Agent Conversationnel Réaliste // Realistic Conversational Agent

L’objectif de cette thèse est créer un·e agent·e conversationnel·le réaliste, doté·e d’une « personnalité ». Les agents conversationnels, autrement appelés chatbots, ont fait l’objet d’un phénomène de mode impressionnant il y a quelques années. Les startups ont fleuri et les prévisions de croissance étaient gigantesques. Depuis, la ferveur est retombée. Les chatbots sont devenus des outils parmi d’autres dans la relation client sur internet. Les technologies se sont standardisées autour de détecteurs d’intention et d’accès aux bases de données.

Il est désormais très facile de créer un agent conversationnel pour une tâche donnée. Il est même faisable de lui faire accepter des entrées variées non prévues à l’avance et de lui faire générer un texte fluide, syntaxiquement et sémantiquement correct. Par contre, il est très difficile de produire un agent générique capable de s’adapter très rapidement à une tâche nouvelle.

Le but de cette thèse est de résoudre cette problématique. Le modèle de génération de réponse devra prendre en entrée une description des connaissances de l’agent·e sur le monde, sur iel-même et sur la conversation en cours de façon à générer des réponses en cohérence avec ce modèle. Ces connaissances externes devront pouvoir être facilement remplacées ou mises à jour. L’agent·e conversationnel·le produit·e sera développé·e et expérimenté·e dans le cadre du projet européen Cortex² visant, pour un de ses cas d’usage, à produire des outils facilitant l’expérience des réunions en ligne ou mixtes.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The goal of this PhD is to create a realistic conversational agent with a personality. Conversational agents, otherwise known as chatbots, were the subject of an impressive hype phenomenon a few years ago. Startups flourished and growth forecasts were gigantic. Since then, the fervor has subsided. Chatbots have become just another tool in the customer relationship on the Internet. Technologies have become standardized around intention detectors and database access.

It is now very easy to create a conversational agent for a given task. It is even feasible to make it accept various inputs not foreseen in advance and to make it generate a fluid, syntactically and semantically correct text. On the other hand, it is very difficult to produce a generic agent able to adapt very quickly to a new task.

The goal of this thesis is to solve this problem. The response generation model should take as input a description of the agent's knowledge about the world, about itself and about the current conversation in order to generate responses consistent with this model. This external knowledge must be easily replaced or updated. The conversational agent produced will be developed and experimented within the framework of the European project Cortex² aiming, for one of its use cases, to produce tools to facilitate the experience of online or mixed meetings.


------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Intelligence Artificielle pour le Langage et la Vision
Laboratoire : Laboratoire Analyse Sémantique Textes et Images
Date de début souhaitée : 01-07-2023
Ecole doctorale : Sciences et Technologies de l’Information et de la Communication (STIC)
Directeur de thèse : SEMMAR Nasredine
Organisme : CEA
Laboratoire : DRT/DIASI//LASTI
URL : https://kalisteo.cea.fr/index.php/textual-and-visual-semantic/

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Intelligence Artificielle pour le Langage et la Vision

Master 2 en TAL ou Ingénieur avec une expérience de recherche en TAL