Samsung — Électronique grand public
Déploiement de Bixby en France
Participation à la mise en place de l’assistant vocal intelligent Bixby pour le marché français. Adaptation du système de compréhension du langage naturel et intégration des services locaux pour une expérience utilisateur optimale.
Le contexte
Porter un assistant vocal sur un nouveau marché n’est pas un travail de traduction. Le système ne manipule pas des phrases mais des intentions, et une intention se collecte dans la langue cible : la façon dont un utilisateur français formule une demande à voix haute n’est pas la traduction de la formulation anglaise.
Le français est une langue ingrate pour la compréhension automatique : élisions, liaisons, homophones, expressions de temps et de quantité à normaliser. S’y ajoute le fait que la chaîne démarre sur une transcription vocale imparfaite — la compréhension doit rester juste sur une entrée déjà dégradée.
Enfin, un assistant qui parle correctement la langue mais ignore les services réellement utilisés dans le pays répond bien et ne sert à rien. La couverture locale est un problème distinct de la langue, et souvent le plus long à traiter.
Notre intervention
ITCE a participé à cette mise en place, sur l’adaptation du système de compréhension du langage naturel au marché français. Le travail consiste à reconstruire dans la langue cible la matière sur laquelle le système raisonne : intentions, entités, formulations réelles. C’est du NLP appliqué, pas un paramétrage.
L’évaluation précède l’optimisation. Sur un assistant, une mesure globale masque tout : un système qui fonctionne en moyenne peut échouer systématiquement sur une famille entière de formulations, et ce sont celles-là que les utilisateurs remarquent. Raisonner intention par intention est la seule façon de voir où le système cède.
L’intégration des services locaux passe par une couche de médiation en Python et Java au-dessus d’APIs REST. Chaque service a son modèle de données, son vocabulaire et ses modes de défaillance ; il faut les ramener à un contrat unique du point de vue de l’assistant. La question la plus structurante n’est pas le cas nominal, c’est ce que l’on répond quand le service tiers ne répond pas.
L’ensemble est conteneurisé avec Docker et opéré sur AWS. Sur un système composé de plusieurs briques, la reproductibilité de l’environnement conditionne la crédibilité des mesures : sans elle, on ne sait pas si une variation de qualité vient du modèle, de la donnée ou de la machine.
Résultats
- Lancement Bixby France réussi
- NLP français opérationnel
- Intégration services locaux
Technologies & outils
« NLP français opérationnel » veut dire un système capable de traiter des formulations spontanées, avec leurs hésitations et leurs raccourcis, et pas seulement les tournures propres d’un jeu de démonstration. C’est la différence entre un assistant que l’on montre et un assistant que l’on utilise.
Le lancement sur le marché français et l’intégration des services locaux se lisent ensemble : ce qui reste après une mise sur le marché, c’est la capacité à ajouter une intention ou un service sans reprendre la base. C’est le critère que nous appliquons en intelligence artificielle — la mise en production compte, ce qui vient après aussi.
06 — Contact
45 minutes.
Sans engagement.
Décrivez la décision technique devant vous. Nous vous disons ce que nous ferions, si c’est pour nous, et ce que ça coûte. Réponse sous 24 h ouvrées, par un associé.