L'arabe standard moderne est la langue du bulletin d'information, du contrat et de la circulaire ministérielle. Personne ne l'utilise pour demander pourquoi une carte a été refusée. Un appelant à Amman, Riyad, Le Caire ou Casablanca parle l'arabe de la rue dans laquelle il a grandi, utilise l'anglais ou le français pour les mots que la banque lui a appris, lit un numéro de compte comme sa mère lui a appris à compter et s'attend à être adressé avec le respect que son nom porte. Un agent vocal qui a été présenté dans une pièce calme sur un dialogue scénarisé en arabe standard n'a été testé contre aucun de ces éléments.
Un système vocal arabe doit être testé sur ses futurs appels : dialectes, changements de langue, nombres, bruit et demandes nécessitant une personne. Son aptitude à la production dépend des résultats, des actions autorisées et du transfert testé.
La langue de la démo n'est pas la langue de la ligne
L'arabe est une langue écrite et plusieurs langues parlées. L'arabe standard moderne est appris à l'école et utilisé pour l'écriture, la diffusion et le discours formel ; ce n'est la langue maternelle de personne. Les variétés parlées en diffèrent et les unes des autres par le vocabulaire, la grammaire, la prononciation et le rythme. Quatre groupes comptent pour une ligne de service dans la région : le Levantin (Jordanie, Syrie, Liban et Palestine), le Golfe (la péninsule arabique), l'Égyptien (le plus largement compris, après des décennies de cinéma et de télévision) et le Maghreb (Maroc, Algérie et Tunisie, le plus éloigné du reste et le plus fortement mêlé au français).
Les différences ne sont pas des accents. Ce sont des mots différents pour les fonctions les plus fréquentes dans une phrase.
| Anglais | Levantin | Golfe | Égyptien | Maghrébin | Norme |
|---|---|---|---|---|---|
| je veux | biddi | abi, abgha | ʿayiz | bghit | uride |
| what | shu | wesh, shu | eh | ash, shnu | madha |
| now | hallaʾ | al-hin | dilwaʾti | daba | al-ān |
| fine | mnīḥ | zen | kwayyis | mezyan | jayyid |
La prononciation bouge aussi. La lettre qaf est un arrêt de glotte au Caire et dans le discours urbain levantin, un g dans la majeure partie du Golfe et dans les zones rurales de Jordanie, et proche du son des manuels scolaires dans les villes du Maghreb. L'Égyptien Jim est un dur g. La négation, la formation des questions et le futur sont chacun construits différemment. Un modèle vocal formé à l'arabe standard et à un dialecte de prestige transcrira de manière adéquate un appelant du Caire et un appelant de Casablanca mal, et il fera les deux avec la même confiance.
La conséquence pour un acheteur est que « prend en charge l'arabe » n'est pas une affirmation qui peut être évaluée. Les questions sont de savoir quels dialectes, comment, sur quels enregistrements et avec quel résultat par dialecte plutôt qu'en moyenne.
Les appelants changent de langue et les numéros fonctionnent dans deux directions
Le changement de code est la norme
Un appelant jordanien ou du Golfe passe de l'arabe à l'anglais en une seule phrase, et le fait le plus souvent pour exactement les mots qui intéressent une banque ou une entreprise de télécommunications : transfer, account, card, statement, Bureau du Procureur, app, branch. Un appelant libanais peut ajouter le français. Un appelant marocain ou tunisien réalisera toute la partie transactionnelle de l'appel en emprunts français : virement, compte, carte, prélèvement. Ce n’est pas un échec de l’arabe de l’appelant. C’est ainsi que la langue est parlée par les personnes qui détiennent des comptes.
Les reconnaisseurs gèrent cela de trois manières. Certains sont limités à une seule langue par appel et transcrivent les mots anglais comme des bêtises arabes. Certains détectent le changement et échangent les modèles, perdant la première syllabe après chaque changement. Quelques-uns sont formés au discours mixte et le traitent comme un discours ordinaire. Seul le troisième est adapté à une ligne de service. Le test est un enregistrement d'un vrai client disant « biddi aʿmal transfer la account tani » et une transcription qui comprend chaque mot.
