Chatbot : définition simple, un exemple concret
Chatbot, définition claire : les deux familles (règles et modèle de langage), un exemple concret, et pourquoi l’une invente quand l’autre bloque.
Un chatbot est un logiciel qui tient une conversation en texte avec une personne. C’est la définition entière — et elle cache une différence qui change tout le reste : il existe deux familles de chatbot, qui ne se comportent pas du tout pareil face à une question inattendue.
Les deux familles de chatbot
La première famille suit un scénario écrit à l’avance : un menu de boutons, ou une liste de formulations reconnues — « horaires », « facture », « remboursement ». Posez la question exactement comme prévu, et la réponse arrive instantanément. Posez-la autrement, et le chatbot bloque ou répond à côté, parce qu’il ne comprend pas, il reconnaît.
La seconde famille repose sur un modèle de langage — ChatGPT, Claude, Gemini, Le Chat de Mistral. Celui-ci ne suit pas un script : il génère une réponse à partir de la formulation réelle, même inattendue. C’est plus souple, mais la souplesse a un prix. Un chatbot à règles qui ne sait pas répondre le dit clairement. Un modèle de langage, lui, peut répondre avec assurance à une question dont il n’a pas la réponse exacte — et c’est là que la vérification devient nécessaire.
Un exemple concret
Même question posée aux deux familles : « Est-ce que vous êtes ouverts dimanche ? » Un chatbot de service client à règles, programmé avec les horaires exacts du magasin, répond juste si la question correspond au mot-clé attendu — et dit « je ne comprends pas » sinon, sans jamais inventer un horaire.
Posée à ChatGPT sans information sur ce magasin précis, la question reçoit une réponse plausible mais non fondée — parce que le modèle ne connaît pas les horaires réels de cette boutique, seulement des horaires d’ouverture plausibles en général. La bonne pratique : donner l’horaire réel dans la question elle-même — « Nos horaires sont du lundi au samedi, 9h-19h, fermé le dimanche. Peux-tu rédiger une réponse courte et polie pour un client qui demande si on est ouvert dimanche ? » — puis vérifier que la réponse rédigée reprend bien ce fait exact, sans en ajouter un autre.
Un chatbot à règles qui ne sait pas, le dit. Un modèle de langage qui ne sait pas peut répondre quand même — ce n’est pas un défaut caché, c’est le prix de la souplesse.
Ce qu’un chatbot ne sait pas tout seul
Ni l’une ni l’autre famille ne connaît vos informations internes par magie. Un chatbot à règles doit être programmé avec chaque réponse exacte. Un modèle de langage doit recevoir l’information dans la conversation, ou via une recherche web activée — sans cela, il complète avec ce qui est statistiquement plausible, pas avec ce qui est vrai pour votre cas précis.
La frontière entre les deux familles devient d’ailleurs plus floue avec les chatbots qui évoluent en agents capables d’agir, pas seulement de répondre — Mistral a par exemple rebaptisé son chatbot Le Chat en Vibe pour marquer ce passage d’un simple assistant conversationnel à un agent de travail. Mais la vérification reste la même quelle que soit l’étiquette : lire la réponse jusqu’au bout et la comparer à ce que vous savez réellement de la situation.
La CNIL rappelle à ce sujet qu’une réponse générée reste une production statistique, pas une consultation d’une base de faits vérifiés — un rappel qui vaut autant pour un chatbot grand public que pour un assistant interne à l’entreprise. Le degré de confiance à accorder à une réponse qui « sonne juste » continue de progresser plus lentement qu’on ne l’imagine, selon le suivi année après année du Stanford AI Index. C’est pourquoi l’OCDE présente la vérification humaine d’un résultat généré comme une étape normale d’un usage responsable, pas comme une précaution optionnelle réservée aux cas sensibles. Et ce n’est pas une compétence accessoire : le PwC AI Jobs Barometer mesure une prime salariale pour les personnes qui savent cadrer et vérifier ce type d’outil au quotidien, pas seulement le faire fonctionner.
À essayer lundi
- Repérez un chatbot à règles que vous utilisez déjà — service client, FAQ d’un site — et notez une question à laquelle il refuse de répondre : c’est le signe qu’il reconnaît des mots-clés, pas qu’il comprend.
- Posez la même question à un modèle de langage comme ChatGPT, en lui donnant l’information réelle dont il a besoin dans la question elle-même.
- Lisez la réponse en entier et comparez-la à ce que vous savez vraiment de la situation, pas seulement au ton de la réponse.
- Notez ce que l’outil a inventé ou approximé, si c’est le cas — c’est la base pour écrire une meilleure question la prochaine fois.
Pour construire un chatbot à règles qui tient la route plutôt que de tester les limites d’un modèle de langage, Chatbot exemple détaille ce qui distingue un bon périmètre d’un mauvais. Si c’est plutôt une application métier complète qu’il vous faut, Chatbot application montre comment cadrer une tâche précise. Pour choisir l’outil sans payer pour commencer, Chatbot gratuit liste ce qui marche sans abonnement. Et si vous comparez plusieurs logiciels avant de vous engager, Logiciel chatbot détaille les critères qui comptent vraiment.
Cette vérification — comparer une réponse générée à ce que vous savez réellement, avant de l’envoyer — c’est exactement ce que Coursium fait pratiquer en quelques minutes sur le téléphone, sur de vraies tâches plutôt que sur des exemples jouets. Gardez une longueur d’avance sur l’IA. Plus de détails sur Coursium.