Qu'est-ce que le backchanneling en IA vocale ?

Définition

Le backchanneling est le bref retour qu'un auditeur donne pendant qu'une autre personne a la parole, comme « mm-hm », « d'accord » ou « OK ». Il signale l'attention sans prendre le tour. Pour un agent vocal, c'est un son qui ne doit pas être traité comme une interruption.

Comment fonctionne le backchanneling

Dans une conversation ordinaire, l’auditeur n’est pas silencieux. Il dit « hum hum » ou « ouais » pendant que l’autre parle, hoche la tête ou émet de petits sons qui signifient « continue ». Les linguistes parlent de régulateurs, ou de backchannels en anglais. Ils sont brefs, tombent en général aux pauses naturelles de la phrase du locuteur, et celui-ci continue de parler après eux sans les traiter comme une réponse.

C’est la propriété essentielle. Un backchannel ne prend pas le tour. « Mm-hm » et « attendez, ce n’est pas la bonne adresse » sont deux brèves interjections qui démarrent pendant que l’agent parle. Seule la seconde change ce qui doit se passer ensuite.

Deux sens comptent pour un agent vocal.

  • Entendre les backchannels. L’appelant dit « d’accord » ou « oui » pendant que l’agent explique quelque chose. L’agent doit continuer. S’il traite ce son comme une interruption, il s’arrête en pleine phrase, attend la suite, et l’appelant doit dire « allez-y ».
  • Produire des backchannels. L’agent dit un bref « mm-hm » pendant que l’appelant épelle un long numéro ou raconte une histoire. Cela indique à l’appelant que la ligne est active et que l’agent suit. Sans cela, un long passage de parole de l’appelant se heurte au silence, et les gens se mettent à demander « vous êtes là ? ».

Pourquoi c’est important pour les agents vocaux

Mal géré, le backchanneling donne l’impression que le barge-in est défaillant. Un système qui s’arrête à toute parole détectée, y compris un accusé de réception d’un mot, fait bégayer la conversation. Les corrections habituelles consistent à ignorer les paroles très courtes pendant que l’agent parle, à exiger quelques centaines de millisecondes de parole soutenue avant de la traiter comme une interruption, ou à vérifier les mots reconnus et à ignorer une courte liste d’accusés de réception. Chacune a un coût. Un seuil plus long retarde aussi les vraies interruptions, et une liste de mots échoue sur les accusés qu’elle n’a jamais vus. Aucun réglage ne suffit à lui seul : testez donc avec des enregistrements d’appelants qui disent « d’accord » au mauvais moment.

Produire des backchannels demande plus de soin que les entendre. Un « mm-hm » au mauvais endroit chevauche l’appelant, et l’audio de l’agent lui-même peut alors être capté par son système de reconnaissance vocale. Il doit aussi éviter de s’insérer au milieu d’une suite de chiffres que l’appelant énonce. Une alternative plus simple est une courte confirmation à la fin de chaque bloc, comme « bien noté, et la suite ? ».

Le backchanneling varie selon la langue et la culture, dans sa fréquence comme dans les sons employés. Un seuil réglé sur une langue peut se tromper sur une autre.

Exemple

Un appel illustratif où l’agent lit une police d’assurance :

  • Agent : « Votre contrat se renouvelle le premier du mois, et le prix… »
  • Appelant : « Mm-hm. »
  • Agent : « …reste le même sauf si vous modifiez votre couverture. »

L’agent traite « mm-hm » comme un backchannel et continue. Si l’appelant avait dit « attendez », l’agent devrait s’arrêter.

Guides

Commencer aujourd'hui

Parlez à un expert.

Échangez avec notre équipe et découvrez comment Cartesia peut vous aider à créer des expériences vocales de premier plan.

Contacter les ventes

Commencez à développer.

Accédez à nos modèles via l'API et mettez un agent vocal en production en quelques minutes.

Essayer Cartesia