Blog · Technologie vocale
Comment créer un agent vocal qui parle darija
Un agent vocal capable de tenir une conversation téléphonique en darija marocaine, الدارجة المغربية, n’est pas un modèle unique que l’on installerait quelque part. C’est un assemblage de quatre couches qui doivent fonctionner ensemble, en temps réel, pendant que quelqu’un attend au bout du fil : comprendre ce qui est dit, décider quoi répondre, le prononcer, et tenir le rythme d’une vraie conversation.
Chacune pose, pour la darija, un problème que les tutoriels écrits pour l’anglais ne mentionnent pas. Voici lesquels, et pourquoi ils comptent pour une entreprise qui envisage de confier sa ligne à un agent.
Un modèle d’arabe standard ne suffit pas
C’est le malentendu fondateur, et il fait échouer la plupart des projets avant qu’ils aient commencé. L’arabe standard moderne et la darija ne sont pas deux registres de la même langue du point de vue d’un système qui traite de la parole. La nomenclature internationale leur attribue d’ailleurs des codes distincts : la darija y figure comme ary, « Moroccan Arabic » dans la norme ISO 639-3.
Surtout, un appel professionnel marocain ne se tient pas dans une seule langue. Le passage de la darija au français se produit à l’intérieur d’une même phrase, sans pause : la structure et les formules de politesse restent en darija, tandis que les références produit, les marques et très souvent les chiffres basculent en français. Un système qui doit choisir une langue au début de chaque prise de parole se trompera donc sur une partie de la phrase, et ce sera celle qui porte l’information utile.
Un moteur entraîné sur l’arabe littéraire ne rencontre pas un accent inhabituel : il rencontre une autre langue, mêlée d’une troisième. C’est pour cette raison que Sotiby a été construit à partir de la darija telle qu’elle est parlée au téléphone, et non adapté depuis un accueil conçu ailleurs.
Les quatre couches, en bref
La reconnaissance vocale transforme la parole en texte. Elle plafonne tout le reste : un modèle de langue remarquable nourri d’une transcription fausse répondra parfaitement à la mauvaise question.
Le modèle de langue décide quoi répondre. Sa difficulté n’est pas de savoir parler, mais de répondre à partir des informations de l’entreprise et de s’arrêter quand il ne sait pas, plutôt que de produire une réponse plausible sur un délai ou une procédure.
La synthèse vocale prononce la réponse. C’est elle que l’appelant juge, et nous y revenons plus bas.
L’orchestration tient l’ensemble dans le rythme d’une conversation. C’est la couche dont personne ne parle et celle qui décide si l’agent est utilisable.
Savoir quand l’appelant a fini de parler
C’est le problème le plus sous-estimé, et il est particulièrement difficile en darija. Les locuteurs marquent des pauses au milieu d’une phrase, assez souvent pour qu’un silence ne soit pas une preuve que le tour de parole est terminé.
Les deux erreurs possibles sont asymétriques et toutes deux coûteuses. Couper la parole à quelqu’un qui réfléchissait au milieu de sa phrase est la faute la plus désagréable qu’un accueil puisse commettre. Attendre trop longtemps produit ce silence gêné qui pousse l’appelant à répéter, donc à parler par-dessus la réponse qui arrive. Un agent qui se trompe régulièrement sur ce point sera jugé inutilisable, quel que soit le nombre de choses qu’il sait faire par ailleurs.
La vitesse contre la voix
Il y a une tension réelle au cœur de ce produit, et nous préférons l’exposer plutôt que de prétendre qu’elle n’existe pas. Un agent vocal est jugé sur une seule chose par l’appelant : est-ce que cela ressemble à une personne. Or répondre plus vite et sonner mieux tirent dans des directions opposées. L’essentiel du travail d’ingénierie consiste à décider où placer ce curseur.
Notre position est tranchée. Nous refusons de laisser la voix devenir mécanique pour gagner du temps. Un accueil qui répond instantanément avec une voix plate est perçu comme un répondeur perfectionné, et l’appelant adapte immédiatement son comportement : il parle plus sec, il abrège, il demande une personne. Le gain de vitesse est alors perdu plusieurs fois.
Cela ne veut pas dire ignorer la latence. Au téléphone, un silence trop long se lit comme une panne, et nous traitons ce délai comme une contrainte de conception plutôt que comme un réglage de fin de projet. L’objectif est un accueil assez rapide pour qu’on ne remarque pas l’attente, et assez naturel pour qu’on ne pense pas à raccrocher. Ce sont les deux conditions, pas l’une ou l’autre.
Les données d’appel, et le cadre marocain
Un appel vers une entreprise contient presque toujours quelque chose que l’appelant ne confierait pas à n’importe qui : un nom, un numéro, une adresse, parfois le motif d’un rendez-vous. Un agent vocal transcrit et conserve ces conversations, ce qui en fait un sujet de gouvernance avant d’être un sujet technique.
Sotiby est une société marocaine, conçue pour des entreprises marocaines. Nous traitons la protection des données d’appel comme une exigence du produit, pas comme une formalité ajoutée à la fin. Les données des clients d’une organisation, appels, transcriptions et fiches client, sont traitées dans le respect de la loi 09-08 et sous le contrôle de la CNDP. Le cadre applicable et la liste des prestataires techniques auxquels nous faisons appel sont publiés dans notre politique de confidentialité, que nous vous invitons à lire avant toute mise en service.
Ce qui décide vraiment de la qualité
Une dernière remarque, parce qu’elle surprend souvent. Une fois ces quatre couches en place, ce qui détermine la qualité perçue d’un accueil n’est plus la technologie. C’est le contenu : les horaires sont-ils à jour, le catalogue est-il complet, la conduite à tenir est-elle définie pour les situations qui sortent du cadre, et l’appel se termine-t-il toujours par quelque chose.
C’est aussi pourquoi un accueil se teste avec son propre vocabulaire, prononcé par plusieurs personnes et dans de mauvaises conditions sonores, plutôt que sur des phrases d’exemple articulées au calme. Les pages agent vocal IA à Casablanca et agent vocal IA à Rabat décrivent deux vocabulaires d’appel très différents, et la page des tarifs indique combien de minutes d’essai contient chaque offre.