Memoire Bon 2PD10.12.2023

REPUBLIQUE DU CAMEROUN REPUBLIC OF CAMEROON
Paix – Travail – Patrie Peace – Work – Fatherland

*************** ****************
ECOLE NATIONALE SUPERIEURE NATIONAL ADVANCED SCHOOL
DES POSTES, DES OF POSTS,
TELECOMMUNICATIONS ET DES TELECOMMUNICATIONS
TECHNOLOGIES DE , INFORMATION
L’INFORMATION ET DE LA COMMUNICATION
COMMUNICATION TECHNOLOGIES
****** ******
PROJET DE FIN D’ANNEE
CREATION D’UN AGENT CONVERSATIONNEL

INTELLIGENT BASE SUR LE NATURAL LANGUAGE
PROCESSING (NLP): CAS SERVICE CLIENT CAMTEL
Présentée par :
KENNE DJOUADJOUONG RUDIE VERMEILLE
Ingénieur des travaux en Radiocommunication
Matricule :18T31113
Pour l’obtention de son diplôme d’INGENIEUR DE TELECOMMUNICATION
ENCADREURS
Académique : Professionnel :
Dr-Ing FOZIN THEOPHILE Dr-Ing DEUSSOM ERIC
Chargé de Cours, Université Directeur support du business

de Buea Unit Mobile CAMTEL
DOUALA
Année académique : 2021/2023

2019/2020
1
DEDICACES
A LA FAMILLE KENNE
i
CREATION D’UN AGENT CONVERSATIONNEL INTELLIGENT BASE SUR LE NLP : CAS SERVICE CLIENT
CAMTEL
REMERCIEMENTS
La réalisation de ce mémoire a été rendue possible grâce à la précieuse contribution de

nombreuses personnes, à qui j'adresse ma profonde gratitude.
Je tiens tout d'abord à exprimer mes remerciements à M. WATCHING Felix, Directeur de

l'École Nationale Supérieure des Postes, des Télécommunications et des Technologies de
l'information et de la communication (SUP’PTIC), pour son engagement exemplaire dans la
formation professionnelle des étudiants.
Mes remerciements vont également à l'endroit de Dr-Ing FOZIN Théophile, mon encadreur
académique. Sa disponibilité, ses encouragements constants, sa rigueur et ses conseils éclairés
ont joué un rôle déterminant dans l'achèvement de ce document.
Un sincère merci à mon encadreur professionnel, Dr-Ing DEUSSOM Eric, pour ses conseils
avisés, sa présence constante et les valeurs essentielles qu'il m'a transmises.
Je souhaite exprimer ma reconnaissance envers mes frères et sœurs pour leur amour
inconditionnel, leur soutien indéfectible et leurs encouragements tout au long de ce travail.
Un remerciement particulier à TAKOU Wilfried et MVOE MEKINDA Pascal pour leur

assistance précieuse dans la réalisation technique de ce travail.
Mes sincères remerciements à l'ingénieur NDOUMIN Serge pour ses conseils éclairés et le
temps qu'il a consacré à vérifier minutieusement chaque aspect de mon travail.
Enfin, je tiens à exprimer ma gratitude envers mes amis, dont le soutien inconditionnel et les
encouragements ont été d'une aide inestimable.
Votre contribution collective a été un pilier essentiel de ce mémoire, et je suis reconnaissant

envers chacun d'entre vous.
Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

ii
CAMTEL
SOMMAIRE
DEDICACES ........................................................................................................................................................ I
REMERCIEMENTS ...................................................................................................................................... II
LISTES DES ACRONYMES ........................................................................................................................ VI
RESUME ...................................................................................................................................................... VII
ABSTRACT ................................................................................................................................................. VIII
INTRODUCTION GENERALE .................................................................................................................... 1
I. CONTEXTE ..................................................................................................................................................... 2
II. PROBLEMATIQUE ............................................................................................................................................ 3
III. OBJECTIFS DE LA RECHERCHE ............................................................................................................................. 4
IV. PLAN DE TRAVAIL ............................................................................................................................................ 4
CHAPITRE 1 : REVUE DE LITTERATURE .............................................................................................. 5
INTRODUCTION ....................................................................................................................................................... 6
I.1. PRESENTATION DU LIEU DE STAGE.......................................................................................................................... 6
I.2. CONTEXTE DU SERVICE CLIENT............................................................................................................................. 10
I.2AGENT CONVERSATIONNEL .................................................................................................................................. 15
I.2 NATURAL LANGUAGE PROCESSING ........................................................................................................................ 20
I.3 METHODES D’ASSISTANCE CLIENT ......................................................................................................................... 23
CHAPITRE 2 : METHODOLOGIE DE LA SOLUTION .......................................................................... 37
INTRODUCTION ..................................................................................................................................................... 38
II.1. COLLECTES DES CONNAISSANCES ........................................................................................................................ 39
II.2 CONCEPTION DE LA SOLUTION ............................................................................................................................ 41
II.3 BIBLIOTHEQUES ET LOGICIELS UTILISES .................................................................................................................. 58
CHAPITRE 3 : RESULTAT ET INTERPRETATIONS ............................................................................. 61
INTRODUCTION ..................................................................................................................................................... 62
III.1. ARCHITECTURE DE LA SOLUTION ........................................................................................................................ 62
III. 2 ENTRAINEMENT DU MODELE............................................................................................................................. 63
III.3. RESULTATS ................................................................................................................................................... 67
CONCLUSION GENERALE ....................................................................................................................... 73
BIBLIOGRAPHIE.................................................................................................................................... LXXV
ANNEXES ............................................................................................................................................... LXXVII

iii
CAMTEL
LISTE DES FIGURES
Figure 1:Organigramme de la CAMTEL ................................................................................................ 8

Figure 2: Principe du service client ....................................................................................................... 13
Figure 3: Illustration de l'historique des chatbots [7] ............................................................................ 17
Figure 4:Principe de fonctionnement d'un chatbot [8] .......................................................................... 18
Figure 5: simple RNN modèle de langage [7] ........................................................................................ 22
Figure 6: type d’apprentissage automatique [12] .................................................................................. 28
Figure 7:Illustration de l'apprentissage supervisé [12] .......................................................................... 29
Figure 8:Illustration classification et régression [13] ............................................................................ 29
Figure 9:Image fonctionnement de l'apprentissage non supervisé [14] ................................................ 30
Figure 10:Illustration des ANN [17] ..................................................................................................... 31
Figure 11: Architecture du réseau de neurone convolutif [18] .............................................................. 31
Figure 12:Illustration des RNN [18]...................................................................................................... 32
Figure 13:Illustration des FNN [19] ...................................................................................................... 32
Figure 14: Pipeline de notre solution..................................................................................................... 39
Figure 15:Diagramme de cas d'utilisation ............................................................................................. 42
Figure 16: Illustration des données avant nettoyage ............................................................................. 45
Figure 17:Données après le nettoyage ................................................................................................... 46
Figure 18:Architecture d'un Transformers [22] ..................................................................................... 48
Figure 19:Bloc Encoder [22] ................................................................................................................. 49
Figure 20 : Présentation du bloc embedding [22] ................................................................................. 50
Figure 21:Mécanisme d'auto-attention [23]........................................................................................... 51
Figure 22:Mécanisme de Multi-Head Attention [23] ............................................................................ 53
Figure 23:Présentation du feed-forward network dans le bloc Encoder [22] ........................................ 53
Figure 24 : Feed-forward network [24] ................................................................................................. 54
Figure 25: Architecture du bloc Decoder [22] ...................................................................................... 55
Figure 26:Architecture Transformers GPT [25] .................................................................................... 57
Figure 27: Architecture de la solution ................................................................................................... 62
Figure 28: Illustration de reformulation des questions .......................................................................... 64
Figure 29:Illustration de la reformulation des questions ....................................................................... 64
Figure 30: Exemple de conversation avec BLUEBOT ......................................................................... 68
Figure 31: Tableau de bord de l'admin.................................................................................................. 70

iv
CAMTEL
LISTE DES TABLEAUX
Tableau 1: Canaux de communication de Camtel ................................................................................... 9

Tableau 3: Tableaux comparatifs de quelques chatbots existants au niveau international .................... 34
Tableau 4:Quelques questions des abonnés .......................................................................................... 40
Tableau 5: Description des cas d'utilisation .......................................................................................... 42
Tableau 5 Tableau résultant du nettoyage des données :....................................................................... 46

v
CAMTEL
LISTES DES ACRONYMES
Acronyme Signification
ADSL Asymmetric Digital Subscriber Line

BUM Business Unit Mobile
CAMTEL Cameroon Telecommunications

CNN Convolutional Neural Network,
CRAR Centre de réseaux d’accès
DL Deep Learning
FAQ Frequently Asked Questions
FFN Feed-Forward Neural Network
FTTH Fiber to the Home
GPT Generative Pretrained Transformer
IA Intelligence artificielle
IP Internet Protocol
IPTV Internet Protocol Television
ML Machine Learning
NLG Natural Language Generation
NLP Natural Language Processing
NLU Natural Language Understanding
Orange CAM Orange Cameroon

RNN Recurrent Neural Network,
VSAT Very Small Aperture Terminal

vi
CAMTEL
RESUME
L’agent conversationnel ou le chatbot, est un robot capable d’imiter le comportement humain

pour mener une conversation avec un utilisateur, via une plateforme ou une application. Son
principal objectif est d’apporter des réponses aux problèmes rencontrés par les internautes et
ce, de manière automatisée. Grâce à de nombreuses recherches, les cas d’utilisation des chatbots
se sont grandement diversifiés. Ce mémoire explore une approche novatrice pour transformer
radicalement l'expérience client au sein de la Cameroon Télécommunications (Camtel) à travers
l'implémentation d'un chatbot évolué basé sur le NLP. L'objectif principal est d'enrichir la
communication entre les abonnés et les services de la Camtel, offrant ainsi une assistance
intelligente et instantanée. La conception se concentre sur une base de connaissances
rigoureusement structurée, intégrant des questions fréquemment posées, des reformulations
astucieuses, et des perspectives d'extension vers des services personnalisés.
Mot clés : agent conversationnel, NLP, base de connaissance, service client

vii
CAMTEL
ABSTRACT
The conversational agent, also known as a chatbot, positions itself as a robot capable of
mimicking human behavior to engage in a conversation with a user through a platform or
application. Its main objective is to provide automated responses to issues encountered by
internet users. Thanks to numerous studies, the use cases of chatbots have greatly diversified.
This thesis explores an innovative approach to revolutionize customer experience within
Cameroon Telecommunications (Camtel) by implementing an advanced chatbot based on the
NLP model. The primary goal is to enhance communication between subscribers and Camtel
services, providing intelligent and instantaneous assistance. The design focuses on a
meticulously structured knowledge base, incorporating frequently asked questions, clever
reformulations, and prospects for expanding towards personalized services.
Keyword : Natural language processing, conversationnal agent, knowledge base,

customers service

viii
CAMTEL
INTRODUCTION GENERALE

1
CAMTEL
i. Contexte
Dans un environnement commercial compétitif, il devient manifeste que le service à la clientèle
transcende sa simple fonction pour devenir une force marketing primordiale. Il ne se limite plus
à être une simple prestation après-vente, mais plutôt une relation continue entre l'entreprise et
ses clients, visant à les satisfaire de manière optimale.
En conséquence, de nombreux auteurs soutiennent que le concept du service à la clientèle

évolue au-delà de la simple transaction pour se transformer en une fonction relationnelle,
reposant sur des critères qualitatifs et d'appréciation. Cette adaptation vise à répondre à
l'évolution du comportement des consommateurs et à leurs exigences croissantes en matière de
qualité de service. Des éléments tels que l'accueil, l'approche, la gestion des demandes, la
satisfaction des besoins, la qualité de l'information et sa présentation, ainsi que le traitement des
plaintes, influent tous sur la perception de la qualité du service client, et par extension, sur le
choix du consommateur [1].
Selon Lexico, le service client englobe l'ensemble des actions d'assistance et de conseils offertes
par une entreprise à ses clients. Cela englobe une série d'outils et d'actions déployés par
l'entreprise dans le but d'informer et d'assister ses clients tout au long de leur expérience avec
le service proposé, comme le précise un article publié dans Salesforce. En d'autres termes, le
service client est déployé à divers points de contact pour interagir avec les clients avant, pendant
et après l'acte d'achat.[2]
Cette approche du service client est omniprésente dans la plupart des secteurs d'activité,
notamment dans le secteur bancaire où il revêt une importance cruciale pour assister les
utilisateurs à différents niveaux. Par exemple, il intervient dans l'assistance aux opérations
bancaires, le conseil en matière de crédit bancaire, l'accompagnement dans la gestion des
comptes bancaires (retraits, virements, etc.) et la résolution des difficultés rencontrées lors de
l'utilisation des services bancaires.

2
CAMTEL
Les institutions publiques, telles que les services de police et de sapeurs-pompiers, mettent
également en place des services client, notamment à travers des numéros verts, pour permettre
aux citoyens de signaler des incidents, poser des questions ou demander des informations sur
les services et les procédures de l'institution en question, contribuant ainsi au maintien de
l'ordre.
Pour les entreprises commerciales, le service client n'est pas uniquement une assistance aux
clients, mais également un outil marketing visant à présenter les produits et services offerts. Ce
service permet également de mener des prospections auprès de clients potentiels.
CAMTEL de par sa posture d’opérateur historique, offre des services commerciaux par
conséquent dispose d’un service client. Ce dernier vise entre autres à renseigner ses clients sur
les différents forfaits mobiles disponibles, à leur apporter assistance dans la recharge de crédit
ou encore l’activation des forfaits internet.
ii. Problématique
Afin d’apporter une assistance de qualité à sa clientèle, CAMTEL a mis en place plusieurs
canaux pour se rendre accessible auprès de ses clients. L’on note ici :
• Numéros d'assistance téléphonique : +(237) 222 23 40 65 / +(237) 222 23 03 03.
Disponibles du lundi au vendredi de 9h à 18h.
• Adresse e-mail : carrier@camtel.cm. Disponible 24h/24 et 7 jours sur 7.
• Site web : www.camtel.cm. Disponible 24h/24 et 7 jours sur 7.
• Agences commerciales : CAMTEL compte 76 agences commerciales ouvertes du lundi
au vendredi de 8h à 18h, et le samedi de 8h à 14h.
• Plateforme de recharge en ligne : myxtremnet.cm, ainsi que des applications mobiles
dédiées.
En analysant toutes ces solutions, nous avons relevé que les informations relatives aux forfaits
offerts par la CAMTEL, sont fortement demandées. Environ 20 personnes tous les 3 jours se
rendent dans une agence CAMTEL pour obtenir des informations sur les forfaits mobile BLUE
et pour être assister dans la recharge desdits forfaits, ou encore pour présenter des problèmes
en rapport à ces forfaits. La même question est aussi fréquemment soulevée sur les pages
officielles de l’opérateur historique. Face à ce constat, notre interrogation est de savoir
« comment tirer parti de l’intelligence artificielle dans le but d’automatiser le service client de
3
CAMTEL
CAMTEL notamment de répondre de manière automatique aux questions relatives au forfaits

mobiles de CAMTEL ? »
iii. Objectifs de la recherche

Ce travail vise principalement à créer un agent conversationnel intelligents pour améliorer le
service client de CAMTEL. Il va se décliner en 3 parties :
➢ Constituer une base de connaissance des scénarii de conversations ;
➢ Entrainer et implémenter le modèle ;
➢ Développer une plateforme intégrant un agent conversationnel conçu.
iv. Plan de travail

Notre travail sera organisé en trois (03) chapitres :
➢ Dans le premier Il sera question de présenter le déroulement de notre stage à CAMTEL
et définir les notions d’agent conversationnel
➢ Au deuxième chapitre il s’agira de présenter les méthodes et les outils utilisés pour la
conception de notre solution ;
➢ Le troisième chapitre comprendra les résultats obtenus notamment la plateforme

intégrant notre agent conversationnel.

