IA vocale : comment elle comprend une demande de rendez-vous

Un patient appelle un lundi à 8 h 04 : « Bonjour, ce serait pour un rendez-vous pour ma fille, plutôt en fin de journée, mais pas mercredi. » Pour une secrétaire expérimentée, la phrase est banale. Pour une machine, elle contient une intention, un bénéficiaire, deux contraintes horaires et une ambiguïté, le tout prononcé en quatre secondes.

Transcription : de la voix au texte en temps réel

La première étape est la reconnaissance vocale. L'audio est découpé en tranches de quelques dizaines de millisecondes et converti en texte au fil de l'eau, sans attendre la fin de la phrase. Les moteurs actuels affichent un taux d'erreur de mots situé entre 4 et 8 % sur du français téléphonique, contre plus de 15 % il y a cinq ans. Le téléphone reste un environnement difficile : bande passante réduite, bruit de fond, accents régionaux, prénoms rares. Un bon système compense avec un lexique métier chargé à l'avance. Si votre cabinet propose des consultations d'orthoptie, le mot doit figurer dans le vocabulaire du moteur, sinon il sera transcrit en « orthopédie » une fois sur deux.

Extraction d'intention : repérer qui, quoi, quand

Le texte transcrit part ensuite vers un modèle de langage chargé de remplir une fiche structurée : motif de l'appel, personne concernée, préférences de créneau, exclusions. Dans notre exemple, il identifie que la patiente est la fille de l'appelant, que le créneau souhaité se situe après 17 h et que le mercredi est exclu. Cette étape porte un nom, le remplissage de slots, et concentre l'essentiel des progrès récents.

Une demande de rendez-vous ordinaire contient en moyenne trois contraintes implicites que l'appelant n'énonce jamais deux fois de la même façon.

Le modèle doit aussi absorber les corrections en cours de phrase : « jeudi... non, plutôt vendredi » doit aboutir à vendredi, pas à deux demandes contradictoires. Idem pour les informations données dans le désordre, le nom de famille épelé à moitié, ou le numéro de téléphone dicté par paquets de deux chiffres puis de trois.

Dialogue : confirmer sans faire répéter

Reste la partie la plus délicate : répondre. L'agent interroge l'agenda, propose un créneau compatible et reformule pour valider. Les règles qui séparent un dialogue fluide d'une expérience pénible tiennent en peu de points :

• reformuler la demande une seule fois, en une phrase, avant de proposer un créneau ;
• ne jamais redemander une information déjà donnée ;
• annoncer deux créneaux au maximum par tour de parole ;
• transférer à un humain après deux incompréhensions consécutives.

Comptez entre 45 et 90 secondes pour une prise de rendez-vous complète, confirmation SMS incluse. C'est plus lent qu'une secrétaire au sommet de sa forme, mais nettement plus rapide que sept minutes d'attente sur une ligne saturée un lundi matin. Et la machine, elle, décroche aussi à 19 h 30.