Que vous souhaitiez passer une commande en ligne, modifier vos billets pour un voyage, adapter un abonnement : il y a de bonnes chances que vous soyez mis en relation avec un assistant virtuel vocal ou un chatbot. Avec l’Intelligence Artificielle, il est possible d’aller plus loin dans l’optimisation de l’expérience client grâce à la reconnaissance des émotions. Ce domaine, appelé Informatique Affective, crée un nouveau mode dans les relations Homme-Machine. Zoom sur l’Informatique Affective et les recherches menées chez Alteca.
L’informatique Affective en quelques mots
Un peu d’histoire
Après son apparition dans les année 1990, c’est réellement dans les années 2000 que l’informatique et les émotions sont associées faisant naître le concept d’Informatique Affective (affective computing en anglais). On commence à réaliser des prototypes, pouvant montrer des formes d’empathie avec pour objectif de détecter le niveau de frustration des utilisateurs. Aujourd’hui les techniques et technologies de plus en plus poussées et notamment l’Intelligence Artificielle, permettent de faire un pas de plus dans cette relation Homme-Machine.
L’empathie, chez l’espèce humaine, correspond à la faculté de partager les émotions d’une autre personne et donc de comprendre son point de vue. On considère différents vecteurs de la communication dite « émotionnelle » avec les expressions du visage et la voix, mais aussi avec la gestuelle et la réponse physiologique des émotions.
Zoom sur les émotions
Une émotion est définie d’après Larousse comme une réaction affective transitoire d’assez grande intensité, habituellement provoquée par une stimulation venue de l’environnement.
Sa complexité d’analyse provient à la fois d’éléments culturels, mais aussi par sa nature subjective. L’émotion est innée, elle joue un rôle fondamental dans les interactions sociales. Elle n’en reste pas moins un élément à facteurs multiples, liée à un ressenti, à la compréhension d’un évènement à un moment précis.
C’est donc un véritable challenge de faire appliquer ce processus d’analyse à une machine puisque l’Homme a parfois lui-même du mal à en saisir toutes les nuances. L’Informatique Affective intègre deux autres disciplines que sont la psychologie et les sciences cognitives qui permettent d’étudier l’interaction homme-machine.
Ce rapprochement homme-machine est un donc un must-have pour rendre l’assistant virtuel plus performant et lui donner la possibilité d’offrir une réponse plus proche des attentes de l’interlocuteur, au lieu d’une réponse « froide » et impersonnelle.
Certains chatbots grand public embarquent aujourd’hui une personnalité, généralement construite par une marque pour refléter en général le profil-type de leurs clients. Néanmoins l’Informatique Affective ambitionne de s’adapter au plus près de l’utilisateur de manière beaucoup plus fine – et empathique.
Les différents modes de détection des émotions et la R&D Alteca
La détection par vidéo : les expressions faciales
Le visage est l’élément principal d’expression de nos émotions. La contracture des muscles ou encore la coloration de la peau par afflux sanguin dans certaines situations sont des critères d’analyse de ces émotions.
Chez Alteca, des projets de détection des émotions sont réalisés depuis quelques années au sein de notre R&D, grâce à l’utilisation de technologies de machine learning et deep learning telles que Python, TensorFlow, Keras…
Nos data scientists ont par exemple planché sur un algorithme de détection d’émotions dans un composant API. En partant d’un dataset, ce composant est entrainé à reconnaître jusqu’à 8 émotions (colère, ennui, dégout, peur, joie, tristesse, surprise, incertitude). Grâce à un système de scoring, il est capable d’indiquer quelle émotion est la plus probablement en train d’être exprimée.
Ces technologies peuvent facilement être utilisées en point de vente comme un indicateur de la satisfaction et aider à l’amélioration de l’expérience client.
D’autres projets d’identification ont également été menés. Un système de repères, détectés pour chaque visage, permet au composant de reconnaître un même individu au sein d’une vidéo, même si celui-ci change d’expression.
La voix
La voix est également un bon indicateur émotionnel. Le ton employé, le volume et les différentes variations peuvent permettre de comprendre dans quel état se trouve l’émetteur.
Chez Alteca, des composants d’analyse du spectre vocal sont développés en s’appuyant sur des technologies Open Source telles que Librosa.
Intégrés dans une application, ils permettent a un assistant virtuel, un robot, de répondre à un interlocuteur en fonction de son état émotionnel. En synthèse : le robot reconnaît automatiquement l’émotion de l’individu sans même tenir compte de la sémantique (les mots utilisés). Il va alors pouvoir adapter sa réponse en y ajoutant à son tour une émotion, de manière à agir ainsi de manière plus « humaine ».
Par exemple, dans le cas d’un interlocuteur en colère, l’algorithme détectera un niveau sonore anormalement élevé, tandis que pour un interlocuteur déçu, le débit sera plus lent et le volume sonore plus bas. Dans ces deux cas, la machine pourra informer le téléphoniste de l’état émotionnel de l’interlocuteur pour qu’il s’y prépare. Il pourra aussi transmettre l’appel directement à un téléphoniste qualifié.
Des technologies d’avenir
L’intégration de l’intelligence artificielle dans les relations Humain-Machine offre de vastes possibilités d’améliorations de l’expérience vécue par les utilisateurs. D’ici quelques années, faire en sorte de rapprocher la machine de l’humain ne sera plus une option pour optimiser sa stratégie de relation client.
L’état émotionnel d’un consommateur devient un facteur important à prendre en compte dans le cycle de vente. Mais ces nouvelles techniques soulèvent des questions importantes d’éthique et de confidentialité. Les notions de protection des données personnelles (RGPD) doivent donc être prises en compte dès la phase de réflexion de mise en œuvre de tels projets.