4
CAMTEL
CHAPITRE 1 : REVUE DE LITTERATURE

5
CAMTEL
Introduction
La Cameroon Télécommunications (CAMTEL) propose une gamme complète de services de
télécommunications, tels que la téléphonie fixe et mobile, l'accès à Internet, et bien d'autres.
Dans le but de répondre aux besoins des clients en matière de télécommunications, CAMTEL
a mis en place un service client dédié.
Dans cette section, nous commencerons par présenter CAMTEL, puis nous expliquerons le
concept de service client, d’agents conversationnels et leur mode de fonctionnement. Ensuite,
le Natural Language Processing ainsi les différentes méthodes d’assistance client connues et
dresserons un état de l'art des agents conversationnels.
.
I.1. Présentation du lieu de stage

I.1.1. Historique et missions de CAMTEL
L’entreprise Cameroon Télécommunication en abrégé CAMTEL, a été créée grâce à

l'association de l'ancienne direction du Ministère des Postes et Télécommunications
(MINPOSTEL) et de l'entreprise publique INTELCAM, qui était responsable des
communications téléphoniques internationales. Cette création est survenue après la
libéralisation du secteur des télécommunications suite à l'adoption de la loi n° 98/014 du 14
juillet 1998, dans le but de restructurer ce secteur. CAMTEL a été officiellement établie par le
décret présidentiel n° 98/198 du 8 septembre 1998, signé par le président de la République.[3]
En tant qu'entreprise entièrement détenue par les Camerounais, CAMTEL propose une large
gamme de services de télécommunications et dispose d'une infrastructure étendue et adaptée.
Elle joue un rôle majeur dans l'expansion et la modernisation des télécommunications au
Cameroun. De plus, grâce à la concession signée le 12 mars 2020 entre le gouvernement et
CAMTEL, cette entreprise est devenue le quatrième opérateur de téléphonie mobile aux côtés
du groupe sud-africain Mobile Télécommunications Network (MTN), de la firme française
ORANGE et du groupe vietnamien NEXTTEL. Le 20 août 2021, CAMTEL a lancé sa marque
commerciale BLUE pour répondre aux besoins de connectivité dans le monde. Cette initiative
vise à offrir des solutions de communication modernes et fiables aux utilisateurs.[4]
6
CAMTEL
I.1.2. Vue générale sur l’activité de CAMTEL
Les principales missions de CAMTEL sont les suivantes :
• Le développement des infrastructures de télécommunications ;

• Echanges des comptes avec d’autres opérateurs nationaux et internationaux ;
• L’étude, l’installation, l’exploitation et l’entretien de toutes les infrastructures
nécessaires à la fourniture des services sur le territoire national et international ;
• Réalisations des opérations commerciales ;
Les services offerts :
➢ Offres aux particuliers :

• Les cartes prépayées : Easy Autres services : nom de domaine, site web, hébergement,
recharge etc…
• La téléphonie : axée sur le téléphone fixe filaire, le CT-Phone fixe et sans fil, la
télécopie (fax) ;
• La triple Play : internet, Voix sur IP et IPTV en un via la fibre jusqu’à l’abonnée
• L’accès Internet ;
• La téléphonie mobile ;
• Autres services : nom de domaine, site web, hébergement.
➢ Offres aux entreprises :
• Les solutions voix
• La solution data
• Les liaisons spécialisées
• VSAT etc…
CAMTEL fournit aussi différents produits tels que :
• Les modems
• Les téléphones fixes
• ADSL
• FTTH
La figure suivante présente l’organigramme de CAMTEL

7
CAMTEL
Figure 1:Organigramme de la CAMTEL
I.1.3. Déroulement du stage
Nous avons eu l'opportunité de réaliser notre stage au sein du Centre des Réseaux d'Accès
(CRAR) du business unit mobile de Douala, supervisé par M. ABEGA Chef du Département
du CRAR, et Dr-Ing. DEUSSOM Eric, Directeur support du Business Unit Mobile (BUM).
Durant une période de six mois, nous avons bénéficié d'une formation complète, tant sur le plan
théorique que pratique, afin de nous familiariser avec les activités quotidiennes qui nous étaient
confiées. Nos responsabilités incluaient notamment :
• Assurer la qualité de service ;

• Déployer les équipements des réseaux mobiles ;
• Assurer la maintenance des équipements et du réseau ;
• Participer à la mise en service des infrastructures réseaux ;
• Collecter et analyser les indicateurs de performances du réseau.
8
CAMTEL
Ces missions nous ont permis d'acquérir une solide expérience dans le domaine des réseaux
d'accès, en nous impliquant activement dans les opérations essentielles pour assurer une
connectivité optimale et une satisfaction client élevée.
I.1.4. Présentation du service client CAMTEL
Dans le cadre de notre étude sur l'efficacité du service client de CAMTEL, nous avons passé
deux semaines à observer les différents processus utilisés à l'agence commerciale de Bepanda
de CAMTEL.
Le service client de CAMTEL est conçu pour offrir une expérience de qualité à ses utilisateurs,
garantir leur satisfaction et répondre à leurs besoins. Voici quelques aspects importants du
service client de CAMTEL :
• Assistance et support : CAMTEL propose une assistance et un support aux clients pour
répondre à leurs questions, résoudre leurs problèmes techniques et les guider dans
l'utilisation des services de l'entreprise.
• Maintenance et réparation : CAMTEL assure la maintenance et la réparation des
équipements et du réseau afin de garantir un fonctionnement optimal. En cas de panne
ou de dysfonctionnement, les clients peuvent contacter le service client pour obtenir une
assistance rapide et efficace.
• Gestion des réclamations : CAMTEL dispose d'un processus de gestion des
réclamations pour traiter les problèmes et les préoccupations des clients de manière
équitable et satisfaisante. Les clients peuvent soumettre leurs réclamations et s'attendre
à une résolution appropriée.
• La caisse : CAMTEL propose un service de caisse pour faciliter les transactions
financières des clients.
• Assistance pour la recharge d'un forfait : CAMTEL offre une assistance aux clients pour
la recharge de leur forfait, afin de faciliter leur utilisation des services de
télécommunications.
Le tableau 1 présente un résumé des canaux de communication :
Tableau 1: Canaux de communication de Camtel
Canal de Coordonnées Fonction

communication
Call center +(237) 222 23 40 65 / +(237) Assistance téléphonique
222 23 03 03
Email carrier@camtel.cm Soumission de demandes par email

9
CAMTEL
Site web www.camtel.cm Informations sur les services et

produits
Plateforme en ligne "my xtremnet.cm" Gestion des comptes, suivi de la
consommation, recharges, etc.
Applications Disponibles pour les Paiements et services mobiles
mobiles paiements et les services
I.2. Contexte du service client

Dans un marché compétitif, il est devenu évident que le service à la clientèle n'est pas
simplement une fonction, mais une force marketing essentielle pour fidéliser les clients et se
démarquer de la concurrence. Il ne s'agit plus simplement d'un service après-vente, mais d'une
relation entre l'entreprise et ses clients dans le mais de les satisfaire au mieux.
En conséquence, de nombreux auteurs font que le concept du service à la clientèle diffère de la
simple fonction de transaction pour converger vers une fonction relationnelle, en se fondant sur
des aspects qualitatifs et d'appréciation. Cette déviation vise à répondre au développement du
comportement des consommateurs et à leurs exigences en matière de qualité de service qui leur
sont présentées. L'accueil, l'approche, la gestion de leurs demandes et la satisfaction de leurs
besoins, la qualité de l'information et sa présentation, ainsi que le traitement des plaintes, sont
tous des facteurs qui influencent la perception de la qualité du service client et, par conséquent,
le choix du consommateur. [4]
La Gestion de la relation client (G.R.C ou C.R.M de l'expression anglaise Customer
Relationship Management) consiste à rassembler des informations détaillées et individualisées
sur les clients et gérer avec soin tous les moments de contact avec eux en vue de maximiser leur
fidélité à l’entreprise. [4]
Le CRM regroupe l'ensemble des dispositifs ou opérations de marketing ou support ayant pour
but d'optimiser la qualité de la relation client, de fidéliser et de maximiser le chiffre d'affaires
ou la marge par client. Il regroupe à la fois des techniques d'analyse des données clients, des
opérations marketing et des opérations de support. Le CRM utilise tous les canaux de contacts
disponibles avec le client.
• Pourquoi le service client est-il important ?
Le service client est le département par lequel un client entre en communication avec la marque
pour lui faire part d’une interrogation, d’un ressenti ou d’un problème rencontré. Son objectif

10
CAMTEL
est de comprendre les besoins du consommateur et de mettre en œuvre les actions nécessaires
pour le satisfaire.
➢ Il instaure un climat de confiance
Une entreprise disponible pour répondre aux sollicitations de ses clients est plus à même de les
convaincre qu’elle est à la hauteur de leurs attentes. Un service client réactif et pertinent dans
son accompagnement peut, en une interaction, leur donner confiance dans l’entreprise. Se
sentant valorisés et pris en charge, ils seront bien plus enclins à procéder ou à réitérer un achat
voire à recommander l’entreprise autour d’eux.[4]
➢ Il constitue un outil de conversion
À l’ère de l’omnicanalité, les stratégies des marques se basent sur la multiplication des points
de contact. Les consommateurs attendent aujourd’hui une disponibilité absolue des entreprises
: un service client réactif et disponible sur chaque canal multiplie ses chances d’apporter une
solution à leurs attentes. Les marques ont donc tout intérêt à doter leur service client des moyens
nécessaires afin qu’il apporte de la satisfaction à chaque étape de l’expérience client et
maximise le taux de conversion.
➢ Il participe à la fidélisation
Le service client est l’un des moyens les plus efficaces de fidéliser ses clients. Face à une
concurrence toujours plus forte, l’entreprise doit en faire sa priorité absolue pour rester
compétitive : les clients n’hésitent plus à se détourner à la moindre contrariété. La fidélisation
ne présente que des avantages : elle revêt un coût bien moins important que l’acquisition de
nouveau client et transforme le client satisfait en ambassadeur. Un consommateur ayant vécu
une expérience positive a d’autant plus de chances de partager sa satisfaction et de faire la
promotion de la marque, de ses produits et de ses services.[4]
➢ Il personnalise l’entreprise
Le service client s’apparente à un accompagnant disponible pour guider le consommateur au

cours de son parcours d’achat. À chaque étape, il collecte des informations pour mieux
comprendre le prospect et anticiper ses attentes et ses besoins. Il revêt un potentiel de
conversion important et dénote d’une entreprise soucieuse de la satisfaction de ses clients. En
effet, le service client est le reflet des valeurs de la marque : la façon dont il interagit avec les
consommateurs participe à la construction d’une image positive ou négative, impactant
directement les résultats de l’entreprise.[3]

11
CAMTEL
• Quels sont les piliers d’un service client performant ?
La qualité du service client dépend de la volonté d’une entreprise de faire de ses clients sa
principale préoccupation afin de leur apporter satisfaction avant, pendant et après l’achat.
➢ Un service représentatif des valeurs de l’entreprise

Il est essentiel que le client ressente l’attachement de l’entreprise à ses besoins et à son
expérience. À cet effet, le service client doit bénéficier d’une connaissance parfaite des valeurs,
des produits, des services et de l’actualité de l’entreprise. En tant que point de contact privilégié,
il devient un ambassadeur. L’ensemble des services de l’entreprise doit intégrer l’importance
du service client, leur objectif commun restant la satisfaction du consommateur.[3]
➢ Une écoute active et de l’empathie

Un bon service client est à l'écoute des consommateurs. Si les clients souhaitent obtenir des
réponses rapides et pertinentes via les canaux empruntés, il est surtout important d’anticiper et
de dépasser leurs attentes. Faire preuve d’empathie concourt à fournir des réponses plus
adaptées et à consolider la relation client. Un consommateur qui vit une expérience positive
sera plus à même de réitérer son expérience d’achat s’il obtient une assistance serviable et
compréhensive.[4]
➢ Des messages harmonisés sur tous les canaux

La multiplication des points de contact entraîne la nécessité d’unifier ses communications pour
offrir une expérience cohérente et fluide tout au long du parcours client. L’entreprise doit
fournir un niveau de service constant et communiquer de façon harmonisée, peu importe le
canal mobilisé. L’uniformisation des messages fait gagner en qualité, mais aussi en temps de
gestion en évitant les malentendus et les contradictions.
➢ Des outils qui centralisent les informations

Les logiciels de service client sont des outils de gestion précieux afin de s’assurer de fournir
une expérience optimale au client. Les agents doivent pouvoir accéder à l'historique des
interactions d’un client avec l’entreprise ainsi qu’aux informations liées à ses préférences, ses
coordonnées et son historique d’achat. En ayant accès à toutes ces ressources, l’agent résout les
problèmes plus rapidement et surtout plus efficacement.
L'approche classique inclut la réponse aux questions des clients, la prise de commandes,
la résolution des désaccords liés à la facturation, la gestion des réclamations et l'entretien des
produits achetés par le client. [4] Ces interactions peuvent se dérouler directement chez le client,

12
CAMTEL
chez le fournisseur ou par l'intermédiaire de médias tels que le téléphone, la télécopie, le

courrier électronique, Internet, etc.
I.2.1 Les principes de la qualité du service à la clientèle
Il s’étales sur cinq point clés :
• Fiabilité : il s’agit de la capacité à offrir une réponse cohérente précise et rapide.
• Serviabilité : cela correspond à la réactivité, l’amabilité et la volonté de l’opérateur à

aider la clientèle.
• Assurance : c’est le niveau de connaissances et de compétences de l’agent qui reçoit

la demande ainsi que la capacité à créer un climat de confiance
• Tangibilité : ce point porte sur les matériaux tangibles et l’apparence de l’entreprise

