Yext, la plateforme de gestion de la réputation en ligne, annonce le lancement en version bêta de Yext Chat, sa solution conversationnelle basée sur ChatGPT d’OpenAI et Bloom, le projet développé par l’INRIA et des laboratoires partenaires français. La solution permettra aux organisations de proposer à leurs audiences en ligne des expériences conversationnelles basées l’IA. En attendant la disponibilité de Yext Chat dans le courant de l’année, Yext propose de s’inscrire à la liste d’attente pour tester une version bêta. La plateforme de Yext propose des fonctions telles que la gestion des inscriptions, le suivi et la réponse aux avis, l’analyse, ainsi qu’un graphique de connaissances, qui utilise l’intelligence artificielle pour fournir de meilleures réponses aux questions des clients. Yext propose également des intégrations avec d’autres outils logiciels, tels que les systèmes de gestion de la relation client (CRM) et les plateformes d’automatisation du marketing.
GPT3 et Bloom de l’INRIA, entre autres
Depuis le lancement de YextSearch en 2019, Yext combine l’usage de plusieurs IA et de grands modèles de langages dans ses offres. YextSearch est notamment connu pour son approche à plusieurs algorithmes exploitant des versions spécifiques de BERT, DistilBERT et MPNET, visant à comprendre le langage naturel et à délivrer des réponses pertinentes à partir de sources de contenu structurées et non structurées. Le nettoyage de données, l’analyse des termes de recherche, le clustering ainsi que les fonctionnalités de génération du contenu en cours de développement utilisent GPT-3 et Bloom (l’IA basée générative développée par l’INRIA et ses partenaires). Yext Chat génère des réponses avec du contenu stocké dans le Knowledge Graph (graphique des connaissances) de Yext, ce qui permet d’avoir un meilleur contrôle sur le contenu des réponses. En effet, le fait de reposer les réponses sur les informations contenues dans les Knowledge Graph permet de réduire les biais. En effet, les grands modèles de langages (LLM) à usage général sont entraînés sur des larges bases de données variées et publiques incluant généralement peu ou aucune information fiable provenant directement de l’entreprise. Pour cette raison, l’exactitude des réponses générées ne peut être vérifiée de manière fiable ou indépendante, un défi pour les entreprises, en particulier lorsque les modèles répondent en s’appuyant sur des données incomplètes, inexactes et non vérifiées.
« Nous avons volontairement construit notre plateforme pour qu’elle soit agnostique par rapport aux modèles de langages. Plusieurs modèles sont adaptés à différentes tâches, et il est important que les organisations conservent la flexibilité nécessaire pour tirer parti du meilleur pour chaque cas d’usage », a déclaré Max Shaw, SVP de la gestion des produits chez Yext.
