Chatbot multilingue en boutique en ligne : langues, glossaire, limites

Une cliente écrit un mardi soir dans le chat d'une petite boutique en ligne : « Mijn pakket is nog niet aangekomen, kan ik het retourneren? » La boutique vend des articles ménagers, expédie depuis l'Allemagne vers plusieurs pays de l'UE et est gérée par trois personnes. Personne dans l'équipe ne parle néerlandais. La cliente n'attend pas lundi : elle commande chez le prochain vendeur.

Dans ce scénario, le support passe jusqu'ici par un formulaire de contact et une boîte mail. Les réponses arrivent le jour ouvré suivant, le plus souvent en allemand ou dans un anglais que l'autre partie lit faute de mieux. Les questions se répètent : où est mon colis, combien de temps dure l'expédition vers l'Autriche, comment le renvoyer, qui paie le port, quelle taille convient. Une grande partie de la journée passe en réponses qui ne diffèrent que par la langue.

Un chatbot multilingue semble la réponse évidente. La vraie question est de savoir ce qu'il doit savoir faire pour aider au lieu de créer de nouveaux problèmes. Un bot qui bavarde avec aisance tout en annonçant un mauvais délai de retour est pire que pas de bot du tout, car la cliente se prévaudra plus tard de cette déclaration. Cette étude suit le chemin que nous choisirions et indique où il s'arrête.

Les modèles de langage modernes comprennent des dizaines de langues et répondent dans la langue de la demande. Cela pousse à croire que le multilingue est un interrupteur. En pratique, les problèmes ne tiennent pas à la grammaire, mais à des contenus qui peuvent signifier autre chose selon la langue : délais, coûts, pays, termes de produit.

Une défaillance typique : le bot traduit « Rückgaberecht » librement et cite dans sa réponse un délai qui ne figure pas ainsi dans les conditions de la boutique, parce que le modèle le complète à partir de connaissances générales. Une deuxième : un nom de produit qui est un mot courant dans une langue est traduit lui aussi, et la cliente cherche l'article en vain. Une troisième : la langue est mal détectée à partir d'un seul mot, et la réponse arrive en espagnol alors que le message était écrit en portugais.

S'y ajoutent des questions où une réponse est engageante non seulement sur la forme mais aussi sur le fond. Qui veut savoir si une commande est déjà partie a besoin de données réelles, pas d'une supposition. Qui conteste un remboursement n'a pas besoin d'une formulation aimable, mais d'une personne ayant pouvoir de décision. Un bot qui répond à tout paraît compétent jusqu'au moment où cela compte.

Enfin se pose un problème d'organisation : qui vérifie en réalité les réponses en néerlandais, en polonais ou en italien ? Dans l'équipe, personne ne le peut. Sans procédure pour cela, toute affirmation sur la qualité reste un espoir.

S'ajoute l'attente de la clientèle. Qui est interpellé dans sa propre langue perçoit la réponse comme engageante, même si elle a été produite par une machine. Une mention indiquant qu'un bot répond n'est donc pas seulement une question de transparence : elle réduit aussi le risque qu'une formulation faite en passant soit lue comme un engagement. Une boutique qui vend dans plusieurs pays porte cette responsabilité de la même manière dans chaque langue.

Avant de choisir une technique, nous trions les questions qui arrivent dans le chat selon le dommage qu'une mauvaise réponse causerait. La question sur les horaires d'ouverture ou les conseils d'entretien tolère une petite imprécision. Un délai de retour annoncé, une date de livraison promise ou une déclaration sur les droits de douane, non, car des décisions de la clientèle en dépendent.

De ce tri découle la rigueur avec laquelle un domaine est traité. Les renseignements non critiques, le bot peut les formuler librement à partir de la base de connaissances. Pour les règles d'expédition et de retour, il ne peut que restituer ce qui s'y trouve et doit citer la source. Pour les textes juridiques, il ne fournit que le libellé validé et y renvoie. Pour les données de commande, il ne répond qu'après vérification de l'identité et depuis le système de la boutique, jamais de la mémoire du modèle.