Numéros
L'arabe parlé lit d'abord les unités des nombres composés : vingt-cinq équivaut à « cinq et vingt » et cent vingt-cinq équivaut à « cent cinq et vingt ». Un appelant lisant un numéro de compte ou de référence peut le lire chiffre par chiffre, par paires, par centaines ou entièrement en anglais, et peut changer de méthode à mi-parcours. L'arabe écrit s'étend de droite à gauche, mais les chiffres qu'il contient s'étendent de gauche à droite, ce qui est important pour chaque transcription qu'un agent montre à une personne et pour chaque relecture qu'il génère. L'Égypte, le Levant et le Golfe écrivent les nombres avec les chiffres arabes orientaux ; le Maghreb utilise les mêmes chiffres occidentaux que l'Europe. Un système qui normalise correctement les numéros pour un marché les corrompt pour un autre, et un numéro de compte corrompu ne constitue pas une erreur de transcription. C'est un paiement à la mauvaise personne.
La réponse conceptuelle est procédurale et non linguistique. Chaque valeur critique est relue à l'appelant dans sa propre convention et confirmée avant que quoi que ce soit ne soit fait avec elle. Un fournisseur qui ne peut pas démontrer la relecture n'est pas prêt.
Noms et titres honorifiques
Les noms arabes se présentent sous plusieurs formes. Le nom sur le compte peut être une chaîne de prénom, père, grand-père et famille ; l'appelant peut donner son kunya, Abou Khalid ou Hum Sara, au lieu de leur prénom ; un nom de famille peut porter l'article défini ou le supprimer ; le même nom est translittéré dans les systèmes de la banque par Mohammed, Muhammad ou Mohamed. Faire correspondre le nom prononcé à l'enregistrement est un problème de données autant qu'un problème de parole, et il doit être résolu avant que la vérification puisse s'appuyer sur lui.
Les titres honorifiques sont le registre dans lequel l'institution s'adresse à ses clients. Oustaz, Médecin, Cheikh, Hajj, Bash-muhandis, le vocatif ya, les formes plurielles du respect : un appelant les attend, et un agent qui utilise le mauvais, ou aucun, a dit au client ce que l'institution pense d'eux. L'arabe infléchit également le verbe et l'adjectif selon le sexe de la personne adressée. L'agent doit savoir s'il s'adresse à un homme ou à une femme, ou être écrit de manière à ne jamais avoir à deviner. Ni l’un ni l’autre n’est automatique dans un système conçu en anglais.
Où la reconnaissance échoue
La reconnaissance vocale échoue à trois niveaux, et chacun doit être testé individuellement.
Le premier est le dialecte, décrit ci-dessus. Le deuxième est l'environnement acoustique : un appelant sur un téléphone portable dans une voiture, dans un souk, dans une cuisine avec une télévision allumée, sur un haut-parleur, avec un enfant au bout du fil. L'arabe possède un ensemble de consonnes distinguées par de fins signaux acoustiques, notamment des sons emphatiques et pharyngés qui n'ont pas d'équivalent dans les langues européennes, et le bruit supprime précisément ces signaux en premier.
Le troisième est le téléphone lui-même. La plupart des appels transitent toujours sur des canaux à bande étroite échantillonnés à huit kilohertz, avec une bande passante qui se termine bien en dessous des fréquences qui séparent s de ṣ et t de ṭ. Un modèle qui a obtenu de bons résultats en audio en studio ou sur les enregistrements d'applications pour smartphone n'a pas été testé sur le canal utilisé par vos clients. L'ensemble de test doit être réalisé à partir d'enregistrements téléphoniques et non à partir d'enregistrements téléphoniques.
Deux autres comportements méritent un test nommé. Les grands modèles de parole produisent parfois un texte fluide pendant le silence, maintiennent de la musique ou du bruit, un comportement généralement appelé hallucination ; sur une ligne de service, ce texte devient une intention puis une action. Et les transcriptions arabes sont écrites sans les voyelles courtes, donc une transcription peut être correcte en tant que texte et toujours ambigu en termes de sens. Ce que le modèle transmet en aval compte autant que ce qu’il a entendu.
Reconnaître les mots, ce n'est pas comprendre l'intention
Une transcription parfaite peut toujours conduire à une mauvaise action. La conversation arabe, dans tous les dialectes, a tendance à s'ouvrir sur des formules de salutation et de bénédiction, à placer la demande à la fin d'un long préambule et à l'adoucir de manière indirecte. L'appelant en dit long sur la carte qu'il a reçue le mois dernier, l'agence, la file d'attente et l'appel téléphonique précédent avant la phrase qui contient ce qu'il souhaite, et cette phrase peut contenir deux demandes. Un modèle linguistique adapté aux tickets d’assistance en anglais recherche la demande sur la première ligne.
