Un chatbot qui comprend la darija : ce que ça ajoute au travail

Un commerçant de Bab El Oued reçoit une centaine de messages par jour et veut y répondre plus vite. Il demande un assistant « qui comprend la darija », parce que c’est ce que ses clients écrivent. La question qu’on lui pose d’abord n’est pas laquelle des trois langues il veut, c’est de nous montrer cent messages réels.

C’est là que le sujet devient concret. Un système d’intelligence artificielle moderne se débrouille avec beaucoup de darija ; ce qu’il ne fait pas, c’est deviner comment vos clients écrivent les mots qui comptent pour vous. Le travail supplémentaire est là, et il se mesure en jours de mise au point, pas en fonctionnalité à acheter.

Cet article décrit ce que la darija ajoute au travail, ce qu’elle casse quand on l’ajoute mal, et les trois cas où le français seul suffit. Il ne reprend pas ce qu’un assistant doit refuser de répondre, qui est le préalable, et il ne parle pas de prix : la raison est dans la section 5.

La darija écrite n’a pas de norme, et ce n’est pas un défaut : c’est une langue parlée que ses locuteurs écrivent au son. Le même mot arrive donc en plusieurs graphies latines, en plusieurs graphies arabes, avec ou sans chiffres, avec des voyelles écrites ou non, coupé ou attaché.

Pour un système, la conséquence n’est pas qu’il ne comprend pas : c’est qu’il ne rapproche pas. Deux clients qui demandent la même chose produisent deux formes différentes, le système reconnaît l’une et pas l’autre, et le journal des questions sans réponse se remplit d’une même demande écrite de six façons.

Le travail consiste donc à construire une liste de variantes pour les mots qui décident chez vous — les produits, les gestes commerciaux, les mots de disponibilité et de prix — puis à régler un seuil de rapprochement. Ce n’est pas une liste de traduction et il ne faut pas la confondre avec une : elle relie des écritures à une intention, pas un mot à un autre.

La partie qui surprend est que cette liste ne se devine pas. Trois personnes qui parlent parfaitement la darija en produiront trois listes différentes, et aucune ne ressemblera à ce que vos clients écrivent réellement. C’est pour cela que la section précédente vient avant celle-ci.

Comprendre la darija et répondre en darija sont deux décisions distinctes, et la seconde n’est pas technique. Une réponse écrite en darija latine paraît proche et familière à une partie de vos clients, et négligée à une autre — la même phrase, lue par un client institutionnel ou par un fournisseur, dit que l’entreprise écrit comme on parle.

La position que nous conseillons est asymétrique et elle est simple à tenir : comprendre les trois langues, répondre en français ou en arabe standard selon la langue dominante du message, dans un registre court et concret. Le client n’a pas besoin de vous lire en darija ; il a besoin d’être compris quand il l’écrit.

Il existe une exception franche, et c’est le message vocal transcrit ou l’échange très informel sur une messagerie où votre marque est déjà familière. Là, une réponse dans le registre du client est cohérente — et le canal impose déjà ses propres contraintes avant celle-là. C’est une décision à prendre une fois, à écrire, et à appliquer partout — pas un réglage par canal.

Ce qu’il ne faut jamais faire est de laisser le système choisir seul son registre message par message. La variation est visible pour un client qui écrit deux fois, et elle donne l’impression de parler à deux entreprises différentes.

Le vocabulaire commercial bouge : un produit sort, une promotion crée une formule, une expression circule, un quartier prend un surnom. Une liste de variantes figée perd de sa portée à chaque saison, sans que rien ne le signale — le journal se remplit un peu plus, et personne ne fait le lien.

Le rythme utile est trimestriel et le travail est court : relire les questions sans réponse depuis la dernière fois, en tirer les formes nouvelles, les ajouter, rejouer le jeu de test. Une heure ou deux, à condition que le journal existe et que quelqu’un en soit responsable.

Cette responsabilité doit être nommée à l’intérieur de l’entreprise, et c’est la partie qu’on délègue le plus volontiers et le plus mal. Un prestataire peut tenir la mécanique ; il ne saura pas qu’une nouvelle expression désigne votre produit chez vos clients, parce que ce sont vos clients.

Une entreprise qui ne peut nommer personne pour cette heure trimestrielle devrait s’en tenir aux trois cas de la section 7, et traiter ses messages à la main. C’est une réponse acceptable et elle vaut mieux qu’un système qui se dégrade.

Nous lisons vos cent messages avec vous, nous en tirons la liste de variantes et le jeu de test, nous réglons le seuil de rapprochement sur vos données, et nous repassons après deux semaines d’usage réel. Nous laissons la liste et le jeu de test chez vous, dans un format que quelqu’un d’autre peut reprendre.

Nous refusons d’annoncer un taux de compréhension. Nous n’avons pas de corpus annoté ni de comparaison entre modèles, et un pourcentage avancé sans cela mesurerait autre chose que ce qu’il prétend. Le seul chiffre honnête est celui que produit votre jeu de test sur vos messages, et il vous appartient.

Nous refusons aussi de livrer une réponse automatique en darija sur un canal où votre marque parle autrement, même demandée : la variation de registre se voit en deux messages et elle coûte plus que le gain de proximité.

Ce que vous pouvez faire sans nous est la première moitié du travail : les trois colonnes de la section 11, sur cent messages, un après-midi. Beaucoup d’entreprises découvrent là que leur difficulté est le catalogue et non la langue, et ce que dit la liste de ce qu’un assistant doit refuser leur sera plus utile que la darija.