(site Internet, bâtiment, équipement, produit).
• Empathie : il s’agit de l’attention portée à l’égard des consommateurs et leurs

demandes individuelles.
Fiabilité Tangibilité
Service client
Serviabilité Empathie
Figure 2: Principe du service client
I.2.2 Service client et télécommunication
Chez les opérateurs de télécommunications le service client joue un rôle essentiel pour assurer
la satisfaction des clients et maintenir une bonne relation avec eux. Ceux-ci offrent
généralement une large gamme de services à leurs clients, tels que la fourniture d’accès internet,
la téléphonie mobile, la télévision par câble, etc. de ce fait le service client se concentre sur
13
CAMTEL
l’assistance aux clients pour la résolution des problèmes techniques, l’accompagnement des
clients pendant leur abonnement.
Pour assurer un service client de qualité, les entreprises de télécommunication mettent en place
divers canaux de communication pour faciliter le service client, les centres d’appel, les chats en
ligne, les applications mobiles, etc. les agents du service client sont formés pour aider les clients
à résoudre leurs problèmes, à fournir des informations sur les produits et services, traiter les
demandes de changement de forfait ou de mise niveau.
Le rapport entre le service client et les télécommunications est très étroit. Les clients des
entreprises de télécommunications ont souvent des besoins complexes et ont besoin d'une
assistance compétente et réactive en cas de problème. Un bon service client peut contribuer à
améliorer la satisfaction des clients et à fidéliser la clientèle.
Les défis auxquels les entreprises de télécommunications sont confrontées en matière de

service client sont diversifiés :
• La complexité des produits et services : les entreprises de télécommunications

proposent une large gamme de produits et services complexes, tels que les forfaits de
téléphonie mobile, les abonnements Internet et les offres de télévision. Les clients
peuvent avoir des difficultés à comprendre les différentes options et à choisir le forfait
qui leur convient le mieux.
• Le nombre élevé de demandes : les entreprises de télécommunications doivent traiter

un grand nombre de demandes de clients chaque jour. Ces demandes peuvent concerner
des problèmes techniques, des questions sur les tarifs ou des modifications
d'abonnements.
• La nature critique des services : les services de télécommunications sont essentiels

pour de nombreuses personnes et entreprises. Une panne de réseau ou un problème
technique peuvent avoir des conséquences graves pour les clients.
Pour relever ces défis, cette entreprise développe des méthodes en matière de service client.
• Investir dans la formation des agents du service client ;
• Mettre en place des outils de support efficaces et de collecter des commentaires des
clients pour identifier les domaines à améliorer ;

14
CAMTEL
• Proposer des temps de réponse rapides : les clients doivent pouvoir obtenir une
réponse à leur demande rapidement et sans avoir à attendre longtemps ;
• Fournir des informations claires et concises : les agents du service client doivent être
capables de fournir aux clients des informations claires et concises sur les produits et
services, ainsi que sur les solutions aux problèmes techniques ;
• Faire preuve d'empathie et de compréhension : les agents du service client doivent

faire preuve d'empathie et de compréhension envers les clients, même lorsque ces
derniers sont frustrés ou en colère ;
Les entreprises de télécommunications peuvent également utiliser les nouvelles technologies

pour améliorer leur service client. Par exemple, les chatbots peuvent être utilisés pour
répondre aux questions simples des clients, tandis que l'intelligence artificielle peut être
utilisée pour identifier les problèmes potentiels et recommander des solutions.
I.2Agent conversationnel
I.2.1 Définition
Dans la littérature scientifique, les agents conversationnels ou encore chatbots sont des
programmes informatiques qui simulent des conversations avec des utilisateurs humains. Selon
le dictionnaire Larousse, un agent conversationnel est un programme informatique basé sur
l'intelligence artificielle qui peut répondre en temps réel aux questions d'un internaute, agissant
ainsi comme un conseiller virtuel. L'objectif de chaque agent est d'interagir avec un utilisateur
humain par le biais de messages texte, d’un message vocal, et de se comporter de manière à
donner l'impression qu'il comprend la conversation et répond de manière appropriée à
l'utilisateur.[6]
Dans ce contexte, la définition adoptée d'un agent conversationnel intelligent est la suivante :
"Un agent conversationnel est un programme informatique capable de communiquer de manière
humaine, que ce soit par texte, voix, etc., en fournissant des services aux utilisateurs dans le but
d'atteindre un objectif spécifique".
I.2.2 Historique des agents conversationnel

15
CAMTEL
L'histoire des agents conversationnels remonte aux premiers jours de l'informatique et leur
développement a été influencé par l'évolution de l'intelligence artificielle et des interfaces
conversationnelles. L’Un des premiers chatbots connus était Eliza-Bot, créé en 1966 par Joseph
Weizenbaum. Eliza simulait un psychiatre et reformulait les saisies de l'utilisateur en utilisant
des techniques de base du traitement du langage naturel. Il donnait l'illusion de comprendre les
problèmes des utilisateurs.[7]
Au fil des années, d’autres chatbots ont suivi l’approche d’Eliza-Bot avec quelques ajouts, tels
que la synthèse vocale et la gestion des émotions notamment PARRY en 1972, qui était une
stimulation d’une personne paranoïaque. Jabberwacky en 1988, le Dr Sabaitso en 1992,
ALICE en 1995[7]. En 2001, Smarterchild, un agent conversationnel développé par
ActiveBuddy, Inc., est apparu sur AOL Instant Messenger et MSN Messenger. Il fournissait un
accès rapide aux actualités, aux prévisions météorologiques, aux résultats sportifs, etc., et se
distinguait de ses prédécesseurs car il était connecté à une base de données.
Quelques années plus tard, l’équipe d’IBM a réalisé une avancée majeure dans le domaine des
agents conversationnels grâce au projet Watson AI, qui était en développement depuis 2006.
Watson a été conçu dans le but de remporter l’émission de télévision américaine Jeopardy en
2011, en affrontant deux anciens champions de l’émission. Ce projet a nécessité une forte
utilisation du traitement automatique du langage, car les questions posées étaient souvent des
jeux de mots et exigeaient une recherche rapide d’informations dans de vastes bases de
connaissances. Cependant, à l’époque, Watson était limité à la réponse de questions simples et
ne pouvait pas mener une conversation appropriée avec une personne. [7]
Au début des années 2010, des assistants virtuels tels que Siri d'Apple, l'Assistant Google de
Google, Cortana de Microsoft et Alexa d'Amazon ont fait leur apparition. Ils ont introduit le
concept de conversation et de dialogue, axé sur les objectifs.
Il est important de noter que les chatbots modernes, tels que ChatGPT développé par Open AI,
utilisent des modèles de langage basés sur l'apprentissage automatique pour améliorer leur
capacité à comprendre et à générer des réponses. Ces chatbots sont capables de simuler des
conversations de manière plus naturelle et de fournir des réponses plus précises.
La figure 1 suivante représente un récapitulatif des chatbots développés depuis ELIZA.

16
CAMTEL
Figure 3: Illustration de l'historique des chatbots [7]
I.2.3 principe de fonctionnement
a) Principe
Le principe de fonctionnement d’un agent conversationnel intelligent est le suivant :

Compréhension de l'intention de l'utilisateur : L'agent conversationnel analyse le texte ou la
voix de l'utilisateur pour comprendre son intention. Il utilise des techniques de traitement du
langage naturel (NLP) pour extraire les informations pertinentes et déterminer ce que
l'utilisateur souhaite.
Traitement de la demande : Une fois que l'intention de l'utilisateur est identifiée, l'agent
conversationnel traite la demande en utilisant des algorithmes et des modèles pré-entrainés. Il
peut rechercher des informations dans une base de connaissances, interagir avec des API
externes, ou exécuter des tâches spécifiques.
Génération de la réponse : L'agent conversationnel génère ensuite une réponse appropriée à
la demande de l'utilisateur. Il peut s'agir d'une réponse prédéfinie, d'une réponse générée à la
volée, ou d'une combinaison des deux. L'objectif est de fournir une réponse pertinente et utile
à l'utilisateur.
Interaction avec l'utilisateur : L'agent conversationnel affiche la réponse à l'utilisateur, que
ce soit par texte, voix ou une combinaison des deux. Il peut également poser des questions
supplémentaires pour clarifier la demande de l'utilisateur ou fournir des informations
supplémentaires.

17
CAMTEL
Apprentissage continu : Certains agents conversationnels sont capables d'apprendre de

nouvelles informations au fil du temps. Ils peuvent s'améliorer en analysant les interactions
passées avec les utilisateurs et en mettant à jour leurs modèles et leurs connaissances.
Figure 4:Principe de fonctionnement d'un chatbot [8]
b) Processus de création d’un agent conversationnel intelligent

Selon Alina Günder, le processus de création d'un agent conversationnel intelligent implique
plusieurs étapes.
• Définition des objectifs
La première étape consiste à définir les objectifs de l’agent conversationnel. Ceci se fait à
travers les questions « Quels sont les besoins que vous souhaitez répondre ? » ou encore « Quels
sont les résultats que vous souhaitez atteindre ? »
Une fois les objectifs définis, il est important d'identifier les besoins des utilisateurs du chatbot.
Qui sont-ils ? Quelles sont leurs attentes ?
Pour cela, vous pouvez mener des enquêtes, des entretiens ou des tests utilisateurs.
• Choix de la technologie
Il existe de nombreuses technologies différentes pour créer des chatbots. Vous devez choisir la
technologie qui convient le mieux à vos besoins et à votre budget.

18
CAMTEL
Une fois la technologie choisie, il est temps de développer le chatbot. Cela consiste à créer le
modèle linguistique, le contenu et la logique du chatbot.
Le modèle linguistique est le module qui permet au chatbot de comprendre le langage naturel.
Il est formé sur un ensemble de données de texte et de code.
Le contenu du chatbot est constitué des informations qu'il va fournir aux utilisateurs. Il peut
s'agir de réponses à des questions, de descriptions de produits ou services, etc.
La logique du chatbot est le module qui permet au chatbot de déterminer la réponse appropriée
à une requête. Elle est basée sur le modèle linguistique et le contenu du chatbot.
• Test et déploiement
Une fois le chatbot développé, il est important de le tester pour s'assurer qu'il fonctionne
correctement. Vous pouvez le tester avec des utilisateurs réels ou avec un ensemble de données
de tests. Une fois le chatbot testé, il est prêt à être déployé. Cela signifie qu'il est mis en ligne
et disponible pour les utilisateurs.
• Maintenance et amélioration
Une fois le chatbot déployé, il est important de le maintenir et de l'améliorer. Cela signifie de
le mettre à jour avec de nouvelles informations, de corriger les erreurs et d'améliorer sa
performance.
I.2.4 Types de d’agent conversationnel
De par la technologie utilisée pour créer des agents conversationnels, il en existe deux types :
• Agent conversationnel basé sur des règles
Comme le décrit Emily Nguyen dans son article « Agent conversationnel, quelle utilité pour
votre enseigne », les bots conversationnels simples, également appelés bots à réponses
automatisées, sont dotés de capacités limitées. Ils sont conçus pour effectuer une tâche
spécifique, similaire à un système vocal interactif. Ces bots posent des questions en fonction
d'options prédéterminées que le client sélectionne jusqu'à ce qu'il obtienne la réponse à sa
19
CAMTEL
demande. Contrairement aux chatbots plus avancés, ils ne tirent aucune déduction des
interactions précédentes. Leur fonctionnement est adapté aux dialogues simples. En prenant le
cas de la commande d'une pizza. Lorsqu'un client interagit avec un chatbot pour commander
une pizza, la conversation est déjà pré-paramétrée. Tout comme un opérateur qui prendrait la
commande au téléphone, le chatbot pose les mêmes questions, de la taille de la pizza à la croûte,
en passant par la garniture et la quantité de fromage. Ensuite, il demande l'adresse de livraison
et la méthode de paiement. Les étapes de la commande sont logiques, et le client n'a qu'à cliquer
pour compléter sa commande.
Les chatbots simples sont donc conçus pour des interactions basiques et répétitives, où les
options et les réponses sont prédéfinies.
• Agent conversationnel intelligent
L’intelligence artificielle des agents conversationnels sont conçues pour simuler des
interactions quasi-humaines avec les clients. Elles sont capables de mener des conversations
fluides, de comprendre l'intention, la langue et les sentiments. Ces chatbots ont besoin d'être
programmés pour comprendre le contexte des interactions. Ils sont bien plus compliqués à
intégrer et à opérer et nécessitent beaucoup de données d'apprentissage.
Un exemple d'IA de chatbot plus avancée est celui des assistants virtuels tels que Siri. Ces
assistants virtuels sont une version améliorée des chatbots intelligents. Siri, par exemple,
apprend de chaque interaction avec un humain et est capable de tenir des conversations plus
naturelles, ce qui est l'un des atouts des chatbots intelligents. Bien que les chatbots intelligents
puissent être entraînés à fournir la réponse la mieux adaptée en s'appuyant sur des ressources
du domaine public, ils apprennent mieux en collectant des données en temps réel. Cependant,
aucun chatbot n'a encore atteint le niveau des assistants virtuels en raison de la quantité de
données requises pour cela
Les agents conversationnels intelligents fonctionnent comme des assistants virtuels depuis des
applications web, mais cela nécessite une énorme quantité de données et de ressources pour
atteindre un niveau similaire [9].
I.2 Natural language processing

I.2.1 Définition

20
CAMTEL
Le Natural language processing (NLP), ou traitement automatique des langues, est une branche de
l’intelligence artificielle qui s’attache à donner la capacité aux machines de comprendre, générer ou
traduire le langage humain tel qu’il est écrit et/ou parlé.
Le Natural language processing a pour but de doter les logiciels de processus de traitement automatique
du langage vocal ou textuel. Partant de là, il recouvre de nombreux cas d'usage plus ou moins élaboré
:
•La classification de texte,
•La reconnaissance de texte,
•Le résumé automatique,
•La traduction automatique,
•Les chatbot, voicebot ou callbot,
•Les assistants intelligents.
I.2.1 Fonctionnement
Le traitement automatique de la langue se fait selon différentes technologies :

Les réseaux de neurones récurrents :
Les réseaux de neurones récurrents (RNN), une catégorie spécialisée de réseaux de neurones,
sont spécifiquement élaborés pour traiter des données séquentielles. L'attribut "récurrent"
découle de la capacité inhérente du réseau à exécuter une tâche similaire pour chaque élément
de la séquence d'entrée, avec la sortie dépendant des calculs antérieurs. Ce qui distingue
particulièrement les RNN, c'est leur capacité à conserver une "mémoire" des entrées précédentes
à travers des boucles internes, exploitant cette mémoire dans les calculs actuels. Cette
caractéristique les rend particulièrement efficaces pour les tâches impliquant des séquences
d'entrées, comme la modélisation du langage, où le contexte et l'ordre des entrées jouent un rôle
crucial.
Les RNN brillent dans les tâches de traitement du langage naturel (NLP), offrant la capacité de
discerner les nuances sémantiques dans une séquence. Par exemple, ils peuvent faire la
différence entre « dog » et « hot dog », malgré le mot partagé. La capacité de gérer différentes
longueurs de texte saisi – depuis des phrases simples jusqu’à des documents entiers – renforce
encore leur utilité en PNL. Cette flexibilité, associée à leur capacité à capturer le contexte sur
une plage illimitée, donne souvent aux RNN l'avantage sur les réseaux de neurones convolutifs
(CNN) dans les tâches de modélisation de séquence.[7]

