Traitement et génération du langage naturel pour les applications de service à la clientèle
Le contexte
Les entreprises ayant un contact direct avec la clientèle recueillent de grandes quantités de données à partir de leurs interactions et transactions avec les clients. Une partie importante de ces données se présente sous la forme de conversations en langage naturel et provient de diverses sources, telles que des conversations par e-mail, des transcriptions et enregistrements vocaux de centres d’appels, et des discussions sur des forums.
Les informations contenues dans ces données sont précieuses pour plusieurs applications commerciales, telles que les chatbots pour automatiser le processus de réponse aux clients ou pour suggérer des modèles de réponse potentiels aux agents du service clientèle.
Le challenge
Cependant, le traitement des données textuelles et la génération automatique de réponses ou de modèles de bonne qualité posent plusieurs défis, comme la détection du sujet traité ou de la nature de la question. Ces défis sont encore plus complexes dans des domaines spécifiques, comme le secteur des assurances, caractérisé par une terminologie spécialisée, et dans des langues autres que l’anglais, comme le français par exemple, pour lesquelles les ressources existantes en matière de traitement du langage naturel (ou NLP pour Natural Language Processing) sont rares.
Question clé et objectifs
Sur la base des éléments susmentionnés, la question clé peut être formulée comme suit :
“Comment les algorithmes basés sur le NLP peuvent-ils représenter une solution adéquate et efficace pour générer automatiquement des réponses de haute qualité aux requêtes des clients ?”
Les principaux objectifs du projet de recherche seront les suivants :
Développer et mettre en œuvre de nouveaux algorithmes pour détecter automatiquement l’intention et le sujet sous-jacents aux requêtes des clients, c’est-à-dire quelle était la raison et le sujet de l’appel du client.
Développer et mettre en œuvre de nouveaux algorithmes pour apprendre à générer des réponses ou des modèles de réponses de qualité presque humaine en réponse aux demandes des clients.
Proposer des méthodes pour évaluer la qualité des réponses, étant donné la nature spécialisée de certains domaines (par exemple, l’assurance, les soins de santé).
Étudier les performances des algorithmes proposés sur des ensembles de données standard en anglais scientifique et sur des textes français spécialisés.
A propos de Partenamut
Avec 1,2 million de clients, Partenamut est le plus grand assureur maladie de Belgique. C’est une organisation sans but lucratif engagée socialement et ancrée localement. En effet, Partenamut réinvestit ses gains financiers dans les membres de son équipe, son offre de services et la société. Actuellement, Partenamut soutient plus de 20 start-ups actives dans le domaine des soins de santé. Elle simplifie les soins de santé en conseillant ses membres à chaque étape de leur parcours de santé et en proposant des services de qualité qui répondent à leurs besoins.
