Définition
Le barge-in, c'est l'appelant qui parle alors que l'agent parle encore. Le terme désigne aussi la capacité qui permet au système d'accepter cette parole et d'arrêter le message de l'agent, au lieu de faire attendre l'appelant.
Comment fonctionne le barge-in
Le terme vient des serveurs vocaux interactifs. VoiceXML 2.0, la norme du W3C pour ces systèmes, donne à chaque message un attribut bargein. S’il est vrai, l’utilisateur peut interrompre le message. S’il est faux, l’utilisateur doit attendre la fin du message.
La même norme définit la manière de détecter l’interruption, avec bargeintype. Avec speech, le message s’arrête dès que de la parole ou une tonalité du clavier est détectée, quoi qu’il ait été dit. Avec hotword, le message continue jusqu’à ce que l’entrée corresponde à une grammaire attendue par le système, et tout le reste est ignoré. L’option hotword existe parce que le bruit, la toux et les conversations parallèles couperaient sinon les messages.
Un agent vocal moderne a la même décision à prendre, avec un système de reconnaissance en flux continu et un LLM à la place d’une grammaire. Il doit écouter pendant qu’il parle, ce qui implique de séparer la voix de l’appelant de son propre audio qui revient en écho sur la ligne. Il doit ensuite décider si le son est une vraie interruption ou quelque chose à ignorer, comme « mm-hm ». Ce dernier cas est le backchanneling.
Détecter le barge-in n’est que la première moitié. Y réagir relève de la gestion des interruptions : l’agent arrête sa parole, garde la trace de ce que l’appelant a réellement entendu et répond à ce qu’il a dit.
Pourquoi c’est important pour les agents vocaux
Les appelants interrompent constamment. Ils corrigent une date, disent « oui, c’est ça » avant la fin d’une relecture, ou demandent une personne au milieu d’un menu. Un agent qu’on ne peut pas interrompre les oblige à écouter toute la phrase, et cela sonne comme une machine.
Deux choses tournent mal en pratique. Un agent trop sensible s’arrête pour un claquement de porte ou une télévision en fond, puis s’interrompt au milieu d’un mot. Un agent trop lent continue de parler une seconde après que l’appelant a commencé, et les deux parlent en même temps.
Certains contenus ne doivent pas pouvoir être interrompus. Une mention obligatoire ou la relecture d’un montant de paiement sont souvent diffusées avec le barge-in désactivé, afin que l’appelant les entende en entier avant que l’agent accepte une question.
Le barge-in est un comportement de l’appelant. La manière dont le système y répond a son propre nom, et les deux doivent être testés séparément.
Exemple
Un appel illustratif :
- Agent : « Votre rendez-vous est le jeudi 8 octobre à quatorze heures trente, avec le docteur… »
- Appelant : « En fait, mettez plutôt vendredi. » (commence à parler à « avec »)
La parole de l’appelant est le barge-in. Que l’agent s’arrête en une fraction de seconde, oublie l’ancienne date et traite « vendredi » relève de la gestion des interruptions.
Termes liés
Guides
- Détection d'activité vocale : la VAD pour les agents vocaux
- Conception d'IA conversationnelle pour agents vocaux