21
CAMTEL
Figure 5: simple RNN modèle de langage [7]
Leur principale limite est le traitement des données de façons séquentielles des entrées et la non
gestion des dépendances a long terme.
Large language model (LLM) :
L’objectif des large language modèles étant d’apprendre la complexité du langage humain, ils
sont pré-entraînés sur une grande quantité de données (comme du texte, des images, des
vidéos, des discours, des données structurées…). Plus un LLM utilise de paramètres, meilleures
sont ces performances. À ce titre, les grands modèles linguistiques nécessitent donc des
ressources importantes en termes de données, de calcul et d’ingénierie.
En particulier, lors de la phase de pré-entraînement. À ce stade, les large language modèle

doivent apprendre les tâches et fonctions linguistiques de base. Dès lors que le modèle
d’apprentissage est pré-entraîné, il peut être entraîné avec de nouvelles données spécifiques.
L’objectif est d’affiner ses capacités pour des cas d’utilisation particuliers.[12]
Concrètement, il s’agit d’un réseau neuronal transformer-based. Ces modèles de base

utilisent l’IA générative (et plus précisément le Deep learning) pour le traitement du langage
naturel (NLP) et la génération de langage naturel (NLG).
Les large language models représentent une véritable aubaine. Et pour cause, ils permettent de

22
CAMTEL
Automatiser les processus :
Les modèles linguistiques peuvent être utilisés pour automatiser de nombreux processus, tels
que le service à la clientèle, la génération de texte, les prédictions et classification, etc.
Libérés de ces tâches chronophages, les employés peuvent s’atteler à des activités plus
valorisantes qui requièrent une véritable expertise humaine.
L’automatisation grâce aux LLM permet donc de réduire le temps de travail manuel et les coûts
associés.
• Favoriser la personnalisation :
Grâce aux chatbots et aux assistants virtuels qui utilisent des large language models, il est
possible de fournir un service client disponible 24h/24 et 7j/7. Ces derniers peuvent traiter de
grandes quantités de données pour comprendre le comportement et les préférences des clients.
Même s’il s’agit d’une création automatisée de contenu, les modèles linguistiques sont tout à
fait capables de personnaliser les interactions grâce aux entraînements réalisés en amont.
Entre la personnalisation et la disponibilité, la satisfaction des clients augmente.
• Augmenter la précision des tâches :
En traitant de grandes quantités de données, les LLM améliorent la précision des tâches de
prédiction et de classification.
Par exemple, après une enquête de satisfaction, un large language model peut analyser des
milliers d’avis de clients pour comprendre le sentiment qui se cache derrière chacun d’entre
eux. Il pourra identifier avec plus de précision si un avis de client est positif, négatif ou
neutre.[9]
I.3 Méthodes d’assistance client

L'efficacité de l'assistance client est devenue un élément clé dans la réussite d'une entreprise,
façonnant la perception des clients et influençant leur fidélité. Dans un contexte où la
concurrence est intense et les attentes des consommateurs en constante évolution, la mise en
place d'une méthode d'assistance client réfléchie et efficace est devenue impérative pour les
services client modernes.

23
CAMTEL
I.3.1 Méthode classique d’assistance client
La méthode classique d'assistance client repose sur des pratiques traditionnelles qui visent à
fournir un soutien réactif et direct aux clients. Bien que de nouvelles approches et technologies
émergent, ces méthodes classiques restent pertinentes et souvent incontournables dans la
prestation d'un service client de qualité. Voici quelques éléments caractéristiques de la méthode
classique d'assistance client :
a) Assistance téléphonique
Comme son nom l'indique, l'assistance téléphonique a pour mission principale de fournir une
aide personnalisée à ses clients. Les conseillers sont là pour apporter les solutions dont les
clients ont besoin et les accompagner en leur fournissant des informations et des solutions
adaptées.
L'assistance téléphonique présente de nombreux avantages. Elle permet de rester à l'écoute des
clients, d'analyser leurs demandes, de fournir des solutions et d'adapter son offre en
conséquence. En résolvant les problèmes rencontrés par les clients, elle offre l'opportunité de
savoir ce qui fonctionne et ce qui ne fonctionne pas, afin de proposer les bonnes solutions au
bon moment. Cette assistance permet d'avoir une vision globale de la satisfaction des clients et
de recueillir un maximum d'informations dans le mais d'optimiser les services.
Nous retrouvons l’assistance téléphonique sous deux formes :
• L’assistance réactive
Cette forme représente tout ce qu’il y a de plus classique dans l’assistance téléphonique :
l’entreprise attend qu’un client la contacte via un numéro de téléphone d’assistance car il a une
question ou un problème.
• L’assistance proactive
Ici, il s’agit d’anticiper les problèmes et de les résoudre avant qu’ils n’affectent les clients.
Par exemple, l’entreprise peut envoyer des SMS aux clients pour les prévenir de la perturbation
du service dans le cas d’un opérateur téléphonique par exemple.
Cette méthode permet d’offrir une assistance personnalisée en fonction du besoin du client.
Néanmoins elle est limitée par le temps et les ressources disponibles pour répondre à tous les

24
CAMTEL
appels des clients. De plus la conversation téléphonique n’est pas favorable a tout type de client
et certains problèmes ne peuvent pas résolu par téléphone.
b) Assistance en direct par chat

L'assistance en direct par chat est un outil de service d’assistance en ligne qui permet aux
clients de contacter rapidement et facilement le support client d'une entreprise.
L'assistance en direct par chat est devenue de plus en plus populaire ces dernières années. Cette
méthode permet aux clients d'obtenir une assistance personnalisée et instantanée via des
conversations en temps réel avec des agents humains.
Les avantages de l'assistance en direct par chat sont les suivants :
• Rapidité et instantanéité : Les clients peuvent obtenir des réponses rapides à leurs
questions ou problèmes grâce à la communication en temps réel avec les agents.
• Accessibilité : Le chat en direct est généralement disponible 24 heures sur 24, 7 jours
sur 7, offrant ainsi une assistance à tout moment, sans avoir à attendre les heures
d'ouverture des centres d'appels.
• Facilité d'utilisation : Les interfaces de chat en direct sont conviviales et faciles à utiliser,
permettant aux clients de communiquer facilement avec les agents de support.
• Historique des conversations : Les chats en direct conservent un historique des
conversations, ce qui facilite le suivi des problèmes et des solutions proposées.
• Possibilité de partager des liens et des captures d'écran : Les clients peuvent partager
des liens vers des ressources utiles ou des captures d'écran pour mieux expliquer leur
problème, ce qui facilite la résolution des problèmes.
Il convient de noter que l'assistance en direct par chat peut présenter certaines limites,
notamment la limitation de la communication écrite par rapport à une communication verbale
et la dépendance à une connexion Internet stable. De plus, les problèmes complexes peuvent
nécessiter une assistance plus approfondie ou une interaction en personne. Aussi cette méthode
nécessite la disponibilité constante des agents et donc des ressources humaines plus importante
c) Service par E-mail

L'assistance par e-mail offre aux clients la possibilité de communiquer de manière asynchrone
avec le service client. Les échanges par e-mail permettent des réponses détaillées et

25
CAMTEL
documentées. Cette méthode bien qu’utile présente une limite majeure en ce sens que les
réponses ne sont pas instantanées
d) Manuels et Documentation :
Fournir des manuels d'utilisation, des guides de dépannage et d'autres documents écrits
constitue une méthode classique pour aider les clients à comprendre et à utiliser les produits ou
services. Cette approche a l’avantage d’être accessible 24H/24 7j/7 néanmoins nécessite une
initiative importante du client et peut ne pas couvrir tous les scenarios.
I.3.2 Nouvelles méthodes intelligente d’assistance client
Les nouvelles méthodes intelligentes d'assistance client tirent parti des avancées technologiques
telles que l'intelligence artificielle, l'automatisation, l'analyse de données et les interfaces
conversationnelles pour offrir des expériences plus personnalisées, rapides et efficaces. Voici
quelques-unes des tendances et des méthodes émergentes dans ce domaine :
1. Analyse Prédictive :
L'utilisation de l'analyse prédictive permet aux entreprises d'anticiper les besoins des clients.
En évaluant les données passées, les entreprises peuvent prévoir les problèmes potentiels et
offrir une assistance proactive.
2. Analyse des Sentiments :

Les outils d'analyse des sentiments utilisent l'IA pour évaluer les réponses émotionnelles des
clients. Cela permet aux entreprises de comprendre les sentiments derrière les interactions et
d'ajuster leurs réponses en conséquence.
3. Agent conversationnel intelligent :

Les agents conversationnels intelligents, qui constituent le socle essentiel de notre approche,
représentent une avancée majeure dans le domaine de l'assistance client. Ces systèmes
alimentés par l'intelligence artificielle révolutionnent la manière dont nous interagissons avec
nos clients, en offrant une expérience fluide, instantanée et hautement personnalisée.
Au cœur de notre stratégie, ces agents conversationnels sont conçus pour comprendre et
répondre aux requêtes des clients de manière naturelle, simulant une conversation humaine.
Cette technologie permet non seulement de résoudre rapidement les problèmes courants, mais
aussi d'anticiper les besoins des clients grâce à des capacités d'analyse prédictive.

26
CAMTEL
a) Définition :
Comme présenté précédemment dans la littérature, les agents conversationnels intelligents
(ACI) se basent sur différentes techniques de l'IA pour comprendre et répondre aux demandes
des utilisateurs. Par exemple, ils peuvent utiliser le traitement du langage naturel (NLP) pour
analyser et comprendre les messages des utilisateurs, ainsi que des algorithmes d'apprentissage
automatique (ML) et de deep learnig (DL) pour améliorer leurs performances au fil du temps.
b) Différentes techniques de l’intelligence artificielle (IA) dans les ACI

L'intelligence artificielle (IA) représente l'avancement technologique visant à doter les systèmes
informatiques de compétences comparables à celles de l'intelligence humaine. Ces compétences
englobent la compréhension du langage naturel, la reconnaissance des images, la prise de
décisions autonomes, et l'apprentissage continu à partir de l'expérience. Les systèmes d'IA sont
conçus pour interagir avec leur environnement, prendre des initiatives pour atteindre de
objectifs déterminés, et analyser les données afin d'apprendre et de s'adapter de manière
évolutive [10]
Dans le cadre de la création d'un agent conversationnel intelligent, plusieurs techniques

avancées d'intelligence artificielle sont mobilisées. Parmi ces techniques, le Traitement du
Langage Naturel (NLP) joue un rôle central.
Compréhension du Langage Naturel (NLU) : Ce sous-domaine de l'IA vise à permettre aux

ordinateurs d'interpréter et de comprendre le langage humain. Il englobe diverses techniques
pour extraire le sens du texte, analyser les sentiments, classifier les intentions et reconnaître les
entités.[10]
Génération du Langage Naturel (NLG) : Les chatbots intelligents doivent pouvoir générer
du langage naturel, que ce soit des réponses à des questions ou des narrations. Cela implique la
capacité de combiner des mots et des phrases pour créer un texte cohérent.[10]
Ces technologies reposent sur des modèles de réseaux de neurones (Deep Learning - DL) et
d'apprentissage automatique (Machine learning - DL) pour saisir les relations entre les mots,
classifier, générer et prédire les textes. Les chatbots intelligents doivent être compétents dans
la compréhension du langage naturel tel qu'utilisé par les humains, identifiant les mots, les

27
CAMTEL
phrases et les structures grammaticales. Cette aptitude est cruciale pour déterminer le sens des
questions ou demandes formulées par les utilisateurs.[11]
En ce qui concerne le Machine Learning (ML), il s'agit d'un ensemble de techniques

permettant aux machines d'apprendre automatiquement à partir de modèles et d'inductions,
plutôt que de suivre des instructions explicites d'un humain. L'apprentissage automatique est
employé dans le NLU et le NLG pour l'analyse sémantique et sentimentale, favorisant ainsi la
compréhension du langage humain.
Les trois principaux types d'apprentissage automatique, supervisé, non supervisé et par
renforcement, sont exploités en fonction des exigences spécifiques de l'agent conversationnel
intelligent. Ces approches contribuent à l'amélioration continue des performances du système
en s'adaptant à de nouvelles données et situations.
Figure 6: type d’apprentissage automatique [12]
L'apprentissage supervisé est une tâche d'apprentissage automatique qui consiste à apprendre
une fonction de prédiction à partir d'exemples annotés (les données sont étiquetées). Elle utilise
des ensembles de données étiquetés pour former des algorithmes qui permettent de classer les
données ou de prédire les résultats avec précision

28
CAMTEL
Figure 7:Illustration de l'apprentissage supervisé [12]
L’apprentissage supervisé permet de développer des modèles : classification et la régression.
➢ La classification : la classification est un processus de recherche d’une fonction qui

aide à diviser le jeu de données en classes en fonction de différents paramètres. Dans la
classification, un programme informatique est formé sur l’ensemble de données de
formation et, en fonction de cette formation, il catégorise les données en différentes
classes. Ce type d’apprentissage est généralement utilisé pour la prédiction des mots
dans le NLP
➢ La régression La régression est utilisée pour prédire une valeur continue. Par exemple,
un modèle de régression pourrait être utilisé pour prédire le prix d'une maison en
fonction de ses caractéristiques.
Figure 8:Illustration classification et régression [13]

L'apprentissage non supervisé est un type d'apprentissage automatique dans lequel les
données d'entraînement ne sont pas étiquetées. Cela signifie que la machine doit apprendre à
identifier les modèles dans les données sans aucune indication.

