Afin d’améliorer l’assistance à l’usager ordinaire, plusieurs pistes sont explorées. Nous allons en dresser un état de l’art succinct ce qui nous permettra de nous positionner dans ce contexte. On citera notamment :
- le développement du dialogue d’assistance en Langue Naturelle, afin d’inciter l’utilisateur à aller au-delà du paradoxe de motivation ;
- les Agents Conversationnels Animés, cela amènera à discuter de la notion de crédibilité des Agents Animés et du bénéfice de l’interaction multimodale notamment par le biais de la déictique.
1.4.1 Vers un dialogue d’assistance en Langue Naturelle
Les recherches sur les utilisateurs de Carroll les ont amenés à développer des pré-requis pour une assistance efficace (Carroll et al. 1987). Ils ont notamment, dans le « manuel minimal », mis en avant des principes de conception ergonomiques repris ici :
1) Donner au novice les moyens de réaliser des tâches effectives dès ses premières interactions avec le logiciel en orientant l’initiation vers la réalisation précoce de tâches par l’utilisateur (task-oriented training) ;
2) Réduire au minimum le volume du texte que le novice doit lire au préalable pour parvenir à une utilisation efficace du logiciel ou de l’une de ses fonctions ;
3) Et, corollaire du premier objectif cité, faciliter au novice la détection et la correction de ses erreurs d’utilisation.
Ces principes insistent sur l’importance de l’accès à l’information mais sous-entendent des efforts importants à faire en termes de modélisation de l’application. Plusieurs points ont permis d’améliorer la situation, comme par exemple, la généralisation du stockage de l’historique des actions de l’utilisateur.
Des études ont montré plusieurs points importants :
- La navigation par thème (en fonction des thèmes déjà visités, par exemple), améliore l’apprentissage du logiciel (Cohill & Williges 1985);
- L’implication dans un dialogue améliore les chances de succès dans une tâche donnée (Gorrell et al. 2002).
L’idée d’utiliser la Langue Naturelle pour améliorer les systèmes d’assistance a été naturellement envisagée, notamment dans le cas de l’étude l’impact de la multi-modalité sur ce genre de système. La multi-modalité consiste à faire passer l’information à l’utilisateur par le biais de différentes modalités : orale (le son), visuelle (déictique), etc. Il en ressort un certain nombre de conditions sous lesquelles il est possible d’envisager le recours à la Langue Naturelle :
1.4 - Progrès récents dans l’assistance à l’usager
- concision des instructions orales, sinon, elles ne sont pas mémorisées par l’usager (Carbonell & Kieffer 2005) ;
- basculement vers un sous-langage d’assistance avec un vocabulaire limité et une syntaxe simplifiée (Almaberti et al. 1993).
L’efficacité du recours à la Langue Naturelle n’a toutefois pas été démontrée. On ne peut qu’extrapoler cette efficacité, sur la base des études encourageantes qui sont faites dans le domaine.
1.4.2 Les Agents Conversationnels Assistants
Les Aca sont un domaine de recherche en pleine expansion. On rencontre une grande diversité d’ACA qu’on peut classer, d’après (Simonin 2009) selon l’objectif recherché, les capacités, les rôles et les domaines d’application.
Parmi les objectifs, on pourra par exemple citer celui de donner à l’interaction une
dimension affective et coopérative, comme l’agent pédagogique Steve (Shaw et al.
1999) ; accroître l’intelligibilité des messages oraux, notamment dans le cadre de communication à distance par l’utilisation de têtes parlantes5 (Cole et al. 1998) ; donner à l’interaction une dimension ludique ou attractive, c’est dans cette catégorie que se range par exemple Clippy, le compagnon Office de Microsoft, mais on pourra également citer les travaux de (Cassel et al. 1999) sur la conseillère en immobilier Réa ou encore Greta pour jouer le rôle de médecin (Poggi et al. 2005).
Plus important pour nous, leurs capacités incluent la compétence langagière et la compétence de crédibilité que nous avons évoquées à propos de Clippy (section 1.2.4). Ils peuvent être considérés comme intelligents grâce à des techniques de planification avancées (André et al. 2000) et surtout, jugés naturels grâce à un contrôle souple des initiatives (Smith & Gordon 1997), c’est-à-dire la qualité de la prise de contrôle de l’agent pendant le dialogue.
On retrouve un grand nombre de travaux visant à améliorer la crédibilité de l’agent en prenant en compte la dimension affective (Leohnardt et al. 2008) ou les émotions (Bates 1994).
Quant aux domaines, on les retrouve dans le cadre de la pédagogie et de l’apprentissage (Johnson et al. 2000), ou dans le cadre d’interaction dans des environnements virtuels, voire même dans le cadre d’apprentissage dans le contexte d’environnements virtuels (Querrec et al. 2004).
Il est donc naturel de les retrouver dans le domaine qui nous intéresse : l’assistance à l’usager. La plupart des recherches visent toutefois à améliorer la crédibilité de ces personnages plus que leurs compétences d’assistance, ce qui est délégué à un système expert dédié.
