Prétraitement
2. Extraction de caractéristiques
3. Classification
4. Extraction d’entités

Examinons-les plus en détail.

Prétraitement

L’entrée, vocale ou textuelle, doit être nettoyée afin que le modèle dispose d’un format cohérent et identifiable. Pour le texte, cela implique de corriger les fautes d’orthographe, de supprimer la ponctuation et les majuscules, puis de segmenter les mots rares ou longs en sous-unités plus petites grâce à la tokenisation. Cette phase peut aussi supprimer, pour plus de clarté, des mots-outils très fréquents comme « un » et « le », à moins qu’ils n’influencent directement le sens de la phrase.

Dans les pipelines de reconnaissance automatique de la parole, le système doit d’abord transcrire les données vocales entrantes en texte. Le prétraitement comporte donc une étape supplémentaire avant que le modèle puisse travailler sur la transcription normalisée.

Extraction de caractéristiques

Le texte nettoyé est ensuite transformé en une représentation numérique exploitable par le logiciel. L’extraction de caractéristiques préserve le sens sémantique d’une phrase, mais sous forme numérique.

Les stratégies employées par les chercheurs à cette étape ont fortement évolué ces dernières années. Les premières approches reposaient sur des modèles Bag-of-Words ou des représentations de fréquence de terme–fréquence inverse de document (TF-IDF), qui pondèrent les mots selon leur caractère distinctif ou leur fréquence. Bien que rapides, elles ne capturaient pas les nuances des phrases. Après tout, « Je ne veux pas annuler » et « Je veux annuler » partagent presque tous leurs mots, mais ont des sens totalement différents.

Un autre exemple difficile à traiter avec TF-IDF serait « Le chien mord le chat » face à « Le chat mord le chien », dont le sens change entièrement malgré très peu de modifications dans la phrase.

L’approche plus moderne de l’extraction de caractéristiques consiste à utiliser des représentations vectorielles denses pour créer un embedding vectoriel représentant l’entrée de l’utilisateur. Ces embeddings établissent le contexte par proximité, en regroupant les mots de sens similaire afin de l’inférer à partir de cette relation spatiale.

Les encodeurs fondés sur les transformers vont encore plus loin en créant des cartes contextuelles : le vecteur d’un mot évolue selon les mots qui l’entourent. C’est essentiel pour les mots polysémiques selon leur contexte (« veuillez lire ces instructions », « j’ai lu cet article hier »). 

La représentation contextuelle d’une phrase permet aux systèmes de reconnaissance d’intention de comprendre ce que souhaite l’utilisateur, puis de le classer lors des étapes suivantes.

Classification

Grâce à une représentation claire de l’entrée, le modèle peut la comparer à différents cas d’intention connus et lui attribuer des scores de confiance. Après avoir examiné les types d’intention, il retient celui dont le score de confiance est le plus élevé.

Certaines équipes expérimentent un seuil de confiance pour la classification. S’il est trop bas, une intention relativement imprécise peut tout de même passer à l’étape suivante. S’il est trop haut, c’est l’inverse : le modèle ne parvient pas à classer l’intention de manière définitive ni à poursuivre le traitement.

Affiner votre modèle de classification vous aidera à trouver la valeur la mieux adaptée à votre entreprise. 

Si le modèle ne parvient pas à identifier une intention, il posera probablement d’autres questions à l’utilisateur ou transférera la demande à un agent humain, s’il est configuré pour le faire.

Extraction d’entités

Nous présentons l’extraction d’entités comme une étape distincte, mais elle s’effectue en réalité parallèlement à la classification. Elle récupère dans une entrée les détails utiles à la réponse ultérieure, tels que les numéros de commande, les informations de compte, les noms de produits ou d’autres précisions permettant au modèle d’exécuter la demande.

Les entités extraites à cette étape apportent les informations propres à l’utilisateur nécessaires à l’exécution de la demande. Par exemple, si la classification identifie qu’un utilisateur souhaite annuler une commande, l’extraction d’entités indique à l’agent quelle commande et quel compte client traiter.

Reconnaissance d’intention ou détection d’intention

Les termes reconnaissance d’intention et détection d’intention sont souvent employés de manière interchangeable, bien qu’ils aient des sens légèrement différents. La reconnaissance d’intention désigne le processus global de classification de l’intention dans une demande utilisateur. La détection d’intention ne couvre que la première étape de ce processus : déterminer si la réponse de l’utilisateur exprime une intention.

En pratique, la différence ne compte que dans des cas d’usage limites. Par exemple, un agent de support client recevant une question totalement sans rapport avec le contexte appris peut d’abord déterminer, par détection d’intention, que cette intention ne relève pas de sa base de connaissances. La suite, comme l’échec contrôlé de la réponse, dépend de la configuration de la reconnaissance d’intention.

Types d’intention

Il existe autant d’intentions spécifiques que de questions. Plutôt que d’attribuer une intention différente à chaque formulation possible d’une question, le système identifie généralement d’abord la catégorie d’intention, puis agit en conséquence.

