PolyAI dévoile Wren, un agent de programmation dédié aux systèmes de dialogue

PolyAI vise à rendre l'IA vocale autonome plus réaliste que jamais. Crédit : Getty

Matt Henderson, vice-président de la recherche chez PolyAI, explique comment Wren, un agent de codage autonome, optimise les agents de dialogue d’entreprise pour un meilleur service client

Depuis des années, les centres d'appels d'entreprise s'appuient sur des systèmes traditionnels de réponse vocale interactive (IVR).

Ces plateformes imposent aux clients des menus rigides et imbriqués qui, bien souvent, ne correspondent pas à leur intention réelle, ce qui entraîne des taux d’abandon élevés et une profonde frustration chez les consommateurs.

Si la première vague d’IA a apporté une amélioration marginale grâce à des chatbots textuels et à des modèles vocaux en cascade, ces solutions manquaient fondamentalement de la perception acoustique nécessaire pour gérer le flux naturel d’une conversation humaine, notamment les interruptions, les hésitations et les bruits de fond.

La solution, c’est PolyAI, une entreprise spécialisée dans l’IA née en 2017 au sein du Machine Intelligence Lab de l’université de Cambridge.

Soutenue par plus de 120 millions de dollars de financement provenant d’investisseurs majeurs, l’entreprise a été la première à développer des systèmes conversationnels natifs audio conçus pour gérer des interactions d’entreprise complexes et à enjeux élevés.

Mais l’ambition de l’entreprise ne s’arrête pas là. Alors que la plupart envisageraient l’intervention humaine comme le seul moyen d’améliorer l’IA agentive, PolyAI sort des sentiers battus avec Wren, un agent de codage qui analyse chaque conversation des agents et les améliore de manière proactive, ce qui se traduit par des gains considérables pour les entreprises.

PolyAI : la croissance en chiffres

• Valorisation estimée à 500 millions de dollars américains
• Plus de 200 millions de dollars levés au total
• Fondée en 2017 à Londres
• 86 millions de dollars levés lors d’un tour de table de série D

À l’écoute de la conversation : la transition vers le « natif audio »

Avant qu’une IA puisse améliorer de manière autonome une plateforme de service client, elle doit d’abord être capable de comprendre réellement l’appelant.

La norme du secteur en matière d’IA vocale a longtemps été une architecture en cascade : un moteur de reconnaissance vocale automatique (ASR) transcrit la parole en texte, un modèle de langage à grande échelle (LLM) génère une réponse textuelle et un moteur de synthèse vocale (TTS) synthétise le son.

Or, cette méthode prive l’appel de son contexte émotionnel et acoustique, faisant ainsi perdre des indices essentiels avant même que le LLM ne traite l’entrée.

Pour remédier à ce son synthétisé sans âme, PolyAI a créé Dialog-RSN-1, un modèle de dialogue de pointe qui perçoit et raisonne directement à partir des entrées audio brutes.

Dialog-RSN-1 combine la gestion des tours de parole, la reconnaissance vocale et la génération de réponses au sein d’un seul LLM sensible à l’audio, et est capable de percevoir les hésitations de l’appelant, de détecter sa frustration et de gérer les interruptions, exactement comme le ferait un agent humain.

Matt Henderson, vice-président de la recherche chez PolyAI, déclare dans un article de blog : « Pour les entreprises qui s’appuient sur PolyAI, cela se traduit par des agents de dialogue qui écoutent et gèrent un appel comme le ferait un excellent agent humain : en repérant les hésitations, en percevant la frustration avant qu’elle ne s’aggrave et en sachant exactement quand prendre la parole. »

Ce qui distingue ce modèle, c’est qu’il limite la prise en compte de l’audio au seul côté « entrée ». Il utilise en effet un système de synthèse vocale (TTS) distinct pour la génération, ce qui permet aux entreprises de garder un contrôle strict sur le ton de la marque et les règles de conformité, tout en atteignant une latence de réponse inférieure à 300 millisecondes.

