L'IA conversationnelle désigne les technologies qui permettent aux machines de comprendre, de traiter et de générer le langage humain suffisamment bien pour tenir une conversation naturelle et multi-tours avec les personnes, que ce soit par texte ou par la parole. Il s'agit d'un vaste domaine qui englobe les chatbots, les assistants vocaux, les systèmes de réponse vocale interactive et les capacités de dialogue des grands modèles de langage à usage général. L'IA conversationnelle se situe à l'intersection du traitement du langage naturel, de la reconnaissance vocale et, pour les systèmes vocaux, de la synthèse texte-parole.
Composants
Un système d'IA conversationnelle combine généralement plusieurs sous-systèmes : la compréhension de l'entrée, qui convertit la parole en texte ou analyse le texte saisi ; la gestion du dialogue, qui assure le suivi de l'état de la conversation, de l'intention et du contexte au fil des tours ; la génération de réponses, qui produit la réplique, historiquement par des modèles ou une récupération, et de plus en plus par un modèle de langage génératif ; et, pour les interfaces vocales, la synthèse vocale pour reconvertir la réponse en audio. Les systèmes qui maintiennent le contexte lors d'un échange multi-tours s'appuient sur la fenêtre de contexte d'un modèle pour se souvenir des tours précédents, et de nombreux systèmes de production utilisent un prompt système pour fixer la personnalité, le ton et les contraintes comportementales.
Évolution
Les premiers systèmes conversationnels étaient étroits et fondés sur des règles, faisant correspondre les intentions des utilisateurs à un menu limité de réponses scriptées, comme l'illustrent les serveurs vocaux interactifs et les premiers chatbots tels que ELIZA. Les années 2010 ont vu l'émergence d'assistants virtuels basés sur la classification d'intentions, comme Siri et Alexa, qui géraient un ensemble fixe de tâches telles que régler des minuteries ou consulter la météo, généralement sans compréhension réelle de domaine ouvert. Le passage à l'apprentissage profond, puis aux modèles de langage basés sur l'architecture transformeur, a permis des capacités conversationnelles en domaine ouvert : les modèles pouvaient tenir un dialogue cohérent sur presque n'importe quel sujet sans être explicitement programmés pour cela, un changement le plus visiblement démontré par ChatGPT et affiné grâce à l'apprentissage par renforcement à partir de retours humains pour que les réponses restent conformes à ce que les utilisateurs attendent réellement. Les systèmes ultérieurs ont ajouté la génération augmentée par récupération pour ancrer les réponses dans des informations actuelles ou propriétaires, et l'utilisation d'outils pour permettre au système d'entreprendre des actions, comme rechercher sur le web ou interroger une base de données, en pleine conversation.
Applications et critiques
L'IA conversationnelle est largement déployée dans le service client, le triage médical, l'éducation, les outils d'accessibilité et les assistants personnels, et constitue une base pour les agents d'IA qui étendent le dialogue à l'exécution autonome de tâches. Les critiques font écho à celles adressées aux chatbots en général : l'hallucination d'informations incorrectes livrées avec un ton confiant et conversationnel ; le risque que les utilisateurs se fient trop ou s'appuient émotionnellement sur des systèmes qui ne les comprennent pas ; et, pour les interfaces vocales, les préoccupations de confidentialité concernant les microphones à l'écoute permanente. Les chercheurs continuent de débattre de la mesure dans laquelle l'aisance conversationnelle reflète une compréhension authentique plutôt qu'une simple complétion de motifs fluide, une question étroitement liée à des critiques telles que l'argument du perroquet stochastique.