Les principaux types d’intention dans les systèmes de NLP sont :

• Intention informationnelle : décrit une entrée dont l’objectif principal est d’apprendre ou d’obtenir une information précise. La réponse appropriée consiste à fournir le contenu demandé, sous la forme d’une explication ou en orientant l’utilisateur vers les ressources pertinentes.
• Intention navigationnelle : décrit le cas où un utilisateur souhaite trouver une ressource ou une page précise. Le système catégorise cette intention et extrait les entités pour orienter l’utilisateur vers la bonne destination.
• Intention transactionnelle : décrit une entrée où l’utilisateur souhaite atteindre un objectif précis, comme prendre rendez-vous ou résilier son abonnement. L’intention transactionnelle repose toujours sur une action ayant des conséquences.
• Intention conversationnelle : décrit une entrée principalement sociale, plutôt que relevant de l’une des autres catégories. Cette forme d’intention est aujourd’hui plus répandue avec l’essor des LLM largement accessibles, certaines personnes utilisant des agents généralistes comme interface de conversation au quotidien.

Un LLM peut gérer tous ces types d’intention dans chacune de ces catégories. Dans tous les cas, comprendre la catégorie d’intention d’une entrée aide à formuler une réponse plus précise. Depuis les appels d’outils qu’un agent effectue jusqu’à la réponse exacte qu’il formule, tout commence par l’identification de l’intention sous-jacente de l’entrée utilisateur.

Cas d’usage de la reconnaissance d’intention dans tous les secteurs

La reconnaissance d’intention est au cœur de tout système de réponse automatisé : pour que la conversation ait du sens, la réponse doit correspondre à l’intention.

Voici quelques exemples de cas d’usage de l’intention dans différents secteurs :

• Service client : un agent vocal utilise la reconnaissance d’intention pour comprendre la demande orale d’un client et l’orienter vers le bon service ou la bonne ressource. Une mauvaise classification peut conduire le client au mauvais interlocuteur ou laisser sa demande sans réponse.
• Santé : la reconnaissance d’intention alimente les assistants de santé qui gèrent les rendez-vous. Les secteurs à risque élevé, comme la santé ou la finance, utilisent souvent des seuils de confiance plus élevés pour éviter les erreurs de catégorisation susceptibles d’entraîner des erreurs critiques.
• Ressources humaines : un assistant conversationnel RH peut s’intégrer à la documentation interne de l’entreprise et guider les employés vers les ressources dont ils ont besoin. Par exemple, un employé peut poser une question sur les congés ; l’agent comprend alors l’intention informationnelle et fait remonter les détails pertinents depuis le wiki général.

Dans tous les secteurs, une reconnaissance précise de l’intention est le point de départ d’une conversation réussie. Si l’intention est mal identifiée, la conversation qui suit le sera aussi. 

Défis de la reconnaissance d’intention

Reconnaître l’intention d’un énoncé est un défi entièrement linguistique. Le sens évolue, les mots changent de fonction selon leur contexte et une même phrase peut avoir un sens différent selon sa formulation. Ce dernier point est particulièrement important à mesure que la reconnaissance d’intention est davantage déployée dans les agents vocaux.

Voici quelques-uns des principaux défis de la reconnaissance d’intention et les moyens de les résoudre :

• Ambiguïté : lorsqu’une même phrase a deux sens différents selon la manière dont elle est prononcée, l’ambiguïté linguistique peut réduire la fiabilité de la reconnaissance d’intention. Pour y remédier, les modèles construisent le contexte au fil de plusieurs tours de conversation afin de mieux comprendre ce que la personne peut vouloir. Plus un modèle dispose de contexte, plus sa réponse peut être précise.
• Conversations hors du périmètre d’un modèle : si un utilisateur demande à un modèle quelque chose qui dépasse largement le champ de ses connaissances, le modèle peut associer l’intention à la catégorie similaire la plus proche, ce qui produit une réponse imprécise. Une solution consiste à entraîner les modèles sur des cas d’usage limites pour réduire ce risque. Associer cette approche à des garde-fous empêchant d’aborder certains sujets en conversation contribue également à limiter les risques.
• Entrées à intentions multiples : naturellement, une conversation ne correspond pas toujours selon un rapport de 1:1 entre une entrée et une intention. « Pouvez-vous annuler ma commande et mettre à jour mon adresse de livraison pour les prochaines commandes ? » comporte deux objectifs distincts. Un classificateur multi-étiquettes aide à repérer les séquences de conversation contenant plusieurs intentions ou objectifs, et améliore la précision face à plusieurs besoins sous-jacents.

Comprendre ces défis et les anticiper permet aux chercheurs de mettre en place, en amont, des mesures pour les atténuer. 

Premiers pas avec ElevenAgents

Dans un agent vocal, la reconnaissance d’intention aide à maintenir la précision des systèmes d’IA conversationnelle et un niveau élevé de satisfaction client. Des erreurs répétées d’identification d’intention érodent la confiance des clients envers votre agent et réduisent la volonté des utilisateurs d’interagir avec vos systèmes de support IA. 

ElevenAgents utilise la reconnaissance d’intention pour comprendre précisément les besoins d’un utilisateur et y répondre dans la conversation, en orientant correctement l’interaction, en récupérant les informations pertinentes ou en transférant l’appel selon le besoin. 

Découvrez ElevenAgents ou inscrivez-vous pour commencer à créer des agents vocaux qui comprennent ce que veulent vos utilisateurs. 

Questions fréquentes sur la reconnaissance d’intention