Incorporation de Traits de Personnalité dans les Agents Conversationnels à base de GML : Étude de Cas de l'Assistance Client en Français
Ahmed Njifenjou, Virgile Sucal, Bassam Jabaian, Fabrice Lefèvre
Résumé : Parmi les diverses théories élaborées pour capturer la complexité multidimensionnelle de la personnalité humaine, particulièrement en psychologie, le modèle des Big Five, aussi appelé « OCEAN », en raison de ses cinq dimensions principales, s'est affirmé comme un cadre analytique prééminent. Ce modèle a été incorporé dans le développement de chatbots mais les méthodes actuelles, comme l'emploi de paires binaires de traits ou l'analyse isolée de chaque trait, ne parviennent pas à rendre compte de la richesse nuancée de la personnalité humaine. Dans cette recherche, nous introduisons une approche fondée sur une représentation vectorielle, où chacune des dimensions représente l'intensité d'un trait OCEAN sur une échelle continue. Cette nouvelle méthode accroît la flexibilité et améliore la fidélité du modèle dans la capture de la diversité des personnalités. L'application aux scénarios d'assistance client en français démontre que, sur la base de conversations humains-bots ainsi que bots-bots, les vecteurs de personnalité attribués sont distinguables à la fois par les humains et par les GML. Leurs évaluations subjectives confirment les impacts mesurables de la personnalité attribuée sur l'expérience utilisateur, l'efficacité de l'agent et la qualité des conversations.
Mots clés : Agent Conversationnel, Personnalité, Big Five, Vecteur de Personnalité, Grands Modèles de Langue (GML).