29
CAMTEL
Figure 9:Image fonctionnement de l'apprentissage non supervisé [14]
Le deep learning, ou apprentissage profond, est un sous-domaine de l'apprentissage

automatique qui utilise des réseaux de neurones artificiels pour apprendre à partir de données.
➢ Les réseaux de neurones artificiels (ANN)
Ces modèles sont inspirés du fonctionnement du cerveau humain et sont utilisés pour résoudre
des problèmes complexes tels que la reconnaissance d'images, la traduction automatique et la
prédiction de séries temporelles. Les réseaux de neurones artificiels sont composés de couches
de neurones interconnectés qui traitent les données et ajustent les poids des connexions pour
améliorer les performances du modèle.[15]
Dans un réseau, le neurone est une unité qui reçoit l'information, procède à des calculs simples,
et la transmet à une autre unité. On distingue trois types de neurones dans un réseau
artificiel :
• Les neurones d'entrées qui reçoivent les données du monde extérieur ;
• Les neurones de traitement ;
• Les neurones de sorties.
Ils composent respectivement la couche d'entrée (input layer), la couche cachée (hidden layer)
et la couche de sortie (output layer). Dans la pratique, un réseau de neurones peut avoir une
multitude de couches à chaque niveau : entrée, traitement, sortie ([16]

30
CAMTEL
Figure 10:Illustration des ANN [17]

Types d’algorithmes sont utilisés dans les ANN. Chaque algorithme possède ses propres
spécificités et applications. Parmi ces algorithmes nous pouvons citer :
• Réseaux de neurones convolutifs (CNN) : Les CNN sont constitués d’une multitude
de couches (couche de convolution, couche de regroupement et couche entièrement
connectée) chargées de traiter et d’extraire les caractéristiques des données. Plus
précisément, les Plusieurs réseaux de neurones convolutifs sont utilisés pour l’analyse
et la détection d’objets.
Figure 11: Architecture du réseau de neurone convolutif [18]
• Réseaux de neurones récurrents (RNN) : Les réseaux de neurones récurrents sont un

type de réseau de neurones dans lequel on retrouve en entrée de l’étape en cours, la
sortie de l’étape précédente. Ils possèdent des connexions qui constituent des cycles
dirigés. Les RNN sont utilisés le plus souvent pour les sous-titrages d’images, le
traitement de langage naturel et la traduction automatique.

31
CAMTEL
Figure 12:Illustration des RNN [18]

• Les Feed-Forward Neural Network (FNN)
Un réseau de neurones à propagation avant, en anglais feed-forward neural network, est un

réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents.
Dans ce réseau, l'information ne se déplace que dans une seule direction, vers l'avant, à partir
des nœuds d'entrée, en passant par les couches cachées (le cas échéant) et vers les nœuds de
sortie. Il n'y a pas de cycles ou de boucles dans le réseau.
Figure 13:Illustration des FNN [19]
I.3.3 ETAT DE L’ART
Plusieurs travaux ont été exploré pour l’amélioration de l’expérience client, la gestion de la
CRM :
Une recherche menée par Johnson et al en 2011 explore le concept de la conception coactive et
l'importance de l'interdépendance entre les humains et les technologies pour améliorer le service
client. Cette recherche souligne que la coopération entre les humains et les technologies est
essentielle pour concevoir des systèmes qui permettent une interaction fluide et efficace entre
les deux parties.

32
CAMTEL
L'étude met en avant l'idée que les humains et les technologies doivent travailler en
collaboration, en se complétant mutuellement, pour offrir un service client de qualité. Elle
souligne également que la conception de systèmes coactifs doit prendre en compte les besoins
et les compétences des utilisateurs humains, ainsi que les capacités des technologies, afin de
créer une interaction harmonieuse et efficace.
Un exemple concret de mise en œuvre de la technologie pour améliorer la rencontre de service
avec le client est l'entreprise PICTURE ORGANIC CLOTHING, une marque de vêtements
dédiée à l'Outdoor et aux sports de glisse en pleine croissance. Cette entreprise souhaite équiper
l'ensemble de ses vendeurs de tablettes ou de smartphones, également appelés MSA (Mobile
Sales Assistant). L'objectif est d'améliorer l'expérience de service client grâce à la technologie
utilisée par les vendeurs.[6]
Il apparaît clairement que les interviewés voient dans le MSA un gain de temps, une praticité
et une rapidité et objectivité non négligeable. Cependant, certains aspects plus négatifs sur le
plan relationnel sont également relevés. Par exemple, lorsque le vendeur passe trop de temps
sur son MSA, cela peut détériorer la qualité de l'échange avec le client.
En outre, l'agence FORCE PLUS met à disposition plusieurs experts à travers des centres
d'appels, des plateformes et des réseaux sociaux pour répondre aux préoccupations des clients,
les accompagner et traiter leurs demandes, peu importer le canal de communication utilisé
(téléphone, email, chat, etc.). L'objectif principal de cette agence est d'améliorer l'expérience
client. Les experts prennent donc connaissance des besoins spécifiques de chaque client et les
accompagnent de manière personnalisée tout au long de leur parcours.
Toutefois, il est important de noter que bien que les experts soient efficaces, le délai de réponse
peut parfois être significatif.[7]
Les enjeux de la connaissance client sont aujourd’hui particulièrement difficile pour les
professionnels de la CRM, les nouveaux outils de connaissance client s’avèrent donc précieux
et permettent notamment de collecter et analyser les données massivement générées tous les
jours par les clients.
Les données stockées au niveau du Big Data servent à beaucoup de choses pour les entreprises.
Il suffit de savoir comment les exploiter et opter pour les bons outils. Divers domaines
s’appuient sur les données volumineuses pour aboutir à une fin précise, comme la cybersécurité,
l’amélioration d’un produit spécifique, etc. On peut également introduire cet outil pour évaluer
la relation client. Il constitue un moyen de comprendre les comportements, les besoins de
client, d’anticiper leurs réactions dans de fidélisation de la clientèle et d’amélioration de la
rentabilité.[4] Amazon, société de commerce en ligne, fait partie de ces structures qui font appel
33
CAMTEL
au Big Data pour orienter leur stratégie commerciale. Pour ce faire, elle stocke toutes les
informations relatives à ses clients afin de définir leurs parcours d’achat et de voir leurs
préférences. La data collectée est ensuite utilisée dans des algorithmes de publicité sur les
réseaux sociaux, par exemple. De la sorte, Amazon peut vous suggérer des produits en
particulier, améliorer l’expérience client ainsi que ses services.
La transition vers l'utilisation de nouvelles technologies pour le service client est étroitement
liée à l'intelligence artificielle (IA). L'IA permet d'automatiser certaines tâches et d'améliorer
l'efficacité du service client en fournissant des réponses rapides et précises aux clients.
Afin de rationaliser les coûts tout en élargissant la gamme de services, la tendance à

l'automatisation des systèmes d'assistance gagne en ampleur, et l'utilisation croissante des
chatbots en est un exemple probant.[17] UBA se distingue au Cameroun en tant que seule
banque à proposer un chatbot bancaire dénommé « Leo3 », fruit d'un partenariat avec le géant
des réseaux sociaux, Facebook. Accessible via WhatsApp, Facebook Messenger, ou Line, «
Leo » représente un conseiller clientèle virtuel de premier ordre, permettant d'effectuer diverses
opérations telles que l'ouverture de compte bancaire, les transferts de fonds, ou encore
l'obtention de relevés de compte. Depuis son lancement, ce chatbot bancaire s'impose de plus
en plus comme un acteur clé dans la stratégie commerciale de la banque.
En Côte d’Ivoire, la Société Générale a introduit le chatbot bancaire « Noa », disponible 24/24
et 7j/7 pour offrir des conseils sur les produits et services. Les utilisateurs peuvent interagir en
ligne avec « Noa » sur le site internet de la banque ou via Facebook. [4]
Le tableau suivant présente l’état de l’art de quelques chatbots connus :
Tableau 2: Tableaux comparatifs de quelques chatbots existants au niveau international
Chatbot Type de Capacités principales Intégration avec Langues

Chatbot des services prises en
externes charge
Djingo Basé sur Assistant virtuel, Oui Français

l'IA compréhension du langage et
réponses personnalisées.

34
CAMTEL
Louise et Basé sur Réponses prédéfinies à des Non Français

Lucie des règles scénarios spécifiques
Ariane Basé sur Assistance virtuelle pour les Oui Anglais,

l'IA voyages Français
Askovet Basé sur Réponses prédéfinies à des Non Anglais,

des règles questions vétérinaires Français
Freddy Basé sur Aide à la planification des Oui Anglais

(Hello des règles repas
Fresh)
WHO Basé sur Diffusion d'informations sur Non Anglais,

Health des règles la santé publique Français
Alert
Ask Mona Basé sur Réponses personnalisées à Non Anglais

l'IA des questions générales
Bob le Bot Basé sur Réponses prédéfinies à des Non Français

des règles scénarios spécifiques
Aloha Basé sur Assistance virtuelle pour les Oui Anglais

l'IA voyages
Google Basé sur Prise de rendez-vous Oui Anglais

Duplex l'IA téléphonique automatisée
Woebot Basé sur Soutien en santé mentale et Non Anglais

l'IA bien-être
Ayoba Basé sur Réponses prédéfinies à des Non Anglais

des règles scénarios spécifiques
Source : auteurs
La présente revue de littérature explore les méthodes traditionnelles et innovantes d'assistance

client, mettant en évidence l'évolution vers des approches intelligentes.

35
CAMTEL
Les méthodes classiques, telles que l'assistance téléphonique et en direct par chat, offrent une
interaction personnalisée mais présentent des limitations. Les nouvelles méthodes intelligentes,
en particulier les agents conversationnels, élargissent les possibilités grâce à l'utilisation de
l'intelligence artificielle et du deep learning. Cette évolution favorise une assistance proactive,
anticipant les besoins des clients.
L'intégration croissante de l'automatisation, illustrée par l'émergence de chatbots dans divers

secteurs, suggère un avenir où les interactions homme-machine seront de plus en plus
sophistiquées. Cependant, il est impératif de trouver un équilibre entre l'efficacité des systèmes
automatisés et la nécessité d'une approche humaine, surtout dans des contextes complexes ou
émotionnels.
En conclusion, la gestion de la qualité de service à la clientèle reste cruciale, mais les

technologies émergentes, telles que les agents conversationnels et le NLP, offrent des
perspectives prometteuses pour améliorer l'expérience client. Les entreprises doivent
continuellement évaluer et adapter leurs stratégies pour rester compétitives et répondre aux
attentes évolutives des consommateurs dans un monde numérique en constante mutation.

36
CAMTEL
CHAPITRE 2 : METHODOLOGIE DE LA SOLUTION

37
CAMTEL
Introduction
La mise en place d'une solution efficace d'assistance client, intégrant des agents
conversationnels et des technologies avancées, nécessite une méthodologie rigoureuse.
Dans le but d’atteindre les objectifs de notre solution, une démarche précise avec des étapes
bien définies a été suivie.
• Collecte des connaissances :
Rassembler les connaissances et les règles d'expertise nécessaires pour alimenter le modèle de
l'agent conversationnel. Cela peut impliquer la collaboration avec des experts du service client
de CAMTEL pour identifier les meilleures pratiques et les réponses aux questions courantes.
• Conception de l'architecture :
Concevoir l'architecture de l'agent conversationnel en déterminant les différentes
fonctionnalités et modules nécessaires, tels que la compréhension du langage naturel, la gestion
des dialogues, la recherche de réponses et la génération de réponses.
• Développement du modèle intelligent :
Entraîner le modèle d'apprentissage automatique de l'agent conversationnel en utilisant des
techniques telles que le traitement du langage naturel (NLP) et l'apprentissage automatique
supervisé ou non supervisé. Cela permettra à l'agent de comprendre et de répondre de manière
précise aux demandes des clients.
• Tests et améliorations :
Effectuer des tests de l'agent conversationnel pour évaluer sa performance, sa précision et sa
convivialité.
La figure suivante est une représentation du pipeline de notre travail :

38
CAMTEL
Figure 14: Pipeline de notre solution
II.1. Collectes des connaissances :

La collecte de données est une étape très importante dans la conception de notre solution car
les données collectées constitueront la base de connaissance de notre modèle. Différentes
méthodes ont été utilisé pour collecter les données nécessaires à l’établissement de notre base
de connaissance. Les méthodes de collectes utilisées sont celles qui suivent :
• Collectes des données historiques :

Cette méthode consiste à analyser les données historiques des interactions entre les clients et le
service client CAMTEL. Ces données peuvent inclure des transcriptions de conversations, des
tickets de support et des commentaires des clients. Pour se faire, nous avons :
• Explorer les FAQ Camtel :
L'analyse des FAQ permet d'identifier les questions et les problèmes les plus courants
rencontrés par les clients. Ils fournissent une source de données de qualité sur les questions et
les problèmes récurrent des clients.
• Explorer les réseaux sociaux Camtel :

Les réseaux sociaux offrent une plateforme où les clients peuvent poser des questions, signaler
des problèmes et donner leur avis sur le service client qu'ils ont reçu.

39
CAMTEL
En explorant les réseaux sociaux de CAMTEL, il est possible d'identifier les questions et les
problèmes les plus courants rencontrés par les clients. Cela permet de mieux comprendre les
besoins et les attentes des clients, et d'identifier les domaines dans lesquels le service client peut
être amélioré.
• Explorer les sites et les plateformes de Camtel :
De même que pour les réseaux explorer les sites et plateformes Camtel permettrons de recenser
des questions et problèmes couramment rencontré par les clients
• Entretien avec les clients :
Cette méthode consiste à interviewer des clients pour comprendre leurs besoins et leurs attentes.
Les entretiens peuvent être réalisés en personne, par téléphone ou en ligne. Nous nous sommes
rapprochés de quelques clients auxquels nous avons posés des questions par rapport aux
différents problèmes qu’il rencontre avec leurs services, leurs préférences en matière de forfaits
de forfait internet, de services. Une liste de question a été rédigée et envoyé aux différents
clients. Un parc de 50 personnes a été utilisé pour mener à bien notre enquête. Il est ressorti
différents problèmes rencontrés par les clients, des préoccupations, des suggestions.
Le tableau ci-dessous présente quelques retours des clients interrogés :
Tableau 3:Quelques questions des abonnés
Questions
1 - Quels sont vos meilleurs forfaits Blue ?
2 - Quels sont vos forfaits Blue les moins coûteux ?
3 - Quels est l'avantage d'utiliser Blue par rapport aux autres opérateurs ?
4 - Pourquoi avec ma puce Blue je n'ai pas de réseau partout ?
5 - Pourquoi à certaines heures de la journée j'ai du mal à profiter de mes forfaits
Blue ?
6-Pourquoi c’est impossible de suivre sa consommation de donnés ?
7-Pourquoi ils ne signalent pas lorsque ta consommation journalière fini (en ce qui
concerne les forfaits du mois) ?
8-Comment est-il possible d’appeler sans savoir avec quel crédit on appel ?

