Formation

Lorsque votre agent est entraîné, Dialogflow se sert de vos données d'entraînement pour créer un modèle de machine learning spécialement conçu pour votre agent. En règle générale, vous fournissez des données d'entraînement en indiquant directement des phrases d'entraînement aux intents. Vous pouvez également vous servir de l'outil d'entraînement pour analyser, importer et exporter des données de conversation réelles, et ainsi améliorer vos données d'entraînement.

Exécuter l'entraînement

Par défaut, l'entraînement est exécuté automatiquement chaque fois que vous enregistrez votre agent. Une fois votre agent enregistré, des boîtes de dialogue s'affichent en indiquant l'état de l'entraînement. Vous devez toujours attendre la fin de l'entraînement avant de tester votre agent.

Si votre agent possède plus de 780 intents ou si vous avez désactivé le paramètre d'entraînement automatique, vous devez exécuter l'entraînement manuellement :

  1. Accédez à la console Dialogflow.
  2. Sélectionnez votre agent dans la partie supérieure du menu de la barre latérale gauche.
  3. Cliquez sur le bouton des paramètres à côté du nom de l'agent.
  4. Cliquez sur l'onglet Paramètres ML.
  5. Cliquez sur le bouton Entraîner au bas de la page.

Pour exécuter l'entraînement à l'aide de l'API, appelez la méthode train sur le type Agent.

Outil d'entraînement

L'outil d'entraînement permet d'examiner les conversations entretenues par l'agent avec les utilisateurs finaux et d'améliorer vos données d'entraînement. Cet outil vous permet d'effectuer les opérations suivantes :

  • Examiner les conversations réelles et les intents qui ont été mis en correspondance pour chaque tour de conversation
  • Ajouter les expressions de l'utilisateur final participant à ces conversations aux phrases d'entraînement d'intents initialement mis en correspondance, d'intents distincts ou d'intents de remplacement
  • Importer les données de conversation que vous avez préparées ou capturées à partir de conversations réelles

L'outil utilise les données issues de l'historique de l'agent pour charger les conversations. Vous devez donc activer la journalisation pour utiliser l'outil. L'outil d'entraînement n'affiche que les expressions de l'utilisateur final. Pour afficher les données de conversation de l'agent et de l'utilisateur final, consultez l'historique plus complet de l'agent.

Pour ouvrir l'outil d'entraînement, procédez comme suit :

  1. Accédez à la console Dialogflow.
  2. Sélectionnez votre agent dans la partie supérieure du menu de la barre latérale gauche.
  3. Cliquez sur Entraînement dans le menu de la barre latérale gauche.

Liste des conversations

Lorsque vous ouvrez l'outil, la liste des conversations s'affiche. Il s'agit d'une liste de conversations récentes, présentées dans l'ordre chronologique inverse. Chaque ligne de la liste fournit le résumé d'une conversation.

Capture d'écran de la liste de conversations

Le tableau suivant décrit chacun des éléments de l'interface utilisateur :

Élément d'interface utilisateur Description
Conversation Première expression de l'utilisateur final dans la conversation.
Requêtes Nombre de tours de conversation.
Aucune correspondance Nombre de tours de conversation pour lesquels aucun intent n'a été mis en correspondance.
Date Date à laquelle la conversation a eu lieu ou a été importée.
Lorsqu'une conversation permet de mettre à jour les données d'entraînement (comme décrit ci-dessous), l'indicateur d'état de la ligne affiche une coche verte.

Vue d'entraînement

Lorsque vous cliquez sur une ligne de la liste de conversations, la conversation s'ouvre dans la vue d'entraînement. La vue d'entraînement affiche une liste de tours de conversation et fournit des commandes permettant d'ajouter ces données à vos données d'entraînement.

Lorsque vous modifiez les données affichées ou lorsque vous cliquez sur un bouton de tâche à droite, vous créez des tâches de mise à jour des données d'entraînement, qui sont en attente d'enregistrement. Une fois les tâches créées, cliquez sur le bouton Approve (Approuver) pour exécuter toutes les tâches en file d'attente et mettre à jour le modèle de votre agent.

