Concevoir des bots de connaissances

S'APPLIQUE À : SDK v4

Vous pouvez concevoir un bot de connaissances qui couvre pratiquement n’importe quel sujet. Quel que soit le cas d’usage pour lequel un bot de connaissances est conçu, son objectif de base est toujours le même : recherchez et retournez les informations demandées par l’utilisateur en recherchant un corps de données.

Par exemple, un bot de connaissances peut répondre à des questions sur des événements tels que « Quels sont les événements de bot présents lors de cette conférence ? », « Quand est le prochain spectacle reggae ? » ou « Qui est Tame Impala ? » Une autre peut répondre à des questions informatiques telles que « Comment mettre à jour mon système d’exploitation ? » ou « Où puis-je réinitialiser mon mot de passe ? ». Une autre peut encore répondre à des questions sur les contacts tels que « Qui est John Doe ? » ou « Qu’est-ce que l’adresse e-mail de Jane Doe ? ».

Cet article décrit certaines des fonctionnalités d’IA que vous pouvez ajouter à un bot, par exemple pour permettre à un utilisateur de rechercher des informations, de poser des questions ou d’interagir avec des informations. Pour lesquels les services Azure AI intègrent le Kit de développement logiciel (SDK) Bot Framework, consultez La compréhension du langage naturel.

Conseil / Astuce

Azure AI Services intègre des technologies évolutives. Cet article décrit les fonctionnalités plus récentes et les plus anciennes.

À propos des scores de confiance

Certaines fonctionnalités permettent à un bot de retourner des informations à partir d’une base de connaissances ou d’un modèle de langage pour correspondre à une question ou une requête utilisateur.

Par exemple, si l’utilisateur demande à un bot de connaissances musicales des informations sur « impala » (au lieu du nom complet de la bande « Tame Impala »), le bot peut répondre avec des informations susceptibles d’être pertinentes pour cette entrée. De même, les fonctionnalités de compréhension du langage peuvent utiliser un modèle de langage pour extraire l’intention probable de l’entrée utilisateur. Par exemple, si l’utilisateur demande à un bot agent de voyage de « réserver une chambre pendant trois jours », le bot peut extraire une intention de « réserver une chambre » et ensuite collecter les détails.

La recherche et la reconnaissance d’intention retournent un score de confiance, qui indique le niveau de confiance que le moteur a qu’un résultat particulier est correct. Utilisez des scores de confiance pour classer les résultats ou répondre différemment, en fonction de la confiance globale dans votre réponse.

Remarque

Lorsque vous utilisez une combinaison de différents types de service ou de fonctionnalités, testez les entrées avec chacun des outils pour déterminer le score de seuil pour chacun de vos modèles. Les services et fonctionnalités utilisent différents critères de scoring, de sorte que les scores générés dans ces outils ne sont pas directement comparables. Par exemple, le service QnA Maker a utilisé une plage de confiance de 0 à 100, tandis que la fonctionnalité de réponse aux questions utilise une plage de 0,0 à 1.0.

• Si la confiance est élevée, votre bot peut répondre avec « Voici l’événement qui correspond le mieux à votre recherche » ou « Je peux vous aider à réserver une salle » et présenter la meilleure réponse ou commencer à poser des questions de suivi.
• Si la confiance est faible, votre bot peut répondre avec « Hmm... étiez-vous à la recherche de l’un de ces événements ? » ou « Je peux vous aider avec les éléments suivants : » et présenter une liste de réponses ou d’options possibles.

Pour filtrer les rubriques

Vous pouvez concevoir des bots de connaissances pour aider un utilisateur à restreindre et affiner une recherche. Dans une conversation, le bot peut poser des questions précises, présenter des options et valider les résultats, d'une manière que la recherche de base ne peut pas.

Par exemple, un bot d’événements peut déterminer le type d’événement qui intéresse l’utilisateur en posant une série de questions. Considérez l’échange suivant :

1. Utilisateur, « événements ».
2. Bot, « Que voulez-vous ? Musique, Comédie, Film...
3. Utilisateur, « Musique ».
4. Bot, « Quel type de musique voulez-vous ? Tous, Rock/Pop, Hip-hop/Rap, ...".
5. Utilisateur, « Rock/Pop ».
6. Bot, « Quel jour voulez-vous voir Rock/Pop ? Vendredi, samedi, dimanche, n’importe quel".
7. Utilisateur, « Samedi ».
8. Bot, « Voici les spectacles Rock/Pop pour samedi : » avec une liste des spectacles trouvés.

En traitant l’entrée de l’utilisateur à chaque étape et en présentant les options pertinentes, le bot guide l’utilisateur vers les informations qu’il recherche. Une fois que le bot fournit ces informations, il peut également fournir des conseils sur des moyens plus efficaces de trouver des informations similaires à l’avenir.

Vous pouvez également taper « Rock friday » ou rechercher un événement par nom.