Un regard sur les langues elles-mêmes aide aussi. Au lieu de maximiser le nombre de « langues prises en charge », nous demandons de quels pays proviennent réellement les commandes et les demandes. Pour une petite boutique, il s'agit peut-être de l'allemand, de l'anglais, du néerlandais et du français. Chaque langue supplémentaire est une mission de qualité à part entière, pas une case à cocher. Les données de commande et de support de la boutique indiquent quelles langues valent l'effort.

Il existe deux schémas de base. Dans le premier, une seule base de connaissances existe en allemand. La question est traduite, on y répond, et la réponse est retraduite. C'est rapide à mettre en place et simple à entretenir, puisqu'un seul texte suffit. Le prix, ce sont des erreurs de traduction aux deux endroits, et lors de questions de suivi, le système perd facilement le fil, car les nuances sont déplacées deux fois.

Dans le second schéma, la base de connaissances existe dans chaque langue prise en charge sous forme de version relue par la rédaction. Le bot cherche dans la langue de la cliente et répond à partir de son texte. L'effort est plus grand, car chaque modification doit être reportée dans toutes les langues. En contrepartie, on peut fixer par langue ce qui s'applique exactement, et une locutrice native peut le vérifier une fois, au lieu de chaque réponse isolément.

Nous combinerions les deux, selon le niveau de risque. Pour les langues principales avec un volume de demandes notable, on élabore des versions vérifiées des informations d'expédition, de retour et de paiement. Pour les langues marginales, une traduction à la volée des renseignements non critiques suffit, complétée par une mention claire indiquant que la réponse est traduite automatiquement et par la possibilité de passer rapidement à l'anglais ou à l'allemand.

Un exemple montre la différence. Si une cliente demande en français comment retourner un article, le bot trouve dans la version française les étapes, la voie de retour et la mention des conditions. Avec une pure traduction à la volée, la réponse naîtrait du texte allemand, et un mot comme « Rückerstattung » pourrait apparaître, selon la phrase, comme avoir ou comme remboursement en argent. Pour la cliente, c'est une différence considérable.

Le déroulement en cas d'incertitude est décisif. Si le bot ne trouve aucun passage pertinent dans la base de connaissances, il ne devine pas, mais le dit ouvertement et propose la transmission. Cela paraît aller de soi, mais c'est la qualité qui distingue les bots utilisables de ceux qui ne le sont pas.

Le déroulement de la conversation suit un ordre fixe. D'abord, le bot détecte la langue du premier message, mais la confirme en une phrase (« Je réponds en néerlandais, souhaitez-vous changer ? ») au lieu de la présumer en silence. Les messages courts comme « ok » ou un nom de produit sont trop minces pour la détection de langue ; c'est pourquoi la dernière langue confirmée s'applique jusqu'à ce que la cliente en choisisse une autre.

Ensuite, le bot classe l'intention : renseignement, question sur une commande, retour, réclamation ou quelque chose qu'il ne comprend pas. Il répond aux renseignements à partir de la base de connaissances de la langue concernée et montre la source. Les questions sur les commandes, il les oriente vers un parcours sécurisé où il demande le numéro de commande et une seconde information. Il guide les retours pas à pas, sans trancher sur les gestes commerciaux ou les exceptions.

Les réclamations, les litiges de remboursement, les soupçons de dommage et tout ce qui devient émotionnel vont sans détour à un humain. Le ticket contient la langue, l'historique jusque-là, un résumé en allemand et l'original de la cliente. La personne de l'équipe qui répond peut alors travailler avec un traducteur sans rouvrir la conversation. La cliente apprend franchement ce qui va se passer ensuite et dans quel délai une réponse est réaliste.

Sur le plan technique, le bot se compose de plusieurs couches qui restent vérifiables séparément. En haut se trouve l'interface de chat sur la page de la boutique. En dessous se trouve le pilotage, qui détecte la langue et l'intention et décide quelle source est compétente. Le modèle de langage formule, mais ne décide pas de ce qui est valable. Cette séparation est la principale caractéristique de sécurité, car elle empêche qu'une formulation libre devienne des déclarations libres.

