DevPro

Introduction

Le projet DevPro s'inscrit dans le cadre d'une collaboration avec la HES-SO visant à améliorer l'expérience utilisateur sur le site de la plateforme DevPro. Il a pour objectif la conception d'un chatbot intelligent capable de répondre aux questions fréquentes des utilisateurs sur les formations continues, allégeant ainsi la charge administrative.

Contexte

Le centre DevPro propose des formations pour les enseignants de la HES-SO, allant des cours pédagogiques aux programmes de management. Avec plus de 10 000 enseignants, le nombre de requêtes administratives est conséquent, notamment sur des informations récurrentes telles que :

• Conditions d'obtention des attestations didactiques.
• Inscriptions et niveaux des cours.
• Informations générales des modules de formation.

L'objectif est donc de mettre en place un chatbot IA capable de :

• Diriger l’utilisateur vers les informations pertinentes (FAQ, documents officiels).
• Répondre directement aux questions courantes grâce à des scénarios conversationnels optimisés.
• Réduire la charge de travail du secrétariat.

Phases du projet

Le projet a été organisé en 6 sprints selon une approche Agile :

1. Analyse : Étude des technologies IA open source et du contenu du site DevPro.
2. Conception : Définition des scénarios conversationnels et sélection des solutions technologiques.
3. Création des intentions et actions du chatbot : Développement des workflows conversationnels.
4. Implémentation de l'IA et du NLP : Utilisation de Rasa pour le traitement du langage naturel (NLU).
5. Intégration front-end/back-end : Développement de l'interface utilisateur et interconnexion avec l’API.
6. Industrialisation et tests : Mise en place des pipelines CI/CD et tests finaux.

Solutions envisagées

Deux solutions principales ont été comparées :

• Rasa (solution open source pour le NLP).
• MindsDB (utilisation d'IA via des requêtes SQL pour l'analyse des données).

Choix final : Rasa

Rasa a été sélectionné pour sa flexibilité et ses capacités de personnalisation, notamment :

• Création d’intentions et de scénarios conversationnels spécifiques.
• Intégration avec des bases de données vectorielles pour une recherche efficace via les embeddings.
• Déploiement via Docker, garantissant portabilité et scalabilité.

Architecture technique

Le chatbot utilise les technologies suivantes :

• Backend IA : Rasa pour le NLP et la gestion des dialogues.
• Base de données vectorielle : Milvus pour la recherche rapide des documents (extraction des FAQ).
• API OpenAI : Enrichissement des réponses grâce à des modèles LLM.
• Interface utilisateur : Développée avec Next.js pour une navigation fluide et un rendu performant.

Délivrables

• Chatbot fonctionnel : Intégré au site DevPro pour la phase de test.
• Code source : Disponible sur GitHub pour la transparence et la collaboration.
• Documentation technique : Détaillant l'architecture, les technologies et l'installation.
• Guide utilisateur : Pour une prise en main rapide du chatbot.
• Rapport final : Présentation des objectifs, défis, solutions et résultats obtenus.