Capture d'écran de la vue d'entraînement

Le tableau suivant décrit chacun des éléments de l'interface utilisateur :

Élément d'interface utilisateur Description
Date Date à laquelle la conversation a eu lieu ou a été importée.
Requêtes Nombre de lignes dans la conversation.
Aucune correspondance Nombre de lignes pour lesquelles aucun intent n'a été mis en correspondance.
User says (L'utilisateur dit) Expression de l'utilisateur final pour la ligne.
Intent L'intent mis en correspondance pour cette ligne lorsque la conversation a eu lieu. Vous pouvez cliquer sur le lien pour remplacer l'intent associé par un intent nouveau ou existant.
Met en file d'attente une tâche pour ajouter l'expression de l'utilisateur final associée à la ligne en tant que phrase d'entraînement à l'intent actuellement sélectionné. L'icône devient verte lorsqu'une tâche est mise en file d'attente.
Met en file d'attente une tâche pour ajouter l'expression de l'utilisateur final associée à la ligne en tant que phrase d'entraînement à l'intent de remplacement par défaut. Cela entraîne la création d'un exemple négatif. L'icône devient orange lorsqu'une tâche est mise en file d'attente.
Met en file d'attente une tâche pour supprimer la ligne. L'icône devient rouge lorsqu'une tâche est mise en file d'attente.
Approuver Exécute les tâches en file d'attente pour toutes les lignes.

Annotations

Lorsque vous consultez une conversation dans la vue d'entraînement, les expressions de l'utilisateur final affichent les entités correspondantes sous la forme d'annotations mises en surbrillance. Pour ajouter ou modifier une annotation, procédez comme suit :

  1. Cliquez sur une annotation ou sélectionnez les mots que vous souhaitez annoter.
  2. Choisissez une entité existante dans le menu.

Capture d'écran de l'annotation

Importer des conversations

Vous pouvez importer les fichiers de données de conversation que vous avez préparés ou enregistrés dans l'outil d'entraînement. L'importation de conversations peut servir à améliorer un agent existant. Pour importer une conversation, cliquez sur le bouton Importer en haut de la page. Vous pouvez ensuite analyser ces données pour les ajouter aux données d'entraînement, comme décrit ci-dessus.

Vous trouverez ci-dessous le format du contenu du fichier, ainsi que les limites et résultats associés :

  • Chaque fichier importé génère une seule conversation dans l'outil d'entraînement.
  • Les requêtes ne sont pas envoyées à l'API de détection d'intent. Par conséquent, aucun contexte n'est activé et aucun intent n'est mis en correspondance.
  • Un fichier texte unique ou une archive zip pouvant contenir jusqu'à 10 fichiers texte.
  • La taille maximale d'une importation est de 3 Mo.
  • Les fichiers ne doivent contenir que des expressions d'utilisateur final délimitées par des sauts de ligne.
  • Idéalement, les fichiers ne doivent contenir que des données utiles en tant que phrases d'entraînement.
  • L'ordre des expressions d'utilisateur final importe peu.

Voici un exemple de fichier :

I want information about my account.
What is my checking account balance?
How do I transfer money to my savings account?

Bonnes pratiques

Utiliser l'outil d'entraînement à différentes étapes du développement

Utilisez l'outil d'entraînement à différentes étapes du développement de l'agent et affinez vos données d'entraînement à chaque étape :

  • Avant de déployer votre agent en production, testez-le avec un petit groupe d'utilisateurs.
  • Peu de temps après la mise en production de votre agent, vérifiez si les conversations réelles se déroulent comme prévu.
  • Chaque fois que des modifications importantes sont apportées à votre agent, vérifiez que celles-ci se comportent comme prévu.
  • Exécutez l'outil régulièrement pour les agents de production afin d'effectuer une analyse régulière.

Importer des données de qualité

Les éléments suivants peuvent souvent constituer des sources de données utiles :

  • Journaux de conversations avec des agents du service client
  • Conversations avec l'équipe d'assistance en ligne (e-mail, forums, questions fréquentes)
  • Questions des clients sur les médias sociaux

Vous devez éviter les types de données suivants :

  • Expressions d'utilisateur final longues et non conversationnelles
  • Expressions d'utilisateur final qui ne correspondent à aucun des intents de votre agent
  • Journaux de propos non tenus par les utilisateurs finaux (par exemple, des réponses provenant d'agents du service client)