Un composant fondamental de l’IA conversationnelle est la compréhension du langage naturel (NLU). En tant qu’êtres humains, lorsque nous parlons à quelqu’un, nous posons des questions dans notre propre langue en utilisant les mots que nous connaissons. Un élément clé des expériences conversationnelles pour un utilisateur est la capacité à poser des questions de manière naturelle, en utilisant un vocabulaire qu’il comprend, et non un langage ou une syntaxe spéciale qu’il faudrait apprendre.

Lorsqu’une personne pose une question, celle à qui elle s’adresse comprend l’intention de la question et agit en conséquence. Cette intention découverte ou supposée peut se traduire par une réponse, un commentaire ou même une autre question. Ce qui rend ces interactions complexes, c’est de faire correspondre l’intention à celle réellement voulue par l’utilisateur. Cela est rendu possible grâce à la technologie NLU, Natural Language Understanding, qui permet à une application d’IA conversationnelle de comprendre le langage naturel utilisé par les humains, de reconnaître les intentions dans les questions, puis d’agir en conséquence.

Dans le développement traditionnel d’IA conversationnelle, les développeurs devaient créer, entraîner, tester et déployer une couche NLU distincte, en plus de la logique, de l’interface utilisateur et d’autres couches d’intégration pour gérer les comportements de suivi. Dans Microsoft Copilot Studio, notre objectif est de démocratiser l’IA conversationnelle et de faciliter la prise en main, la gestion, le déploiement et l’évolution des agents pour les organisations, en proposant des expériences de création low-code et pro-code.

Copilot Studio est livré prêt à l’emploi avec des fonctionnalités d’IA générative, comme les réponses génératives (que vous avez vues dans la tâche précédente), ainsi que ses propres capacités pré-entraînées de NLU. Cela signifie qu’un créateur n’a pas besoin de provisionner ou d’utiliser un service NLU externe, et peut commencer immédiatement à créer des sujets en saisissant simplement des phrases déclencheuses dans un sujet. De plus, les entités standard et personnalisées peuvent être détectées lors de la reconnaissance d’intention ou au cours d’une conversation, en extrayant le sujet de la phrase de l’utilisateur, qui est ensuite stocké et utilisé comme variable.

En outre, lors de la création d’expériences conversationnelles avec plusieurs sujets rédigés dans Copilot Studio, les créateurs doivent veiller à limiter le chevauchement des sujets pour éviter les scénarios d’ambiguïté qui peuvent survenir lorsque le NLU identifie deux intentions ou plus avec un score élevé à partir de la question de l’utilisateur. Cela oblige le NLU à demander à l’utilisateur de préciser l’intention visée parmi les sujets détectés (« Vouliez-vous dire X ou Y ? »). Microsoft Copilot Studio propose des fonctionnalités telles que la détection de chevauchement de sujets pour aider les créateurs d’agents dans leur parcours, ainsi que la possibilité de désactiver l’affichage de certains sujets dans l’expérience « Vouliez-vous dire ».

Pour en savoir plus sur le NLU de Microsoft Copilot Studio, y compris des détails sur le modèle sous-jacent et les capacités de gestion du chevauchement de sujets, consultez Activer les fonctionnalités avancées d’IA dans Microsoft Copilot Studio.

Unité suivante : Vérifiez vos connaissances