{"id":500845,"date":"2023-12-14T02:48:00","date_gmt":"2023-12-14T10:48:00","guid":{"rendered":"https:\/\/www.genesys.com\/blog\/post\/mesurer-la-qualite-de-lia-biais-exactitude-et-analyse-comparative-de-lia-conversationnelle"},"modified":"2023-12-14T07:11:30","modified_gmt":"2023-12-14T15:11:30","slug":"measuring-ai-quality-bias-accuracy-and-benchmarking-for-conversational-ai","status":"publish","type":"blog","link":"https:\/\/www.genesys.com\/fr-fr\/blog\/post\/measuring-ai-quality-bias-accuracy-and-benchmarking-for-conversational-ai","title":{"rendered":"Mesurer la qualit\u00e9 de l’IA\u00a0: biais, exactitude et analyse comparative de l’IA conversationnelle"},"content":{"rendered":"

[vc_section full_width=\u00a0\u00bbstretch_row\u00a0\u00bb][vc_row][vc_column][vc_column_text]Les utilisateurs de l’intelligence artificielle (IA) sont souvent invit\u00e9s \u00e0 pr\u00e9senter leur travail. Dans le cadre de cette pr\u00e9sentation, ils doivent prouver que leur technologie d’IA fonctionne et qu’elle peut \u00e9galer, voire m\u00eame surpasser une solution d’IA alternative. Cette mission peut sembler raisonnable. Toutefois, mesurer la qualit\u00e9 de l’IA est une t\u00e2che complexe dans le meilleur des cas, voire parfois m\u00eame tout simplement impossible. Il existe diff\u00e9rentes mesures pour tester l’IA (taux d’erreur, m\u00e9morisation, am\u00e9lioration, confiance), mais bon nombre d’entre elles sont d\u00e9nu\u00e9es de sens hors contexte. Parmi celles-ci, l’indicateur de performances cl\u00e9 en mati\u00e8re d’IA est le retour sur investissement.<\/span><\/p>\n

Mais attention, cela ne signifie pas pour autant que toutes les technologies d’IA sont con\u00e7ues de la m\u00eame mani\u00e8re ou que la qualit\u00e9 n’est pas pertinente. En effet, la qualit\u00e9 de votre solution d’IA a un impact mat\u00e9riel sur votre capacit\u00e9 \u00e0 utiliser l’IA pour obtenir un retour sur investissement. Dans cet article, je vais passer en revue les concepts et les r\u00e9f\u00e9rences de qualit\u00e9 en mati\u00e8re d’IA, ainsi que quelques bonnes pratiques. Celui-ci peut servir de point de r\u00e9f\u00e9rence pour les utilisateurs, quelle que soit l’\u00e9tape du processus de mise en \u0153uvre de l’IA \u00e0 laquelle il se trouve.\u00a0<\/span>\u00a0<\/span><\/p>\n

D\u00e9finir des attentes r\u00e9alistes<\/span>\u00a0<\/span><\/h2>\n

Certains s’attendent \u00e0 ce que l’IA soit toujours pr\u00e9cise. Ils pensent \u00e9galement \u00e0 tort que l’IA corrigera les d\u00e9fauts humains. En effet, dans la mesure o\u00f9 l’erreur humaine est in\u00e9vitable et attendue, l’IA doit \u00eatre l’inverse. Toutefois, atteindre ce niveau de perfection est tout \u00e0 fait impossible. Il est primordial de d\u00e9finir des attentes r\u00e9alistes, de cette fa\u00e7on, le meilleur moyen de mesurer la r\u00e9ussite de l’IA est l’impact sur l’entreprise.\u00a0<\/span><\/p>\n

Au sein du centre de contact, l’IA peut accomplir certaines t\u00e2ches qu’un humain ne peut pas faire. Par exemple, bien qu’un chatbot ne puisse r\u00e9pondre qu’\u00e0 une seule question \u00e0 la fois, ce dernier peut toutefois y r\u00e9pondre 24\u00a0h sur\u00a024 et 7\u00a0j sur\u00a07 sans jamais s’arr\u00eater pour faire une pause. Si cette question est importante pour un grand pourcentage de clients, ou pour un segment de client\u00e8le restreint mais majeur, la capacit\u00e9 de ce chatbot \u00e0 comprendre pr\u00e9cis\u00e9ment et \u00e0 r\u00e9pondre de mani\u00e8re conversationnelle \u00e0 un large \u00e9ventail de demandes a bien plus de valeur.\u00a0<\/span><\/p>\n

Pour ce qui est de l’IA conversationnelle, si vous attendez la perfection, vous risquez d’\u00eatre d\u00e9\u00e7us.\u00a0<\/span><\/p>\n

En effet, les bots d’IA conversationnels s’appuient sur des donn\u00e9es et la qualit\u00e9 du mod\u00e8le de compr\u00e9hension du langage naturel (NLU) sous-jacent d\u00e9pend de l’ensemble de donn\u00e9es utilis\u00e9 pour la formation et les tests. \u00c0 ce propos, vous avez peut-\u00eatre vu passer des rapports qui pr\u00e9sentent des points de r\u00e9f\u00e9rence en mati\u00e8re de NLU. Lorsque vous passez en revue les chiffres, assurez-vous de bien comprendre quelles donn\u00e9es ont \u00e9t\u00e9 utilis\u00e9es.\u00a0<\/span><\/p>\n

Supposons qu’un fournisseur\u00a0A ait utilis\u00e9 les m\u00eames donn\u00e9es de formation et de test pour l’analyse, mais que les fournisseurs\u00a0B et C aient utilis\u00e9 un ensemble de donn\u00e9es de formation diff\u00e9rent. Les r\u00e9sultats du fournisseur\u00a0A seront probablement meilleurs que ceux des fournisseurs\u00a0B et C dans la mesure o\u00f9 il s’appuie (essentiellement) sur l’ann\u00e9e de naissance pour pr\u00e9dire l’\u00e2ge\u00a0: un mod\u00e8le pr\u00e9cis \u00e0 100\u00a0%, mais qui n’exploite pas pour autant tout le potentiel de l’IA.<\/span>\u00a0<\/span><\/p>\n

Mesurer la qualit\u00e9 et les bases des points de r\u00e9f\u00e9rence<\/span>\u00a0<\/span><\/h2>\n

Les mod\u00e8les NLU se basent sur les <\/span>crit\u00e8res<\/span><\/a> suivants\u00a0:<\/span>\u00a0<\/span><\/p>\n