40
CAMTEL
9-Quels sont les différents forfaits ?

10-quels sont les différents codes pour accéder à chaque forfait ?
➢ Entretiens avec les agents chargés du service client :
Les experts du service client sont en première ligne des interactions avec les clients et sont donc
les mieux placés pour identifier les meilleures pratiques et les réponses aux questions courantes.
Les entretiens avec les agents du service client peuvent être réalisés individuellement ou en
groupe. Pour notre projet nous nous sommes rapprochés du service client et leur avons soumis
les différentes requêtes obtenues des clients lors de notre enquête afin d’obtenir des réponses
qui aideront à établir des règles et des faits, pour constituer notre base de connaissance.
II.2 Conception de la solution

II.2.1Modélisation du système
Dans cette section, nous présentons la modélisation de notre système, qui est principalement
basée sur les interactions des utilisateurs avec le système. Nous décrivons donc les différents
scénarios des différentes interactions entre les utilisateurs et le système, en fournissant une
vue& globale à travers le diagramme de cas d'utilisation.
1. Diagramme de cas d’utilisation
Le diagramme de cas d'utilisation fournit une vue globale des interactions entre les utilisateurs
et le système. Il décrit les différents cas d'utilisation du système, qui sont les actions que les
utilisateurs peuvent effectuer sur le système. Il est constitué d’un groupe d’acteur qui représente
les utilisateurs du système et les cas d’utilisation qui représentent les fonctionnalités du système.
La figure suivante présente le diagramme de cas d’utilisation de notre solution

41
CAMTEL
Figure 15:Diagramme de cas d'utilisation
Comme notre figure le présente nous pouvons distinguer différente entité qui sont les acteurs
les acteurs que sont : l’utilisateur et l’administrateur du système et plusieurs cas d’utilisation
décrit comme suit dans le tableau suivant :
Tableau 4: Description des cas d'utilisation
Acteur Cas d’utilisation Description
Utilisateur Poser question L’utilisateur envoie une

requête au système.

42
CAMTEL
Admin Authentification L’admin s’identifie avant

d’avoir accès au système
Ajouter une information Ajouter de nouvelles données
Modifier information Modifier les données
Supprimer information Supprimer les données
2. Diagramme de séquence
Un diagramme de séquence est un diagramme de modélisation qui représente la communication

entre les objets d'un système. Dans notre cas de figure nous utiliserons le langage de
modélisation UML Il est utilisé pour visualiser les interactions entre les objets, les messages
échangés et l'ordre dans lequel ces messages sont échangés. Il offre une plus détaillée du
système et des actions qui s’y produisent.
La figure suivante nous présente le diagramme de séquence de la conversation entre l’user et le

bot :

43
CAMTEL
Figure 16:diagramme de séquence

L’utilisateur envoie une requête au bot, celui-ci va lancer le processus de recherche de la
réponse appropriée, quand la réponse est trouvée et formulée, elle sera retransmise au chatbot
puis à l’utilisateur via l’interface user.
II.2.2 construction et apprentissage du modèle
Le domaine de l'intelligence artificielle offre une variété de modèles, chacun avec ses
avantages et ses limites.
Les modèles traditionnels d'IA, tels que les règles basées sur des systèmes experts, ont été
largement utilisés dans le passé. Cependant, leur rigidité et leur dépendance à des règles
explicites les rendent moins adaptés à la compréhension contextuelle et à la génération de
texte naturel.
Le Natural language processing est le plus adapté car dans notre solution nous avons besoins
d’une compréhension contextuelle élevée, d’une génération de texte important et d’une
compréhension du langage. De ce fait pour implémenter notre NLP nous avons utilisé un

44
CAMTEL
modèle basé sur la technologie Transformers. Nous sommes servis du transformer GPT sur
lequel nous avons entrainé nos données.
1. Prétraitement des données

• Nettoyage des données
Le nettoyage des données consiste à supprimer les éléments indésirables, tels que les caractères
spéciaux, la ponctuation excessive, les mots vides (stop words), etc. Cela contribue à simplifier
les données et à rendre le modèle plus robuste.
Données avant le nettoyage
Figure 17: Illustration des données avant nettoyage
Quelques données après le nettoyage

45
CAMTEL
Tableau 5 Tableau résultant du nettoyage des données :
Figure 18:Données après le nettoyage
• Tokenisation
La tokenisation implique de diviser le texte nettoyé en unités plus petites appelées "tokens"
(mots ou sous-mots). Cela permet de convertir le texte en une séquence de nombres qui pourra
être utilisée par le modèle.
EX : Le forfait Blue One propose une connexion Internet rapide à un tarif mensuel abordable."
• "Le", "forfait", "Blue", "One", "propose", "une", "connexion", "Internet",

"rapide", "à", "un", "tarif", "mensuel", "abordable".
• Embedding

46
CAMTEL
Un embedding est une représentation vectorielle d'éléments distincts dans un espace à

plusieurs dimensions. Chaque élément est mappé dans cet espace de manière à préserver
certaines caractéristiques ou relations inhérentes à ces éléments. [21]
L’embedding consistera à faire des représentations vectorielles de chaque token dans leur
contexte afin de permettre à notre modèle de les comprendre.
Il est nécessaire de comprendre que ces étapes de prétraitement sont implémentées dans le
modèle
2. Choix de l’architecture du modèle intelligent
En raison de la nécessité de comprendre le contexte des conversations et de générer des textes

de qualité, nous avons choisi une architecture basée sur les Transformers.
Les Transformers sont des réseaux de neurones de type séquence à séquence qui utilisent
l'attention pour traiter les données. Ils sont particulièrement adaptés aux tâches de traitement du
langage naturel qui nécessitent une compréhension du contexte, telles que la conversation.
Les Transformers se distinguent des réseaux récurrents (RNN) en ce qu'ils ne nécessitent pas
que les données soient traitées de façon séquentielle. Cette propriété permet aux Transformers
de bénéficier d'une parallélisation efficace, ce qui les rend plus rapides à entraîner et à exécuter.

47
CAMTEL
Figure 19:Architecture d'un Transformers [22]

Comme le montre l’architecture précédente le transformer est constitué les blocs élémentaires
du Transformer, sont les « Encoder » et les « Décodeur ».
L’encodeur consiste en deux blocs (qui sont tous deux réseaux de neurones) : Une couche dite
de « Self-attention » et un réseau à propagation avant (ou Feed-forward Neural Network). Si le
second est un réseau de neurones assez connu, le premier l’est un peu moins.
La couche de Self-attention est l’élément central de l’architecture du Transformer. Son rôle est
de faire garder l’interdépendance des mots dans la représentation des séquences. Nous verrons
le mécanisme d’attention plus en détail un plus bas. Le décodeur est également composé d’un
bloc de Self-attention et d’un Feed-forward mais il contient en plus une couche « Encoder-
Decoder Attention » qui a pour but de permettre au décodeur de réaliser le mécanisme

48
CAMTEL
d’attention entre la séquence d’entrée (encodée) et la séquence de sortie (en train d’être
décodée).
BLOC ENCODEUR
Le bloc Encodeur est une composante clé dans l'architecture des Transformers.
Il utilise le mécanisme d'auto-attention pour évaluer l'importance relative de chaque mot dans
la séquence par rapport aux autres. Cela permet au modèle de saisir des dépendances à longue
distance et de prendre en compte le contexte global. La figure suivante présente l’architecture
du bloc encoder.
Figure 20:Bloc Encoder [22]
1. Embedding et encodage
Les ordinateurs ne comprennent pas les mots. Ils travaillent plutôt sur des nombres, des vecteurs
ou des matrices. Nous devons donc convertir nos mots en vecteur. C’est ici que le concept
d’embeddding entre en jeu. C’est comme un espace ouvert ou un dictionnaire où des mots de
significations similaires sont regroupés. C’est ce qu’on appelle un espace d’intégration, et ici
chaque mot, selon sa signification, est mappé et attribué à une valeur particulière. Ainsi, nous
convertissons nos mots en vecteurs.

49
CAMTEL
Figure 21 : Présentation du bloc embedding [22]
La séquence d'entrée, généralement une phrase ou un paragraphe, est d'abord tokenisée en

unités discrètes appelées "tokens". Chaque mot, caractère, ou sous-phrase est représenté par un
token.
Chaque token est associé à un embedding initial. Ces embeddings sont généralement des
vecteurs de nombres réels de dimension fixe. Ces embeddings initiaux sont appris au cours du
pré-entraînement du modèle sur de grandes quantités de texte.
Figure 22: Illustration embedding [21]

50
CAMTEL
Pour tenir compte de l'ordre des mots dans la séquence, un encodage de position est ajouté aux
embeddings initiaux. Cela permet au modèle de comprendre la position relative des tokens dans
la séquence.
2𝑖
𝑝𝑜𝑠 𝑑𝑚𝑜𝑑𝑒𝑙
𝑃𝐸𝑝𝑜𝑠,2𝑖 = sin ( ); 1
1000
2𝑖
𝑝𝑜𝑠
𝑃𝐸𝑝𝑜𝑠,2𝑖 = cos (1000𝑑𝑚𝑜𝑑𝑒𝑙 ) 2
➢ Multi Head attention
Les embeddings, maintenant enrichis par l'encodage de position, passent à travers des couches
de multi-têtes d'auto-attention. Chaque tête calcule l'importance des autres tokens par rapport à
un token donné, permettant au modèle de saisir les relations contextuelles.
Cela se concentre sur la pertinence d’un mot particulier par rapport aux autres mots de la
phrase. Il est représenté comme un vecteur d’attention. Pour chaque mot, nous pouvons générer
un vecteur d'attention qui capture la relation contextuelle entre les mots de cette phrase.
• Mécanisme d’attention
Le self-attention n’est rien d’autre que le mécanisme d’attention appliqué à une seule séquence.
La couche de self-attention détermine l’interdépendance des différents mots de la même
séquence afin de lui associer une représentation (encoding) pertinante.
La figure suivante présente ce mécanisme :
Figure 23:Mécanisme d'auto-attention [23]

Calcul de (self) l’attention
51
CAMTEL
Pour calculer le vecteur d’attention il faut considérer 3 vecteurs pour chaque entrée de
l’encodeur :
• Vecteur requête (Query Vector) qu’on appelle q

• Vecteur clé (Key Vector) qu’on appelle k
• Vecteur valeur (Value Vector) qu’on appelle v
On indice chacun de ces vecteurs par la position du mot dans la séquence (Ex: q 1,k1 et v1 pour
le premier mot de la séquence). Ces vecteurs sont obtenus en multipliant l’embedding de la
séquence d’entrée (qu’on va appeler x) par les 3 matrices (qu’on appelle Q, K et V) qui sont
entraînées pendant le processus d’entraînement du Transformer.
Step 1 : 𝑞𝑖 . 𝑘𝑗 𝑝𝑜𝑢𝑟 0 ≤ 𝑗 ≤ 𝑛 3
𝑞𝑖 .𝑘𝑗
Step 2 : 𝑝𝑜𝑢𝑟 0 ≤ 𝑗 ≤ 𝑛 4
√dim (𝑘𝑗)
𝑞𝑖 .𝑘𝑗
Step 3 : 𝑠𝑜𝑓𝑡𝑚𝑎𝑥 ( ) 𝑝𝑜𝑢𝑟 0 ≤ 𝑗 ≤ 𝑛 5
√dim (𝑘𝑗)
𝑞𝑖 .𝑘𝑗
Step 4 : 𝑠𝑜𝑓𝑡𝑚𝑎𝑥 ( ) . 𝑣𝑖 𝑝𝑜𝑢𝑟 0 ≤ 𝑗 ≤ 𝑛 6
√dim (𝑘𝑗)
𝑞𝑖 .𝑘𝑗
Enfin : ℎ𝑒𝑎𝑑𝑖 = ∑𝑛𝑗=0 (𝑠𝑜𝑓𝑡𝑚𝑎𝑥 ( ) . 𝑣𝑖 ) 𝑝𝑜𝑢𝑟 0 ≤ 𝑗 ≤ 𝑛 7
√dim (𝑘𝑗)
Ce calcul est fait en parallèle par plusieurs blocs d’attention différent. Cela est appelé « Multi-
head Attention » et a pour but d’avoir plusieurs « sous-espaces de représentation » qui
empêchent que la représentation soit totalement biaisée si une couche (Head) d’attention l’est.
Le vecteur de self-attention en Multi-Head n’est rien d’autre que la concaténation des vecteurs
de sortie de chaque tête.
𝑚𝑢𝑙𝑡𝑖ℎ𝑒𝑎𝑑(𝑄, 𝐾, 𝑉) = 𝑐𝑜𝑛𝑐𝑎𝑡(ℎ𝑒𝑎𝑑1 , … , ℎ𝑒𝑎𝑑𝑛 ) 8
La figure suivante illustre cela :

52
CAMTEL
Figure 24:Mécanisme de Multi-Head Attention [23]
FeedForward Network ou réseau a réaction
Figure 25:Présentation du feed-forward network dans le bloc Encoder [22]
Après le multi-head attention, la résultante est envoyée dans le réseau neuronal à action
directe. Un simple réseau neuronal à chaque vecteur d’attention pour transformer les vecteurs
d’attention en une forme acceptable pour la couche de décodeur suivante.
Le réseau feed-forward accepte les vecteurs d’attention un par un, et chacun de ces vecteurs
d’attention est indépendant les uns des autres. Nous pouvons donc appliquer ici la
parallélisation.
Un réseau à rétroaction avant (FFN) est un type de réseau neuronal artificiel (ANN) qui
fonctionne en appliquant une série de transformations linéaires aux entrées, chacune suivie
53
CAMTEL
d’une fonction d’activation non linéaire. Ce type de réseau neuronal est également appelé réseau
neuronal multicouche, car toutes les informations sont uniquement transmises.
Pendant le flux de données, les nœuds d’entrée reçoivent des données qui traversent des couches
cachées et sortent des nœuds de sortie.
Figure 26 : Feed-forward network [24]

D’après la figure précédente, le FFN a deux couches : une couche d'entrée et une couche de
sortie. La couche d'entrée reçoit les données d'entrée, qui sont ensuite transformées par la
matrice de poids W1. La sortie de la couche d'entrée est ensuite transmise à la fonction Relu.
Elle applique une transformation non linéaire à la sortie. La sortie de la fonction d'activation
est ensuite transmise à la matrice de poids W2, qui effectue une autre transformation linéaire.
La sortie de la matrice de poids W2 est ensuite la sortie du FFN.
FFN(x)=max (0, xW1 + b1) W2 + b2 9
Dans un réseau neuronal à rétroaction, la fonction de coût joue un rôle important. Les points de
données catégorisés sont peu affectés par des ajustements mineurs des pondérations et des biais.
Ainsi, une fonction de coût lisse peut être utilisée pour déterminer une méthode d’ajustement
des pondérations et des biais afin d’améliorer les performances
1 2
𝐶(𝑤, 𝑏) ≡ ∑||𝑦(𝑥) − 𝑎|| 10
2𝑛
𝑥
Où

54
CAMTEL
w = les poids rassemblés dans le réseau
b = biais
n = nombre d'entrées pour la formation
a = vecteurs de sortie
x = entrée
‖v‖ = longueur normale du vecteur v
Bloc DECODER
Figure 27: Architecture du bloc Decoder [22]

Le décodeur est constitué de trois sous-couches :
• Multi-Head Attention masqué ;

• Multi-Head Encoder-Decoder Attention ;
• Réseau Feed-Forward.

