Rasa est un framework open-source d'IA conversationnelle conçu pour créer des assistants textuels et vocaux. Il fournit un ensemble complet d'outils pour la compréhension du langage naturel (NLU), la gestion du dialogue et l'intégration avec diverses plateformes de messagerie, permettant aux développeurs de créer des agents IA contextuels et interactifs. Le framework est construit autour de deux composants principaux : Rasa NLU pour la classification des intentions et l'extraction d'entités, et Rasa Core pour la gestion du dialogue et l'apprentissage des politiques.
Rasa a été publié pour la première fois en 2016 par la société allemande Rasa Technologies GmbH, cofondée par Alan Nichol et Alex Weidauer. Le framework est écrit en Python et est distribué sous la licence Apache 2.0, ce qui le rend librement disponible pour un usage commercial et non commercial. Rasa se distingue de nombreuses autres plateformes d'IA conversationnelle en permettant un déploiement entièrement sur site, ce qui est particulièrement attrayant pour les organisations ayant des exigences strictes en matière de confidentialité des données et de sécurité.
Architecture et composants
Le framework Rasa est composé de plusieurs modules modulaires qui travaillent ensemble pour traiter les entrées utilisateur et générer des réponses. L'architecture de base comprend le pipeline NLU, qui gère des tâches telles que la tokenisation, l'extraction de caractéristiques, la classification des intentions et la reconnaissance d'entités. Le composant de gestion du dialogue, connu sous le nom de Rasa Core, utilise une approche basée sur des politiques pour décider de la prochaine action en fonction de l'état actuel de la conversation et de l'entrée de l'utilisateur.
Rasa prend en charge à la fois les modèles d'apprentissage automatique traditionnels et les approches modernes de apprentissage profond pour son pipeline NLU. Les développeurs peuvent choisir parmi une variété de composants, y compris le classificateur DIET (Dual Intent and Entity Transformer), qui est un modèle multi-tâches basé sur des transformeurs introduit en 2020. DIET combine la classification des intentions et l'extraction d'entités dans une architecture unique, améliorant l'efficacité et la précision. Pour la gestion du dialogue, Rasa Core utilise des politiques telles que la politique de mémorisation, qui apprend à partir d'histoires d'entraînement, et la politique TED (Transformer Embedding Dialogue Policy), qui utilise des embeddings basés sur des transformeurs pour prédire la prochaine action.
Flux de développement
La création d'un assistant conversationnel avec Rasa implique généralement de définir des données d'entraînement au format YAML ou Markdown, qui incluent des exemples de messages utilisateur, des intentions, des entités et des histoires de dialogue. Le framework fournit une interface en ligne de commande (CLI) pour entraîner les modèles, exécuter un serveur local pour les tests et interagir avec l'assistant via une interface de chat. Rasa propose également une interface visuelle appelée Rasa X, introduite en 2019, permettant aux développeurs de revoir les conversations, d'annoter les données et d'améliorer les performances du modèle grâce aux retours humains.
Le framework s'intègre avec des plateformes de messagerie populaires telles que Slack, Facebook Messenger et Telegram via des connecteurs personnalisés. Pour les assistants vocaux, Rasa peut être combiné avec des services de reconnaissance vocale et de synthèse vocale. Le SDK Rasa permet l'exécution d'actions personnalisées, qui sont des fonctions Python pouvant appeler des API externes, interroger des bases de données ou effectuer toute logique côté serveur.
Écosystème d'entreprise et communautaire
Rasa a gagné une adoption significative dans le secteur des entreprises, avec des clients comprenant des banques, des compagnies d'assurance et des prestataires de soins de santé. La société propose un produit commercial appelé Rasa Enterprise, qui offre des fonctionnalités supplémentaires telles que le contrôle d'accès basé sur les rôles, l'automatisation du déploiement et un support dédié. En 2021, Rasa a levé 30 millions de dollars lors d'un cycle de financement de série B mené par StepStone Group, portant le financement total à plus de 40 millions de dollars.
La communauté open-source autour de Rasa est active, avec des contributions de développeurs du monde entier. Le framework dispose d'un site de documentation complet, d'un forum et d'un espace communautaire dédié où les utilisateurs partagent des meilleures pratiques et des composants personnalisés. Rasa maintient également une collection de modèles pré-entraînés et de pipelines qui peuvent être adaptés à divers cas d'utilisation, réduisant ainsi l'effort de développement initial.
Comparaison avec d'autres plateformes
Rasa est souvent comparé à des plateformes d'IA conversationnelle propriétaires telles que Dialogflow de Google et Azure Bot Service de Microsoft. Contrairement à ces services cloud, Rasa offre un contrôle total sur les modèles et les données sous-jacents, ce qui est un avantage clé pour les organisations nécessitant un déploiement sur site ou ayant des exigences de conformité spécifiques. Cependant, cette flexibilité a un coût en termes de complexité technique accrue, car les développeurs doivent gérer l'infrastructure et l'entraînement des modèles eux-mêmes.
Dans le contexte plus large du paysage de l'intelligence artificielle, Rasa représente un outil spécialisé pour les interfaces conversationnelles, distinct des plateformes généralistes de grands modèles de langage comme celles développées par OpenAI ou Anthropic. Alors que les grands modèles de langage peuvent générer du texte semblable à celui des humains, Rasa fournit un cadre structuré pour gérer les dialogues multi-tours, gérer le contexte et s'intégrer à la logique métier, ce qui reste un défi pour les modèles purement génératifs.
Orientations futures
En 2024, l'équipe Rasa continue de faire évoluer le framework, avec un accent sur l'amélioration de l'intégration des grands modèles de langage dans le pipeline de gestion du dialogue. L'introduction de l'approche CALM (Conversational AI with Language Models) en 2023 vise à combiner les forces de la gestion de dialogue basée sur des règles avec la flexibilité des modèles de langage, permettant des conversations plus naturelles et adaptables. Cette approche hybride est conçue pour réduire le besoin de données d'entraînement étendues tout en maintenant le contrôle sur le comportement de l'assistant.
La feuille de route du framework comprend des améliorations du pipeline NLU, un meilleur support des modèles multilingues et des outils améliorés pour tester et surveiller les assistants déployés. L'engagement de Rasa envers le développement open-source et sa communauté active suggèrent qu'il restera un acteur significatif dans le domaine de l'IA conversationnelle dans un avenir prévisible.