5
1.5 Conclusion
D’après l’état de l’art réalisé dans les sections précédentes, on peut constater que les problèmes liés à l’assistance sont bien connus et identifiés dans ce domaine. Il existe beaucoup de travaux actuellement sur les médiateurs de l’assistance (les Agents Animés) de l’assistance ou sur l’assistance à la tâche en situation (dans les environnements virtuels, par exemple). Ces travaux se placent dans une perspective d’accompagnement de l’utilisateur, Par contre, il existe peu de travaux actuellement portant sur les moyens à mettre en œuvre pour aider un usager dans l’urgence de la situation de blocage (Capobianco & Carbonell 2006). La raison qu’on peut avancer, c’est que les réponses à apporter nécessitent une modélisation poussée de l’application, du contexte d’utilisation de l’application, etc. : ce sont des éléments difficiles à mettre en œuvre.
On peut tirer des pistes de recherches qui semblent prometteuses :
- Le traitement de la Langue Naturelle semble incontournable, mais de gros problèmes y sont rattachés, notamment dans la compréhension des requêtes d’un usager. James Allen (Allen et al. 2000) a proposé une architecture de traitement des requêtes générique. Il met en avant l’un des freins technologiques liés au développement des solutions d’assistance incluant un traitement de la Langue Naturelle : le manque de robustesse des solutions développées qui impliquent des développements lourds, coûteux et non-réutilisables (ou alors avec beaucoup d’effort).
- Les recherches en ergonomie ont fourni un ensemble de propositions visant à garantir l’utilisabilité des systèmes d’assistance développés. Parmi ceux-ci, on trouve la nécessité de clarté et de concision de l’information. Ces propositions sous-entendent une organisation hiérarchisée du contenu, afin d’en faciliter son accès. Si James Allen traitait la question de généricité d’un point de vue du traitement de la Langue Naturelle, nous pensons qu’il faut étendre cette notion et que la généricité doit s’appliquer à l’ensemble de la chaîne de traitement. Le problème de la base de connaissances qui soutient l’ensemble de l’architecture est un problème délicat. Il s’agissait dans un premier temps de fournir un accès aux informations pour l’utilisateur. Cela a abouti à une organisation hiérarchique et structurée des données de documentation par l’intermédiaire de la navigation hiérarchique. Mais il faut aller au-delà de cette étape : les recherches en ergonomie ont montré qu’on ne peut se contenter de les laisser à la discrétion de l’utilisateur ; il faut lui amener l’information pertinente et lui démontrer explicitement les actions qu’il doit accomplir pour sortir de sa situation de blocage. Cela suppose une formalisation importante et une structuration importante des informations concernant l’application. On se dirige vers la nécessité d’un modèle de tâches, d’un modèle de l’application, etc. Or, ce sont des éléments qui dépassent largement le cadre de la documentation fournie. Pire encore, dans la continuité des conclusions de James Allen : développer de tels systèmes et de tels modèles est
1.5 - Conclusion
Autrement dit, on peut décomposer la recherche du système d’assistance idéal en deux axes :
- Le contenant du message d’assistance : ce contenant est le vecteur de la réponse, la partie visible du système. Il doit faciliter l’expression de l’utilisateur et le détourner du paradoxe de motivation. C’est le champ privilégié de la recherche sur les Assistants Conversationnels Animés.
- Le contenu du message d’assistance : c’est une problématique double, à savoir pouvoir comprendre le message de l’utilisateur et fournir la réponse appropriée. Cette partie de la problématique passe par la mise en place d’une architecture générique de traitement des requêtes en Langue Naturelle, et par la mise en place d’un système générique de constitution de base de connaissances pour 1) faciliter la compréhension de la requête ; 2) faciliter la synthèse d’une réponse.
Il est indispensable de porter des efforts sur chacun de ces axes de recherche. Si le premier axe est relativement bien couvert (en tous cas, beaucoup d’efforts y sont déployés), le deuxième axe est peu traité. La question de la connaissance sur l’application est laissée aux concepteurs de l’application.
Par conséquent, notre position est la suivante :
1) l’assistance ne peut se passer du traitement de la Langue Naturelle ;
2) ce traitement doit passer par le développement d’une architecture générique de traitement des requêtes, dans sa partie compréhension des requêtes ;
3) le recueil des requêtes est facilité par l’introduction d’un Agent Conversationnel, (qui doit être actif dans l’application) ;
4) il est nécessaire de développer un langage de modélisation générique de l’application de manière à pouvoir penser le traitement de l’assistance comme un ensemble cohérent, complet et indépendant des applications.
Dans le cadre de ce travail, nous développerons plus particulièrement le quatrième point. Ce travail doit permettre de poser les prémisses d’une réflexion à plus long terme sur les possibilités de modélisation dans le cadre d’un système d’assistance. L’existant dans ce domaine est assez difficile à exploiter : nous en discuterons en profondeur dans les chapitres 3 et 4 pour établir les besoins et les manques dans ce domaine. Nous exclurons de cette recherche les préoccupations liées à la compréhension des requêtes en Langue Naturelle pour ne nous intéresser qu’aux problématiques de modélisation. Néanmoins, dans le cadre de l’assistance, on ne peut complètement évacuer cet aspect-là : les corpus de requêtes serviront à orienter la construction de la base de connaissance.