Matt Henderson, vice-président de la recherche chez PolyAI, affirme que les agents conversationnels écoutent et gèrent un appel comme le ferait un excellent agent humain. Crédit : matthen.com

Wren : l’agent derrière les agents

Si le déploiement d’un agent vocal hautement performant et natif pour l’audio résout les frictions immédiates liées à l’interaction client, cet agent ne peut pas être simplement déployé puis oublié. En effet, le défi à long terme pour les entreprises réside dans la maintenance et l’optimisation.

Historiquement, l’amélioration d’un agent IA nécessitait que des équipes d’ingénieurs spécialisées examinent manuellement un petit échantillon de journaux d’appels, identifient les cas limites et codent de nouveaux chemins conversationnels. Or, ce processus est chronophage et coûteux pour l’entreprise moderne.

C’est là qu’intervient Wren, l’agent de codage de PolyAI intégré nativement à sa plateforme Agentic Dialog. Fonctionnant comme ce que PolyAI décrit comme « l’agent derrière vos agents », Wren surveille, affine et optimise de manière autonome et continue les agents de dialogue en contact avec la clientèle.

Contrairement aux outils d’analyse traditionnels qui s’appuient sur des résumés de haut niveau ou de petits échantillons, Wren analyse 100 % des interactions en temps réel avec les clients, tous canaux confondus.

Wren fonctionne principalement grâce à deux mécanismes d’optimisation parallèles : l’auto-réparation et l’auto-amélioration.

Arkadiusz Kwapiszewski, responsable de l’Agent OS chez PolyAI, explique les concepts d’auto-réparation et d’auto-amélioration. Crédit : LinkedIn

Arkadiusz Kwapiszewski, responsable de l’Agent OS chez PolyAI, explique : « L’auto-réparation détecte ce qui ne fonctionne pas chez votre agent et le répare, tandis que l’auto-amélioration identifie les points qui fonctionnent déjà mais pourraient être améliorés, en fonction des indicateurs qui comptent le plus pour vous. »

« Vous définissez les indicateurs, et Wren recherche les opportunités permettant de les améliorer. L’impact peut ensuite être validé grâce aux capacités de tests A/B de la plateforme Agentic Dialog.

« Premièrement, il procède à une « auto-réparation », en identifiant automatiquement les bugs, les intégrations défaillantes ou les sources de frustration des clients, puis en générant le code nécessaire pour y remédier.

« Ensuite, il poursuit une « auto-amélioration » axée sur les KPI. Wren recherche de manière proactive les opportunités d’optimiser les interactions par rapport aux indicateurs clés de performance (KPI) stratégiques, tels que la satisfaction client (CSAT), les taux de rétention des appels et les conversions de réservations. »

L’« auto-réparation » détecte ce qui ne fonctionne pas dans votre agent et le répare, tandis que l’« auto-amélioration » identifie les éléments qui fonctionnent déjà mais pourraient fonctionner mieux

. Arkadiusz Kwapiszewski, responsable de l’Agent OS chez PolyAI

Principaux bailleurs de fonds de PolyAI

• NVIDIA : NVIDIA apporte bien plus qu’un simple soutien financier. Elle fournit également l’infrastructure matérielle essentielle qui permet à PolyAI de traiter la reconnaissance vocale, la compréhension des intentions et la synthèse vocale en quelques millisecondes seulement.
• Khosla Ventures : cette société de capital-risque soutient fidèlement PolyAI depuis ses premiers tours de table. Khosla Ventures se concentre sur les entreprises technologiques en phase de démarrage qui ont le potentiel d’avoir un impact sociétal et économique considérable.
• Hedosophia : En tant que société d’investissement internationale, Hedosophia a mené le tour de table de série C de PolyAI, d’un montant de 50 millions de dollars, et a co-dirigé le tour de table de série D qui a suivi, d’un montant de 86 millions de dollars. Le soutien financier continu d’Hedosophia a permis à PolyAI d’étendre son déploiement aux secteurs de l’hôtellerie, du commerce de détail et des services financiers.