Le glossaire est discret, mais efficace. Il contient les noms de produit qui ne sont jamais traduits, les termes techniques avec leur équivalent validé par langue et les mots que la boutique évite délibérément. S'il est fourni avant chaque réponse et contrôlé après chaque réponse, de nombreux buts contre son camp disparaissent, par exemple quand la désignation d'un article devient un mot courant. Il peut être tenu par la personne qui connaît l'assortiment, pas par un développeur.

Les textes juridiques comme l'information sur le droit de rétractation, les conditions d'expédition ou les mentions de protection des données, nous les traitons comme des citations, non comme matière à conversation. Le bot restitue mot pour mot la version validée dans la langue concernée et y renvoie par un lien. S'il n'existe pas de traduction vérifiée, il renvoie à la version allemande et le dit. Il n'explique pas le texte librement, car une paraphrase « plus compréhensible » peut promettre autre chose que l'original. Si une traduction suffit juridiquement, l'exploitante de la boutique le clarifie, en cas de doute, avec un organisme compétent.

Pour le statut de commande, le bot a besoin d'une liaison avec le système de la boutique qui fonctionne en lecture seule et uniquement pour la commande concernée. La consultation passe par une interface côté serveur aux droits étroitement limités. Le bot ne reçoit que les champs nécessaires à la réponse, à savoir le statut, le transporteur et le numéro de suivi, pas le dossier client complet. L'accès est journalisé.

Les cas particuliers montrent si un concept tient. Le premier est la langue mixte : qui écrit en allemand mais insère un nom de produit anglais et un nom de lieu français déroute toute détection automatique. Il aide de déterminer la langue sur plusieurs messages et, en cas de doute, de demander poliment plutôt que de deviner. Le dialecte, la langue familière et les fautes de frappe exigent eux aussi que les intentions soient reconnues de façon robuste et que le bot pose une question de clarification compréhensible.

Le deuxième cas concerne le statut de commande. Quelqu'un saisit un numéro de commande vu quelque part et veut des détails sur la commande d'un autre. C'est pourquoi le bot demande une seconde information que seul le commanditaire connaît, par exemple l'adresse e-mail de la commande, et ne donne en cas d'échec aucun indice sur laquelle des deux informations était fausse. Les données sensibles comme les adresses complètes ou les données de paiement, le chat ne les communique en principe jamais.

Troisièmement, les questions de pays et de prix : frais d'expédition, douane, délais de livraison et taxes diffèrent selon le pays de destination. Le bot n'y répond que pour les pays figurant dans la base de connaissances et, pour tous les autres, dit honnêtement qu'il ne sait pas. Cela vaut aussi pour les devises. Une conversion tirée de la mémoire du modèle n'est pas une information de prix.

Un autre cas tient aux caractères et aux formules d'appel. Les caractères spéciaux, les accents ou d'autres écritures doivent arriver inchangés dans le chat, le ticket et les notifications, sinon l'équipe lit un texte illisible dans la boîte mail. Les formules de politesse diffèrent aussi : une adresse qui paraît naturelle en allemand peut sonner trop familière ou trop guindée dans une autre langue. Le glossaire devrait donc fixer aussi les formules d'appel et de salutation par langue.

Le quatrième cas est la réclamation sur un ton vif. Ici, ce n'est pas la traduction qui aide, mais la rapidité et la bonne attribution. Le bot repère les mots déclencheurs et les répétitions, reste neutre et transmet immédiatement. Il n'essaie pas de changer l'humeur avec des formules de politesse, car cela paraît condescendant dans toutes les langues.

Un chatbot multilingue décharge l'équipe des questions courantes toujours identiques et rend la boutique joignable en dehors des heures de bureau, dans la langue de la clientèle. C'est un bénéfice réaliste. Son ampleur dépend de l'assortiment, de la qualité de la base de connaissances et de la part de questions courantes. Un taux de demandes que le bot « résout », nous ne le promettons pas, car il fait partie des chiffres qui ne se mesurent que dans sa propre activité.

La mesure se fait en trois groupes. Premièrement, la prise en charge : combien de conversations se sont terminées sans transmission, et combien d'entre elles sont restées sans message de suivi par e-mail ? Deuxièmement, la qualité : combien de réponses de l'échantillon étaient correctes sur le fond, compréhensibles sur la forme et appuyées sur la bonne source, par langue ? Troisièmement, le soulagement : combien de tickets par semaine arrivent encore dans la boîte mail, et combien de temps dure la première réponse des humains ?