Le deuxième échec est la traduction au milieu. Certains systèmes transcrivent l'arabe, le traduisent en anglais pour l'étape de raisonnement et traduisent la réponse. L'idiome dialectal, le titre honorifique et la formulation exacte d'un numéro par l'appelant sont perdus deux fois. L'agent doit raisonner dans la langue de l'appelant, ou se faire tester pour prouver que l'aller-retour ne perd rien d'important.
Le troisième est l’excès de confiance. Un agent qui n'a pas compris doit le dire une fois, dans le dialecte de l'appelant, et redemander. Un agent qui devine l'intention et agit en fonction de cette supposition est pire que le menu qu'il a remplacé, car le menu a au moins obligé l'appelant à appuyer lui-même sur le mauvais bouton.
Un agent qui n'a pas compris doit le dire une fois, dans le dialecte de l'appelant, et redemander. Un agent qui devine et agit est pire que le menu qu’il a remplacé.
L'avis, le consentement et la personne à la fin
Chaque appel a une ouverture légale avant d’avoir une ouverture conversationnelle. La loi jordanienne sur la protection des données personnelles, le RGPD pour tout client ou succursale européen, le LPD suisse révisé, les lois sur la protection des données des États du Golfe et les règles de protection des consommateurs des régulateurs des télécommunications et des banques de la région exigent chacun, selon leurs propres termes, qu'un appelant soit informé que l'appel est enregistré et pourquoi, et que l'enregistrement ne soit conservé que aussi longtemps que son objectif l'exige. La loi européenne sur l’IA ajoute, lorsqu’elle s’applique, l’obligation de dire à une personne qu’elle a affaire à une machine, sauf si cela ressort clairement du contexte. La Banque centrale de Jordanie et ses pairs de la région attendent d’une institution supervisée qu’elle sache où se trouvent les données de ses clients, qui les traite et comment une plainte concernant le canal est reçue et résolue.
L'avis doit être rédigé dans la langue de l'appelant, prononcée avant le début de l'enregistrement, et doit contenir une réponse en cas de refus. Un appelant qui refuse n’est pas un appel échoué ; ils sont acheminés vers une personne sur une ligne non enregistrée, lorsque c'est ce que la loi et la politique de l'institution exigent. Le consentement, lorsqu'il constitue la base légale, doit être recueilli sous une forme qui peut être produite ultérieurement, lors d'un appel.
La voix elle-même est une autre affaire. Une empreinte vocale utilisée pour la vérification est constituée de données biométriques, une catégorie spéciale en vertu du RGPD et des données sensibles en vertu de plusieurs lois de la région. La vérification vocale nécessite donc un consentement explicite, un cas de nécessité documenté et un plan de suppression, et elle ne devrait jamais être le seul facteur pour une transaction que la politique marque comme sensible.
Là où vit l'audio
Pour une banque, un assureur ou un ministère de la région, la question de l'architecture passe avant la question de l'exactitude. Un modèle vocal hébergé derrière une API signifie que l'audio du client quitte le pays à chaque fois que le téléphone sonne. Les régimes de protection des données de l'Arabie saoudite, des Émirats arabes unis, de la Jordanie et de l'Égypte limitent chacun le transfert transfrontalier de données personnelles, par des mécanismes différents ; les régulateurs bancaires ajoutent des règles d'externalisation qui exigent que l'institution connaisse, approuve et soit capable d'auditer chaque partie qui traite les données des clients ; et un programme souverain peut exiger que les modèles eux-mêmes fonctionnent sur une infrastructure nationale.
La conception fonctionnelle place le système de reconnaissance vocale, le modèle linguistique et le stockage de transcriptions dans le plan de données de l'institution, dans ses locaux ou dans un cloud national, et conserve uniquement la politique, la configuration et les mesures globales dans tout plan de contrôle exploité par le fournisseur. Posez trois questions au vendeur. « Région » signifie-t-il que l'audio est stocké dans la région ou qu'il y est également traité ? Le modèle qui s'exécute sur site est-il le même que celui présenté en démonstration, ou un modèle plus petit ? Et que trouve-t-on dans la liste des sous-traitants, par nom, pour le chemin qu'emprunte un enregistrement depuis le support jusqu'à la transcription ?
