Pour des recommandations qui correspondent vraiment à vos goûts

À l’avenir, des systèmes reposant sur l’intelligence artificielle et l’apprentissage automatique (machine learning) pourront dialoguer avec vous plus efficacement. Ils tiendront compte de vos goûts et préférences pour vous faire de meilleures recommandations. C’est l’objet d’un projet de recherche auquel a contribué le professeur Laurent Charlin.

« Si on avait de meilleurs systèmes de dialogue, on pourrait avoir des discussions plus longues avec les assistants personnels, tels que Siri sur les produits Apple. […] En effet, Siri a besoin de comprendre le contexte dans lequel je suis et de penser aux habitudes ou aux goûts que j’ai, pour arriver à me donner une excellente recommandation. »

Le projet : vers des systèmes de recommandation conversationnels

Les limites des systèmes actuels

• Les systèmes de recommandation traditionnels sont, en général, basés sur les habitudes passées des utilisateurs (habitudes d’achat, consommation de vidéos ou de musique, par exemple).
• Les interactions entre les utilisateurs et les machines ne constituent pas vraiment un dialogue et manquent de naturel.
• De ce fait, les recommandations ne correspondent pas toujours aux souhaits effectifs des utilisateurs.

Modéliser des dialogues humains 

• Pour dépasser ces limites, les machines doivent apprendre à dialoguer efficacement avec les utilisateurs et à comprendre leurs réactions.
• Pour y parvenir, les chercheurs construisent des modèles simplifiés, basés sur l’analyse de milliers de transcriptions de dialogues humains – on parle de modèles d’apprentissage profond (deep learning).
• Ces modèles mathématiques s’inspirent du fonctionnement du cerveau humain. Ils comportent plusieurs couches de neurones, qui forment des réseaux à travers lesquels l’information circule.