Comptez avec une période de démarrage. Dans les premières semaines, ce sont surtout les lacunes de la base de connaissances qui ressortent, et elles ne se révèlent qu'à travers des conversations réelles. C'est seulement ensuite qu'on peut juger si le bot soulage vraiment. S'il apparaît, après une période d'observation de quelques semaines, que la plupart des questions sont de toute façon des cas particuliers, c'est un résultat légitime : un meilleur centre d'aide vaut alors mieux qu'un bot.

Un bilan honnête inclut aussi ce qui ne s'améliore pas. Le bot ne remplace ni une négociation, ni une décision de geste commercial, ni un conseil spécialisé. Il n'empêche pas les clientes d'être mécontentes quand le produit ou la livraison déçoit. Il peut seulement faire en sorte qu'elles obtiennent plus vite une information correcte ou un humain.

La leçon la plus importante est de ne pas piloter la qualité comme une impression d'ensemble. « Le bot fonctionne bien » ne dit pas grand-chose si personne ne sait dans quelle langue. C'est pourquoi nous constituons par langue un petit catalogue de tests fixe : une vingtaine de questions typiques, dont des questions pièges sur les délais, les pays inconnus et les commandes d'autrui. À chaque modification de la base de connaissances, du glossaire ou du modèle, le catalogue est rejoué et les écarts sont comparés.

Le catalogue seul ne suffit pas. En complément, une personne ayant des compétences linguistiques lit régulièrement un échantillon de conversations réelles, idéalement la même personne sur une longue durée. Si personne dans l'entourage de la boutique ne le peut, un service linguistique externe peut assumer cette tâche à l'heure. L'essentiel est qu'elle soit prévue de façon ferme et ne se fasse pas seulement quand quelqu'un se plaint.

L'entretien en fait aussi partie. Si les partenaires d'expédition, les délais ou les prix changent, la modification doit parvenir dans chaque langue, sinon le site web et le bot se contredisent. Une procédure simple est judicieuse : une source en allemand, d'où découlent les versions par langue, chacune avec date et responsable. Et si une langue ne peut pas être entretenue, elle est désactivée au lieu de continuer à tourner dans l'état d'il y a un an.

Sur la protection des données, seule une orientation est donnée, sans conseil juridique : les clientes devraient voir qu'elles parlent à un bot, les conversations ne devraient pas être conservées plus longtemps que nécessaire, et les données qui parviennent au modèle de langage doivent être définies délibérément. La boutique clarifie les détails avec son conseil en protection des données.

Un chatbot multilingue vaut la peine pour une boutique qui livre régulièrement dans plusieurs pays et reçoit beaucoup de questions semblables. Il fonctionne lorsqu'il ne répond qu'à partir de sources vérifiées, reproduit les textes juridiques sans les modifier, récupère les données de commande via une connexion sécurisée et passe tôt la main à des personnes. Il ne fonctionne pas comme une machine à traduire qui masque chaque lacune par l'aisance de la langue.

L'étape suivante est modeste. Parcourez votre boîte de réception des derniers mois et comptez dans quelles langues des demandes sont arrivées et quelles sont les dix questions qui reviennent le plus souvent. Avec cette liste, on peut dire quelles langues méritent l'effort et quels contenus doivent entrer en premier dans la base de connaissances. Nous la passons volontiers en revue avec vous et vous disons honnêtement si un meilleur centre d'aide apporterait d'abord plus qu'un bot.

Trois enseignements portent le plus loin. Premièrement : le modèle de langage formule, la source décide. Deuxièmement : moins de langues, mais vérifiées, valent mieux que beaucoup de langues de qualité inconnue. Troisièmement : le passage de relais à des personnes fait partie du concept et n'est pas un aveu d'échec. Une boutique qui respecte ces trois points pourra ajouter des langues plus tard sans risquer la confiance de sa clientèle.

Pour situer l'effort : la plus grande part ne se trouve pas dans le bot, mais dans les textes, le glossaire et le contrôle continu. On peut l'estimer après l'analyse des demandes, pas avant.