Le compromis est honnête et doit être indiqué dans la proposition. Le déploiement sur site nécessite une infrastructure fournie et exploitée par l'institution, limite le choix des modèles à ceux qui correspondent à cette empreinte et entraîne son propre coût. L'alternative est une promesse de résidence dans un contrat, qu'aucun auditeur ne peut inspecter.
Comment tester un fournisseur
N'acceptez pas de manifestation. Créez le test et effectuez-le à partir de vos propres appels.
Prenez des enregistrements de votre centre de contact existant, sur la base légale et sous l'anonymisation approuvée par votre fonction de confidentialité, et créez un ensemble stratifié par dialecte, par sexe, par tranche d'âge, par condition acoustique, par canal et par intention. Incluez les appels que vos agents ont trouvé difficiles. Incluez le silence, la musique d'attente et un appelant qui ne dit rien pendant dix secondes. Incluez l'appelant qui demande à parler à une personne dans la première phrase et l'appelant qui pose une question à laquelle l'agent n'est pas autorisé à répondre. Mesurez ensuite ce qui compte pour l'entreprise plutôt que ce qui est facile à calculer : si le numéro de compte a été saisi correctement, si l'intention a été comprise, si l'agent a remis le relais alors qu'il aurait dû et ne l'a pas fait alors qu'il n'aurait pas dû, et à quelle fréquence il a dit "Je ne sais pas" alors que c'était la vraie réponse.
| Demander | Une réponse sérieuse | Une réponse qui met fin à la conversation |
|---|---|---|
| Quels dialectes figuraient dans les données de formation ? | Dialectes nommés, avec des résultats par dialecte sur notre propre ensemble de tests | "Arabe", ou un seul chiffre moyen |
| Que se passe-t-il en cas de demande en dehors de la politique ? | Un refus manifesté dans le dialecte de l'appelant, puis un transfert | "Le modèle est très performant" |
| Que fait l’agent lorsqu’il n’est pas sûr ? | Demande une fois, puis cède ; c'est à nous de fixer le seuil | La confiance n'est pas exposée |
| Où l’audio est-il traité, et non stocké ? | Un plan de données nommé et des sous-processeurs nommés | Un nom de région sans distinction |
| À qui appartiennent l’ensemble d’évaluation et la conception de la conversation ? | Le client, comme livrables contre paiement | Conservé comme propriété du vendeur |
| Pouvons-nous exécuter l’ensemble de tests nous-mêmes avant chaque version ? | Oui, avec le harnais remis | Les tests sont effectués du côté du fournisseur |
Les comportements de refus méritent une attention particulière. Un agent qui ne peut pas dire « je ne sais pas » finira par dire quelque chose de pire, sur une ligne enregistrée, à un client. Testez-le avec des questions qui n'ont pas de réponse dans sa politique, avec un appelant qui insiste et avec un appelant qui essaie de le convaincre de participer à une transaction qu'il n'est pas autorisé à effectuer. L’agent qui refuse poliment, en dialecte, à chaque fois, est celui qui peut être défendu auprès d’un régulateur.
Que faire lundi
- Extrayez un échantillon d'enregistrements de votre ligne de service existante, sous la signature de votre responsable de la protection de la vie privée, et demandez à un locuteur natif d'étiqueter chacun d'eux par dialecte, mélange de langues, bruit et intention. C'est le début de votre ensemble de tests, et il vous appartient.
- Notez les intentions que l'agent peut résoudre seul, celles qu'il peut résoudre après vérification et celles qu'il doit toujours remettre à une personne. Demandez à la conformité de le signer avant qu'un fournisseur ne le voie.
- Demandez à votre fonction juridique l'avis d'enregistrement, la capture du consentement et la période de conservation pour chaque juridiction que vous servez, et décidez ce que l'agent fait lorsqu'un appelant refuse.
- Décidez du plan de données avant la liste restreinte des fournisseurs : sur site, dans le cloud national ou hébergé, et ce que votre régulateur bancaire ou sectoriel exige que vous puissiez montrer pour chacun.
- Insérez les six questions du tableau ci-dessus dans la demande de proposition et notez les réponses écrites avant qu'une démonstration ne soit programmée.
- Planifiez la première tranche de trafic en direct comme une intention, un dialecte et un segment, avec une personne examinant chaque appel, et définissez les numéros qui doivent être conservés avant que la tranche ne s'élargisse.
Sources et lectures complémentaires
Documents primaires liés au sujet de cet article. Ces sources ne cautionnent pas Altuon et ne valident pas ses affirmations commerciales.