55
CAMTEL
Chacune de ces sous-couches est suivie d’une connexion résiduelle et une normalisation. Le
décodeur est bouclé d’une couche linéaire qui agit comme un classificateur et d’un softmax
pour obtenir les probabilités d’un mot. Elles utilisent la même logique que celles du bloc
encoder
Figure 28:Fonctionnement du Decoder

Le décodeur est autorégressif, il commence par un jeton de démarrage et prend en entrée une
liste des sorties précédentes. Le décodeur arrête le décodage lorsqu’il génère le jeton de fin.
Le transformer GPT utilisé sera donc un empilement de plusieurs bloc décodeur sous forme de
couche. La figure suivante nous présente l’architecture de ce Transformers ;

56
CAMTEL
Figure 29:Architecture Transformers GPT [25]
Chaque sortie du décoder passe dans un autre décoder dans lequel elle subit d’autre traitement
afin d’affiner le résultat. Et en fin la dernière étape d'un transformateur est une couche softmax,
qui transforme ces scores en probabilités (qui s'ajoutent à 1), où les scores les plus élevés
correspondent aux probabilités les plus élevées. Ensuite, nous pouvons échantillonner ces
probabilités pour le mot suivant.

57
CAMTEL
Le modèle GPT-3 est constitué de 175 milliards de paramètres, ce qui en fait actuellement le
plus grand modèle de traitement du langage naturel disponible. Il utilise des techniques
d'apprentissage profond non supervisées, notamment la préformation sur des tâches de langage
naturel telles que la prédiction de mots manquants, la complétion de phrases et la traduction
automatique, afin d'apprendre à comprendre et à générer du texte en langage naturel. Dans le
cadre de notre solution nous avons entrainer ce modèle sur différents scenarii de conversation
entre les abonnées ceux avec du servie CAMTEL. Nous utiliserons le Framework Lang Chain
pour entrainer notre modèle sur notre base de connaissance afin de répondre aux préoccupations
des client CAMTEL.
1. Méthodes d’évaluation
Pour l’évaluation de notre solution, nous définirons des scénarii des conversations possibles et
observer comment les réponses sont générées. Nous nous attarderons sur la gestion du contexte
de la conversation ainsi que de la pertinence des réponses générées en fonction des questions
posées.
II.3 bibliothèques et logiciels utilisés

58
CAMTEL
JavaScript est un langage de programmation de scripts léger, orienté objet, principalement

connu comme le langage de script des pages web. Il est également utilisé dans de nombreux
environnements extérieurs aux navigateurs web, tels que Node.js, Apache CouchDB ou Adobe
Acrobat.[26]
Le code JavaScript est interprété ou compilé à la volée (JIT). C'est un langage à objets utilisant
le concept de prototype, disposant d'un typage faible et dynamique. Cela signifie que les types
des variables et des expressions sont déterminés à l'exécution, et non à la compilation.
Node.js est un environnement d'exécution JavaScript open-source et multiplateforme. Il

s'exécute sur un seul thread, ce qui le rend efficace pour les applications qui nécessitent un
traitement d'E/S intensif. Node.js utilise également une architecture d'E/S non bloquante et
pilotée par les événements, ce qui lui permet de traiter plusieurs requêtes simultanément sans
bloquer le thread principal.[27]
Express est un Framework Node.js qui permet de créer des applications web rapides et
efficaces. Il fournit une variété de fonctionnalités, notamment la gestion des requêtes HTTP, la
génération de réponses HTTP et la gestion des erreurs.[28]

59
CAMTEL
Angular est un Framework open-source pour le développement des application web dynamique.
[29]
LangChain est un Framework pour le développement d'applications alimentées par des grands
modèles de langage (LLM).
L’IDE Visual Studio est un panneau de lancement créatif que vous pouvez utiliser pour
modifier, déboguer et générer du code, puis publier une application. En plus de l’éditeur et du
débogueur standard fournis par la plupart des IDE, Visual Studio inclut des compilateurs, des
outils de complétion de code, des concepteurs graphiques et bien d’autres fonctionnalités pour
améliorer le processus du développement de logiciels.[29]

60
CAMTEL
CHAPITRE 3 : RESULTAT ET INTERPRETATIONS

61
CAMTEL
Introduction
Dans ce chapitre, nous présentons les résultats obtenus suite à notre méthodologie de résolution
du problème posé. Le chapitre est divisé en trois sections : conception de la base de données,
entraînement du modèle et plateforme de l'agent, résultats obtenus de la solution, notamment
les différentes conversations menées et l'évaluation du coût. Enfin, nous présentons différentes
perspectives de développement de la solution.
III.1. Architecture de la solution

Les chatbots sont des systèmes complexes qui nécessitent une architecture soigneusement
conçue pour fonctionner efficacement.
La figure ci-dessous présente l’architecture de l’agent conversationnel :
Figure 30: Architecture de la solution

62
CAMTEL
L'architecture présentée offre une vue d'ensemble du fonctionnement de notre solution.

L'utilisateur interagit avec le chatbot à travers une interface utilisateur, envoyant ainsi une
requête. Cette requête est traitée en la découpant en tokens, puis elle est vectorisée.
Simultanément, la base de connaissance est également découpée en tokens, vectorisée, et
stockée dans la base de vecteurs.
Le Large Language Model (LLM) joue un rôle crucial dans le processus. Il récupère les
informations contextuelles liées à la requête de l'utilisateur et à la base de connaissance. Grâce
à cette compréhension contextuelle, le modèle génère une réponse pertinente. Enfin, cette
réponse est renvoyée à l'utilisateur via l'interface web, complétant ainsi le cycle de la
conversation entre l'utilisateur et le chatbot.
III. 2 Entrainement du modèle
III.2.1 Conception de la base de connaissance
La conception de la base de données constitue un élément fondamental dans l'efficacité

opérationnelle de notre modèle. Cette base de connaissance, élaborée en collaboration avec le
modèle GPT-3.5, a été spécifiquement conçue pour répondre de manière contextuelle aux
requêtes des utilisateurs. La structure de la base de connaissance facilite l'accès aux
informations cruciales sur les produits et services de la Camtel, ainsi que sur les préoccupations
et besoins des abonnés.
Les questions fréquemment posées par les abonnés ont été méticuleusement reformulées de
différentes manières pour garantir une compréhension approfondie par le modèle. Le tableau
ci-dessous offre quelques illustrations de ces reformulations, démontrant ainsi la diversité des
requêtes auxquelles le modèle doit répondre de manière précise et adaptative.
L’image suivant présente quelques reformulations de la question : quels sont les forfaits
disponibles à CAMTEL

63
CAMTEL
Figure 31: Illustration de reformulation des questions

Autre illustration pour la question : comment souscrire à un forfait ?
Figure 32:Illustration de la reformulation des questions

Les questions collectées ont été analysées pour identifier la variété des interactions. Cela
comprenait des questions sur les prix, les fonctionnalités, les problèmes potentiels, les infos sur
la souscription, etc.
Ces questions ont été classées en catégories pertinentes telles que "Tarifs", "Couverture
Réseau", "assistance clientèle ", "méthode de souscription ", pour une meilleure organisation.
L’organigramme suivant présente cette structuration :

64
CAMTEL
Figure 33: Illustration structuration de la base de connaissance
Cette structuration précise de la base de connaissance vise à optimiser la performance du

modèle tout en assurant une expérience utilisateur fluide et interactive.
Correction des Biais : Les questions ambiguës ont été ajustées pour assurer des réponses
précises.
Exemple : Correction de "Combien coûte le forfait Bu One ?" en "Combien coûte le forfait Blue
One ?"
L'ensemble final de questions a été constitué, comprenant une variété d'interactions et couvrant
tous les aspects pertinents des forfaits Blue.
III.2.2. Processus d’entrainement
Dans cette section dédiée au Processus d'Entraînement, nous plongeons au cœur du

fonctionnement de notre système, orchestré par le module Node.js, soutenu par une gamme de

65
CAMTEL
bibliothèques sophistiquées telles que Langchain. Cette étape est cruciale pour le
développement et la maturation de notre modèle de traitement du langage naturel (NLP).
En amont de cette phase, notre base de connaissances est minutieusement constituée, englobant
des informations essentielles sur les produits et services de la Camtel ainsi que les besoins et
retours des utilisateurs comme le présente la partie précédente. Cette base de connaissance est
chargé à partir du répertoire "./public/document"
La base de connaissance ainsi chargée, nous allons passer à la prochaine étape cruciale de notre
méthodologie qui est la tokenisation de la base de connaissance. Nous utilisons la bibliothèque
Tiktoken pour évaluer le coût de ce processus en termes de nombre total de tokens générés. Ces
informations sont essentielles pour comprendre la charge de traitement associée à notre jeu de
données
La fonction calculateCost utilisant la bibliothèque Tiktoken est celle utilisé pour estimer le
coût de la tokenisation des documents. Cette estimation se base sur le nombre de tokens générés
par le modèle. Les étapes incluent le chargement du modèle, l'initialisation de l'encodeur
Tiktoken, et enfin, le calcul du coût en fonction du nombre de tokens. En analysant les résultats
de la tokenisation.
En suite Avant de créer le vecteur store, il est essentiel de normaliser le contenu des documents
pour garantir une représentation uniforme. La fonction normalizeDocuments convertit
différentes représentations en un format standard.
La création du vecteur store à partir des documents normalisés est réalisée avec HNSWLib.
Cette étape essentielle génère des embeddings pour chaque document, facilitant ainsi la
recherche contextuelle.
Résultats :
• Temps de Traitement : environ 4 min
• Taille du Vecteur Store : 300 Mo
La chaîne de recherche (RetrievalQAChain) est configurée en utilisant le modèle GPT-3.5-

turbo et le vecteur store généré. Cela permet au modèle de répondre de manière contextuelle
aux requêtes des utilisateurs.
La gestion avancée du contexte dans l'implémentation de l’agent conversationnel repose sur

66
CAMTEL
l'utilisation habile de la mémoire tampon BufferMemory. Cette composante essentielle permet

à l'agent de mémoriser l'historique complet de la conversation, tant du côté de l'utilisateur que
des réponses générées par l'agent. Enregistrant les échanges passés, la mémoire tampon crée
une base contextuelle robuste qui informe les réponses futures de l’agent.
Lorsqu'une nouvelle question est posée, une vérification de la mémoire est effectuée pour
déterminer si un historique de conversation est présent. Si la mémoire est vide, l'agent suit une
séquence spécifique pour répondre à la question. Cependant, si un historique existe déjà, l'agent
utilise ces informations passées pour générer une réponse plus contextuellement pertinente.
Cette logique est mise en œuvre grâce à la classe RunnableBranch qui permet de définir des
branches distinctes en fonction des conditions spécifiques, en l'occurrence, la présence ou
l'absence d'historique de conversation.
En ce qui concerne la génération de réponses, le modèle de langage OpenAI et son prompt

questionPrompt est utilisé. Ce dernier est conçu pour générer des réponses en fonction du
contexte actuel, de l'historique de la conversation, et de la question spécifique posée par
l'utilisateur. La génération de réponses se fait de manière précise, polie, et conforme à la
spécificité des questions, garantissant une expérience utilisateur optimale.
L'évaluation de la performance du modèle est cruciale pour assurer sa fiabilité dans un contexte
réel de service client. Nous utilisons un ensemble de questions de test pour évaluer notre
modèle.
III.3. Résultats
Les performances globales du modèle de réponse automatisée de la Camtel ont été réalisées à
travers des interactions simulées avec une diversité de questions. Dans l'ensemble, le modèle a
démontré une compréhension adéquate des requêtes, délivrant des réponses pertinentes et
adaptées.
Présentons tout d’abord l’interface de notre BOT

67
CAMTEL
Nous présentons à la suite différentes interaction avec le chat et observons son comportement
à ces questions :
Figure 34: Exemple de conversation avec BLUEBOT

Nous remarquons que notre bot répond à notre formule de politesse de façon polie également

68
CAMTEL

69
CAMTEL
Nous pouvons observer comment le bot répond aux questions qui lui sont posées tout en gérant
le contexte de la conversation
L'architecture de la solution prend également en compte une fonctionnalité importante

permettant à un administrateur d'ajouter ou de modifier la base de connaissances. Cette
fonctionnalité permet à l'administrateur de maintenir et d'enrichir la base de connaissances en
fonction des évolutions, des mises à jour, et des besoins spécifiques du service
Figure 35: Tableau de bord de l'admin

70
CAMTEL
III.3.1. Perspectives
L'avenir de notre chatbot basé sur le modèle GPT-3.5 offre des perspectives passionnantes pour
étendre ses fonctionnalités et améliorer son utilité. Voici quelques axes de développement
potentiels :
• Élargissement de la Base de Connaissance : Une expansion de la base de

connaissances pour inclure tous les services de la Camtel permettra au chatbot de
répondre à une gamme plus large de requêtes. Cela nécessitera une collecte continue de
données spécifiques à chaque service, mais enrichira considérablement l'expérience
utilisateur.
• Intégration de Services Externes : L'intégration de services externes pourrait
permettre des actions plus personnalisées et spécifiques. Par exemple, le chatbot
pourrait se connecter à des systèmes de paiement en ligne, aux bases de données clients,
ou à d'autres plateformes pour fournir des informations et accomplir des tâches
spécifiques.
• Fonctionnalités d'Assistant Virtuel : Évoluer vers un assistant virtuel complet en
intégrant des fonctionnalités telles que la planification de rendez-vous, la gestion de
tâches, et la personnalisation des préférences de l'utilisateur. Cela renforcerait l'utilité
du chatbot en tant qu'outil quotidien pour les utilisateurs.
• Amélioration de la Gestion des Retours Utilisateurs : Mettre en place un mécanisme
efficace pour recueillir et intégrer les retours utilisateurs afin d'ajuster constamment le
modèle. Cela garantira une adaptation continue aux besoins changeants des utilisateurs
et une amélioration constante de la convivialité.
• Intégration de Fonctionnalités Multilingues : Pour atteindre un public plus large,

envisager l'intégration de fonctionnalités multilingues. Cela nécessitera l'expansion de
la base de données dans différentes langues et une adaptation du modèle pour
comprendre et générer des réponses dans ces langues.
• Sécurité et Confidentialité : Renforcer les protocoles de sécurité et de confidentialité
pour garantir la protection des données utilisateur. Des fonctionnalités telles que
l'authentification à deux facteurs peuvent être intégrées pour renforcer la sécurité.
• Optimisation de la Performance : Continuer à surveiller et optimiser la performance
du modèle pour garantir des temps de réponse rapides et une utilisation fluide, même
avec une base de connaissances étendue.
71
CAMTEL
En considérant ces perspectives, notre chatbot peut évoluer d'une simple interface de réponse à
des requêtes vers un véritable assistant virtuel polyvalent, améliorant ainsi l'expérience
utilisateur et la pertinence dans divers domaines d'interaction.

