Classification des intentions

La classification des intentions est une tâche de traitement du langage naturel qui consiste à déterminer ce qu’un utilisateur cherche à accomplir à partir de sa saisie, en attribuant une requête ou un message à l’une des catégories d’intention prédéfinies. Elle répond à la question « que veut cette personne ? » (par exemple, si une requête est informationnelle, navigationnelle ou transactionnelle, ou si un message adressé à un chatbot est une salutation, une réclamation ou une demande de réservation).

En bref : la classification des intentions lit les mots d’un utilisateur et étiquette l’objectif qui les sous-tend, afin qu’un système sache comment répondre ou vers où acheminer la demande.

Comment fonctionne la classification des intentions

La tâche consiste à faire correspondre une saisie libre à un ensemble connu d’objectifs :

1. Définir les intentions : un ensemble de catégories cibles est établi, allant d’une taxonomie fixe telle que check_balance ou book_flight à des types de requêtes larges comme informationnel, navigationnel et transactionnel.
2. Rassembler des exemples : des formulations types sont étiquetées avec leur intention.
   1. Notez qu’il est de plus en plus courant de fournir à un modèle les définitions d’intention et de lui demander de classer sans exemples d’entraînement.
3. Représenter la saisie : le message est converti en embeddings ou en vecteurs de caractéristiques, des représentations numériques qui capturent son sens sous une forme exploitable par le classificateur.
4. Classer : un modèle attribue l’intention la plus probable avec un score de confiance. Lorsque la confiance est élevée, le système agit ; lorsqu’elle passe sous un seuil, il peut déclencher une réponse de repli, transférer la demande à un humain ou poser à l’utilisateur une question de clarification telle que « Vouliez-vous dire X ou Y ? »
5. Acheminer ou agir : l’intention prédite détermine la suite des événements, comme le choix d’une réponse, l’appel d’un outil ou la sélection d’une stratégie de récupération.

Les approches vont des règles par mots-clés et des classificateurs classiques d’apprentissage automatique aux modèles de type transformer et, aujourd’hui, aux LLM qui classent à partir des seules descriptions d’intention. La caractéristique déterminante est que la classification des intentions porte sur l’objectif qui se cache derrière les mots, et non sur les mots eux-mêmes : deux messages formulés de manières très différentes peuvent partager la même intention.

Classification des intentions vs extraction d’entités et analyse des sentiments

• L’extraction d’entités extrait les éléments spécifiques mentionnés, tels que les dates, les lieux et les noms de produits ; la classification des intentions identifie l’objectif global. Dans « réserver un vol pour Paris demain », la classification des intentions perçoit « réserver un vol » tandis que l’extraction d’entités capture « Paris » et « demain », les deux fonctionnant généralement ensemble au sein d’un pipeline NLU.
• L’analyse des sentiments étiquette le ton émotionnel, par exemple positif ou négatif ; la classification des intentions étiquette l’objectif. « C’est épouvantable, annulez ma commande » a un sentiment négatif et correspondrait à une intention de cancel_order.
• La correspondance par mots-clés achemine en fonction de la présence de mots spécifiques ; la classification des intentions se généralise à de nouvelles formulations partageant un objectif, même lorsqu’elles ne partagent aucun mot-clé.

Où la classification des intentions est-elle utilisée

• Chatbots et assistants virtuels : décider quelle compétence ou quel flux de conversation doit traiter un message.
• Moteurs de recherche et de réponse : classer le type d’une requête pour choisir comment répondre, par exemple une réponse directe, une liste de liens ou une réponse augmentée par récupération.
• Acheminement du support client : envoyer un ticket ou un message vers la bonne équipe ou le bon flux de travail automatisé.
• Agents et sélection d’outils : aider un système à décider quel outil ou quelle fonction une demande requiert.

La classification des intentions est l’étape qui transforme une saisie brute en une décision sur ce qu’il faut faire : le pont entre la compréhension d’une demande et le passage à l’action.

Termes associés

Extraction d’entités, compréhension du langage naturel (NLU), compréhension des requêtes, recherche conversationnelle, chatbot, analyse des sentiments, remplissage de champs, grand modèle de langage (LLM), acheminement.