Pour plus d’informations sur les services Azure associés, consultez l’article recherche dans l’article sur le concept de compréhension du langage naturel .

Pour répondre aux questions

Vous pouvez concevoir des bots de connaissances pour répondre aux questions fréquemment posées. Les services qui prennent en charge les fonctionnalités de questions et de réponses vous permettent souvent ou à votre bot de :

• Gérer et former une base de connaissances.
• Importez des informations dans une base de connaissances, par exemple à partir d’un fichier de données ou d’une page web.
• Supposez quelle réponse correspond le mieux à la question de l’utilisateur.
• Posez aux utilisateurs des questions de suivi pour vous aider à trouver la réponse qu’ils recherchent.

Pour plus d’informations sur les services Azure associés, consultez questions et réponses dans l’article sur le concept de compréhension du langage naturel .

Pour interpréter l’intention

Certains bots de connaissances nécessitent des fonctionnalités de traitement en langage naturel (NLP) afin qu’ils puissent analyser les messages d’un utilisateur pour déterminer l’intention de l’utilisateur et d’autres informations importantes.

Dans un bot de lecture de musique, par exemple, un utilisateur peut envoyer un message « Play Reggae », « Play Bob Marley » ou « Play One Love ». Vous pouvez entraîner un modèle de langage pour mapper chacun de ces messages à l’intention « playMusic », sans être formé avec chaque artiste, genre et nom de chanson.

Votre modèle de langage peut ne pas comprendre si la chose à jouer, l’entité, est un genre, un artiste ou une chanson. Toutefois, votre bot peut rechercher cette entité à l’aide de ces informations et continuer à partir de là.

Pour plus d’informations sur les services Azure associés, consultez l’article sur la compréhension du langage naturel dans l’article sur le concept de compréhension du langage naturel .

Pour intégrer plusieurs fonctionnalités

Chaque fonctionnalité NLP est un outil puissant en son propre droit. Toutefois, votre bot peut combiner ces fonctionnalités et d’autres pour fournir à vos utilisateurs une expérience plus fluide et naturelle. Utilisez les scores de confiance pour déterminer quelle fonctionnalité correspond le mieux au message de l’utilisateur et posez des questions de suivi si la meilleure correspondance est ambiguë.

Par exemple, un tel bot peut permettre à l’utilisateur :

• Trouvez un spectacle qui les intéresse.
• Obtenez des informations sur l’artiste, le lieu et l’événement.
• Achetez un ticket ou inscrivez-vous pour des avis sur les événements futurs.

Pour plus d’informations sur les services Azure associés, consultez Utiliser plusieurs fonctionnalités ensemble dans l’article sur le concept de compréhension du langage naturel .

Explorer des exemples

Le dépôt d’exemples Bot Framework comporte quelques exemples de bots qui illustrent les fonctionnalités de compréhension du langage :

Échantillon	Exemple de nom	Descriptif
11	QnA Maker (simple)	Répondez aux questions sous la forme d’une série de conversations à tour unique à l’aide de QnA Maker.
13	Bot principal	Interpréter l’intention de l’utilisateur à l’aide de LUIS.
14	NLP avec dispatch	Distribuez des messages utilisateur à LUIS ou QnA Maker à l’aide d’Orchestrator.
49	QnA Maker (avancé)	Répondez aux questions à l’aide des fonctionnalités d’apprentissage multi-tour et actif dans QnA Maker.

Remarque

Azure AI QnA Maker sera mis hors service le 31 mars 2025. À partir du 1er octobre 2022, vous ne pourrez plus créer de nouvelles ressources ou bases de connaissances QnA Maker. Une version plus récente de la fonctionnalité de questions et réponses est désormais disponible dans le cadre d’Azure AI Language.

La réponse aux questions personnalisées, une fonctionnalité d'Azure AI Language, est la version mise à jour du service QnA Maker. Pour plus d’informations sur la prise en charge des questions et réponses dans le kit de développement logiciel (SDK) Bot Framework, reportez-vous à Compréhension du langage naturel.

Remarque

Compréhension du langage (LUIS) sera mis hors service le 1er octobre 2025. À compter du 1er avril 2023, vous ne pourrez pas créer de nouvelles ressources LUIS. Une version plus récente de Compréhension du langage est désormais disponible dans le cadre d'Azure AI Language.

Compréhension du langage courant (CLU), une fonctionnalité d’Azure AI Language, est la version mise à jour de LUIS. Pour en savoir plus sur la prise en charge de la compréhension du langage dans le Kit de développement logiciel (SDK) Bot Framework, reportez-vous à Compréhension du langage naturel.

Le Kit de développement logiciel (SDK) Azure pour .NET et le Kit de développement logiciel (SDK) Azure pour Python contiennent également quelques exemples :

Caractéristique	Exemples de README
Réponses aux questions	C#, Python
Compréhension du langage conversationnel, workflow d’orchestration	C#, Python