72
CAMTEL
CONCLUSION GENERALE

73
CAMTEL
En conclusion, ce mémoire a exploré en profondeur le développement et l'implémentation d'un

chatbot basé sur le modèle de langage GPT-3.5. Notre démarche méthodologique a commencé
par la collecte et la structuration d'une base de connaissances pertinente, spécifique à notre
contexte, la Camtel. La conception de cette base de connaissance a été cruciale pour
l'entraînement du modèle, visant à répondre aux besoins des utilisateurs de manière efficace.
Nous avons également examiné en détail l'architecture du modèle, mettant en lumière les blocs
de construction essentiels tels que l'embedding, la multi-Head attention, et le réseau Feed-
Forward.
Le processus d'entraînement du modèle a été rigoureux, impliquant des étapes clés telles que la
tokenisation, l'embedding, et l'utilisation de mécanismes d'auto-attention. Ces étapes ont été
fondamentales pour permettre au chatbot de comprendre et générer des réponses cohérentes et
contextuellement appropriées.
L'évaluation de notre modèle a été effectuée à l'aide de métriques pertinentes, mesurant la

convivialité, la précision des réponses, et la cohérence contextuelle. Les résultats obtenus ont
démontré la performance prometteuse de notre chatbot dans un contexte spécifique.
Enfin, ce mémoire a également fourni une perspective approfondie sur le fonctionnement

théorique des Transformers et du modèle GPT en particulier.
En somme, notre travail a jeté les bases d'un chatbot robuste et performant, exploitant les
avancées récentes dans le domaine des modèles de langage pour répondre de manière efficace
aux besoins des utilisateurs de la Camtel. Les possibilités d'amélioration future résident dans
l'exploration continue des mises à jour du modèle et l'ajustement en fonction des retours
utilisateurs, contribuant ainsi à l'évolution constante de cette solution de chatbot.

74
CAMTEL
BIBLIOGRAPHIE
[1]AKARI. (2023). Les « Transformers » : pourquoi l’Attention est tout ce dont vous avez besoin?.
Consulté le 12 01, 2023, sur https://akabi.eu/fr/les-transformers-pourquoi-lattention-
%F0%9F%A7%A0-est-tout-ce-dont-vous-avez-besoin/
[2] ANNICK. (2022, 04 27). Comment utiliser le Big Data pour les analytiques clients ? Consulté le 10
12, 2023, sur LEBIGDATA.FR: https://www.lebigdata.fr/utiliser-big-data-pour-analytiques-
clients
[3] AROUS, O. B. (2015). LA GESTION DE LA QUALITÉ DU SERVICE CLIENT. QUÉBEC. Consulté le 10 5,

2023, sur https://depot-e.uqtr.ca/id/eprint/7822/1/031261592.pdf
[4] B.k, I. (2015). La gestion de la relation client dans les services. Algerie. Consulté le 10 10, 2023, sur
https://www.memoireonline.com/04/17/9780/La-gestion-de-la-relation-client-dans-les-
services.html
[5] Belaidi, N. (2022, Avril 22). L’apprentissage supervisé : définition et exemples. Consulté le 10 10,
2023, sur https://blent.ai/blog/a/apprentissage-supervise-definition
[6] Bendjaballah, M. (2023). Impact de la rencontre de service assistée par la technologie vendeur.
doi:https://doi.org/10.3917/proj.034.0055
[7] Datascientest. (s.d.). Deep Learning ou Apprentissage Profond : qu’est-ce que c’est ? Consulté le
10 11, 2023, sur https://datascientest.com/deep-learning-definition
[8] DUBOIS Caroline, S. J. (2019). Le chatbot : un outil de la relation aux clients. 84(2).
doi:https://doi.org/10.3917/herm.084.0095
[9] Etienne, D. l. (s.d.). Systèmes experts, les outils de la médecine 3.0. Récupéré sur
http://www.zeblogsante.com/systemes-experts-les-outils-de-la-medecine-3-0/)
[10] fintalkmag. (2020). Les chatbots bancaires se développent en Afrique Francophone. fintalkmag.
Consulté le 10 7, 2023, sur https://fintalk-mag.com/2020/01/29/les-chatbots-bancaires-se-
developpent-en-afrique-francophone/
[11] FORCE PLUS. (2023, 10 7). Nouvelles technologies : vers un service client plus humain. Récupéré
sur FORCE PLUS: https://www.forceplus.com/blog/nouvelles-technologies-service-client-
humain
[12] freshwork. (s.d.). Types de chatbts. Consulté le 10 17, 2023, sur FreshWork: s sont la
combinaison de chatbots simples et intelligents, les deux types aux extrêmes du spectre.
Mais nous aurons toujours besoin de chatbots simples un peu plus intelligents et
inversement. Les hybrides répondent à cette demande. Ils gèrent des tâches
[13] Jenifa, A. (s.d.). Qu’est-ce que l’apprentissage automatique ? Consulté le 10 11, 2023, sur
https://geekflare.com/fr/regression-vs-classification/

lxxv
CAMTEL
[14] Krajnc, A. (s.d.). Qu'est-ce qu'un réseau de neurones en Deep Learning. Consulté le 10 11, 2023,
sur https://www.jedha.co/formation-ia/reseau-neurones-deep-learning
[15] Langchain. (s.d.). Consulté le 11 11, 2023, sur

https://js.langchain.com/docs/get_started/introduction
[16] Lastmann, S. (2018, 04 03). Relation client : les enjeux du big data au sein de la connaissance
client. Consulté le 10 12, 2023, sur https://blog.smart-tribune.com/fr/enjeux-big-data-
connaissance-client
[17] Les systèmes experts. (s.d.). Récupéré sur

ttps://perso.liris.cnrs.fr/alain.mille/enseignements/DEA-
ECD/site_ia_emiage/session1/syst%E8mes_experts.htm
[18] mdn web doc. (s.d.). Consulté le 11 2, 2023, sur

https://developer.mozilla.org/fr/docs/Web/JavaScript
[19] Openclassrooms. (s.d.). Identifiez les différents types d'apprentissage automatiques. Consulté le
10 11, 2023, sur ttps://openclassrooms.com/fr/courses/4011851-initiez-vous-au-machine-
learning/4020611-identifiez-les-differents-types-dapprentissage-automatiques
[20] Qu’est-ce que le Service Client : définition, enjeux. (s.d.). Consulté le 10 12, 2023, sur
https://www.salesforce.com/fr/resources/articles/definition-service-client/
[21] Qualtrics XM. (s.d.). Réinventer l’expérience client grâce à l’innovation et aux nouvelles
technologies. Consulté le 10 17, 2022, sur Qualtrics XM:
https://www.qualtrics.com/fr/gestion-de-l-experience/client/innovation-experience-client/
[22] Ropars, F. (2023, 02 16). Service client : les grandes tendances du secteur. Consulté le 10 12,
2023, sur https://www.blogdumoderateur.com/service-client-tendances-salesforce/
[23] SAP. (s.d.). Qu’est-ce que l’intelligence artificielle ? Consulté le 10 23, 2023, sur SAP:
https://www.sap.com/products/artificial-intelligence/what-is-artificial-intelligence.html
[24] Sarkar, M. (2022). Trois articles sur l'analyse des bases de données clients avec des méthodes
d'intelligence artificielle. Paris, france. Consulté le octobre 06, 2023
[25] Sofiane, M. (2021). Reconnaissance des caractères manuscrits de la langue berbère par Deep.
Consulté le 11 20, 2023, sur http://www.univ-
bejaia.dz/xmlui/bitstream/handle/123456789/18653/Memoir-final-
V22%20sans%204.pdf?sequence=1&isAllowed=y
[26] VOXCO. (s.d.). Consulté le 10 21, 2023, sur https://www.voxco.com/fr/blog/importance-de-

lexperience-client/
[27] Wikidpedia. (s.d.). Visual studio code. Récupéré sur

https://en.wikipedia.org/wiki/Visual_Studio_Code
[28] Wikipedia. (s.d.). Express js. Récupéré sur https://fr.wikipedia.org/wiki/Express.js
[29] Yamina, F. A. (2021). CONCEPTION ET REALISATION D'UN CHATBOT PSYCHOLOGUE

MULTILINGUE. Consulté le 10 2023, 17, sur https://di.univ-blida.dz/

lxxvi
CAMTEL
ANNEXES
Traitement de la base de connaissance

lxxvii
CAMTEL
Gestion du contexte

lxxviii
CAMTEL

lxxix
CAMTEL
Traitement (Langchain)

lxxx
CAMTEL
Table des matières

DEDICACES ........................................................................................................................................................ I
REMERCIEMENTS ...................................................................................................................................... II
LISTES DES ACRONYMES ........................................................................................................................ VI
RESUME ...................................................................................................................................................... VII
ABSTRACT ................................................................................................................................................. VIII
INTRODUCTION GENERALE .................................................................................................................... 1
I. CONTEXTE ..................................................................................................................................................... 2
II. PROBLEMATIQUE ............................................................................................................................................ 3
III. OBJECTIFS DE LA RECHERCHE ............................................................................................................................. 4
IV. PLAN DE TRAVAIL ............................................................................................................................................ 4
CHAPITRE 1 : REVUE DE LITTERATURE .............................................................................................. 5
INTRODUCTION ....................................................................................................................................................... 6
I.1. PRESENTATION DU LIEU DE STAGE.......................................................................................................................... 6
I.1.1. Historique et missions de CAMTEL......................................................................................................... 6
I.1.2. Vue générale sur l’activité de CAMTEL .................................................................................................. 7
I.1.3. Déroulement du stage ........................................................................................................................... 8
I.1.4. Présentation du service client CAMTEL .................................................................................................. 9
I.2. CONTEXTE DU SERVICE CLIENT............................................................................................................................. 10
I.2.1 Les principes de la qualité du service à la clientèle ............................................................................... 13
I.2.2 Service client et télécommunication ..................................................................................................... 13
I.2AGENT CONVERSATIONNEL .................................................................................................................................. 15
I.2.1 Définition .............................................................................................................................................. 15
I.2.2 Historique des agents conversationnel ................................................................................................. 15
I.2.3 principe de fonctionnement .................................................................................................................. 17
I.2.4 Types de d’agent conversationnel ........................................................................................................ 19
I.2 NATURAL LANGUAGE PROCESSING ........................................................................................................................ 20
I.2.1 Définition .............................................................................................................................................. 20
I.2.1 Fonctionnement.................................................................................................................................... 21
I.3 METHODES D’ASSISTANCE CLIENT ......................................................................................................................... 23
I.3.1 Méthode classique d’assistance client.................................................................................................. 24
I.3.2 Nouvelles méthodes intelligente d’assistance client ............................................................................ 26
I.3.3 ETAT DE L’ART ...................................................................................................................................... 32
CHAPITRE 2 : METHODOLOGIE DE LA SOLUTION .......................................................................... 37
INTRODUCTION ..................................................................................................................................................... 38
II.1. Collectes des connaissances : ................................................................................................................ 39
II.2 CONCEPTION DE LA SOLUTION ............................................................................................................................ 41
II.2.1Modélisation du système ...................................................................................................................... 41
II.2.2 construction et apprentissage du modèle ........................................................................................... 44
1. Embedding et encodage ...................................................................................................................... 49
II.3 BIBLIOTHEQUES ET LOGICIELS UTILISES .................................................................................................................. 58
CHAPITRE 3 : RESULTAT ET INTERPRETATIONS ............................................................................. 61
INTRODUCTION ..................................................................................................................................................... 62
III.1. ARCHITECTURE DE LA SOLUTION ........................................................................................................................ 62
III. 2 ENTRAINEMENT DU MODELE............................................................................................................................. 63
III.2.1 Conception de la base de connaissance ............................................................................................. 63

lxxxi
CAMTEL
III.2.2. Processus d’entrainement ................................................................................................................. 65

III.3. RESULTATS ................................................................................................................................................... 67
CONCLUSION GENERALE ....................................................................................................................... 73
BIBLIOGRAPHIE.................................................................................................................................... LXXV
ANNEXES ............................................................................................................................................... LXXVII

lxxxii

Memoire Bon 2PD10.12.2023

Transféré par

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

Memoire Bon 2PD10.12.2023

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire Bon 2PD10.12.2023

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE DU CAMEROUN REPUBLIC OF CAMEROON

Paix – Travail – Patrie Peace – Work – Fatherland

PROJET DE FIN D’ANNEE

CREATION D’UN AGENT CONVERSATIONNEL

Pour l’obtention de son diplôme d’INGENIEUR DE TELECOMMUNICATION

Chargé de Cours, Université Directeur support du business

Année académique : 2021/2023

La réalisation de ce mémoire a été rendue possible grâce à la précieuse contribution de

Je tiens tout d'abord à exprimer mes remerciements à M. WATCHING Felix, Directeur de

Un remerciement particulier à TAKOU Wilfried et MVOE MEKINDA Pascal pour leur

Votre contribution collective a été un pilier essentiel de ce mémoire, et je suis reconnaissant

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

LISTE DES FIGURES

Figure 1:Organigramme de la CAMTEL ................................................................................................ 8

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

LISTE DES TABLEAUX

Tableau 1: Canaux de communication de Camtel ................................................................................... 9

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

LISTES DES ACRONYMES

ADSL Asymmetric Digital Subscriber Line

CAMTEL Cameroon Telecommunications

Orange CAM Orange Cameroon

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

L’agent conversationnel ou le chatbot, est un robot capable d’imiter le comportement humain

Mot clés : agent conversationnel, NLP, base de connaissance, service client

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

Keyword : Natural language processing, conversationnal agent, knowledge base,

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

En conséquence, de nombreux auteurs soutiennent que le concept du service à la clientèle

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

CAMTEL notamment de répondre de manière automatique aux questions relatives au forfaits

iii. Objectifs de la recherche

➢ Constituer une base de connaissance des scénarii de conversations ;

➢ Entrainer et implémenter le modèle ;

➢ Développer une plateforme intégrant un agent conversationnel conçu.

iv. Plan de travail

➢ Le troisième chapitre comprendra les résultats obtenus notamment la plateforme

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

CHAPITRE 1 : REVUE DE LITTERATURE

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

I.1. Présentation du lieu de stage

L’entreprise Cameroon Télécommunication en abrégé CAMTEL, a été créée grâce à

I.1.2. Vue générale sur l’activité de CAMTEL

Les principales missions de CAMTEL sont les suivantes :

• Le développement des infrastructures de télécommunications ;

Les services offerts :

➢ Offres aux particuliers :

CAMTEL fournit aussi différents produits tels que :

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

Figure 1:Organigramme de la CAMTEL

I.1.3. Déroulement du stage

• Assurer la qualité de service ;

I.1.4. Présentation du service client CAMTEL

Canal de Coordonnées Fonction

Rédigée et soutenue par ING. KENNE Vermeille de SUP’PTIC

Site web www.camtel.cm Informations sur les services et