Qu'est-ce que le dialogue design ? Concevoir des conversations d'IA qui fonctionnent vraiment

Qu'est-ce que le dialogue design ? Un plan de conversation replié en un parcours navigable avec une porte de transfert

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

Un opérateur télécom a déployé un chatbot de service client. Il savait répondre aux questions sur la facturation, les changements de compte et les pannes. Un client écrit : « Je veux résilier. » Le bot demande : « Que puis-je faire pour vous aujourd'hui ? » Le client répète : « résilier mon compte ». Le bot répond : « Je peux vous aider pour les questions liées à votre compte. Souhaitez-vous mettre à jour vos informations de facturation ? »

Personne n'avait conçu le parcours de résiliation. Le client a fini par appeler, furieux. Le bot fonctionnait techniquement ; le dialogue design, lui, avait totalement échoué.

Le dialogue design est la discipline qui structure les conversations entre les systèmes d'IA et les humains pour qu'elles atteignent leur objectif de façon fiable, gèrent proprement les saisies inattendues et n'engendrent pas le type de frustration qui pousse les clients à se plaindre sur les réseaux sociaux.

Ce que couvre le dialogue design

Le dialogue design se situe au croisement du design UX, de la linguistique et de l'architecture des systèmes d'IA. Il ne se limite pas à ce que dit le bot : il s'agit de structurer les conversations pour qu'elles avancent vers des objectifs.

Le système de dialogue design : une boîte à outils de conversation rangée dans une seule mallette de planification ouverte

La conception des intents et des slots définit ce que le système comprend. Un intent est une catégorie d'objectif utilisateur (« prendre rendez-vous », « suivre une commande », « obtenir des informations tarifaires »). Les slots sont les variables nécessaires pour y répondre (« quelle date », « quel numéro de commande », « quel produit »). Le dialogue design détermine les intents que le système prend en charge, les informations à recueillir et leur ordre.

La conception des flux cartographie les chemins possibles dans une conversation. Pour une tâche orientée objectif, il faut définir le parcours nominal (l'utilisateur fournit ce qui est demandé et la tâche aboutit), les parcours de clarification (la saisie est ambiguë et le système a besoin de précisions), les parcours d'erreur (le système ne comprend pas ou la saisie est invalide) et les parcours d'escalade (la conversation dépasse le périmètre du système et passe à un humain).

La gestion des échecs de compréhension (fallback) détermine ce qui se passe quand le système ne comprend pas. C'est souvent là que naît la frustration. Un système qui répète à l'infini « Je n'ai pas compris, pouvez-vous reformuler ? » sans proposer d'alternative ni escalader illustre un mode de défaillance que le mauvais dialogue design crée et que le bon prévient.

La persona et la voix définissent la manière dont l'IA se présente. Le ton, le niveau de formalité, la longueur des réponses, l'usage du prénom de l'utilisateur, la façon de s'excuser quand les choses tournent mal : tous ces choix façonnent le ressenti des échanges. Un assistant de services financiers ne s'exprime pas comme un chatbot de commerce grand public, non par règle, mais par un choix délibéré de persona.

La conception de l'escalade définit quand et comment la conversation passe à un humain. Un dialogue sans parcours d'escalade piège les utilisateurs dont le problème dépasse l'IA. Bien concevoir l'escalade (choisir les bons déclencheurs, conserver le contexte lors du transfert, informer l'utilisateur avant le passage de relais) influe sensiblement sur la satisfaction client.

Des dialogues à règles aux dialogues fondés sur les LLM

Pendant l'essentiel de l'histoire des chatbots, le dialogue design consistait à construire des arbres de décision explicites. Chaque chemin devait être anticipé et codé : si l'utilisateur dit X, aller au nœud Y. Les systèmes étaient prévisibles mais fragiles, car ils ne géraient que ce que les concepteurs avaient prévu.

Dialogue design à règles et dialogue design fondé sur un LLM : deux grands systèmes de conversation, un arbre de décision rigide et un champ de langage souple

Les grands modèles de langage ont profondément modifié le problème de conception. Une IA conversationnelle fondée sur un LLM comprend et traite des saisies qui n'ont jamais été codées explicitement. Les utilisateurs peuvent formuler la même intention de dizaines de façons, et le modèle les gère toutes. La fragilité des systèmes à règles s'en trouve largement réduite.

Mais les LLM posent d'autres défis de conception. Sans contrôle de flux explicite, les conversations peuvent dériver. Les modèles peuvent se montrer trop serviables et tenter de répondre à des questions hors de leur périmètre. Ils peuvent affabuler, en inventant une réponse quand ils ne savent pas. Ils peuvent aussi être incohérents et traiter différemment la même situation d'une conversation à l'autre.

Le dialogue design moderne pour les systèmes fondés sur des LLM combine le prompt engineering, qui définit la finalité et les contraintes du système, des contrôles de flux qui orientent la conversation vers les objectifs, et des garde-fous qui empêchent les comportements hors périmètre. Le travail du concepteur passe de la construction d'arbres de décision explicites à la conception du contexte et des contraintes dans lesquels le modèle opère.

Modèles de conception pour un dialogue efficace

La divulgation progressive demande les informations petit à petit plutôt que toutes d'un coup. Un parcours de réservation qui demande le nom, puis la date, puis l'heure, plutôt que les trois simultanément, paraît plus conversationnel et réduit la charge cognitive.

Modèles de dialogue design efficaces : un opérateur de conversation sans visage guide un jeton utilisateur à travers six mécanismes d'interaction

La confirmation avant l'action. Pour toute action qui modifie un état (envoyer un formulaire, traiter un paiement, envoyer un message), un bon dialogue design demande confirmation avant d'exécuter. Cela réduit les erreurs et renforce la confiance de l'utilisateur.

Le guidage proactif. Lorsque la saisie de l'utilisateur est ambiguë ou incomplète, proposer des options est plus efficace que poser des questions ouvertes. « Vouliez-vous dire X ou Y ? » fonctionne mieux que « Pouvez-vous préciser ce que vous voulez dire ? »

La dégradation maîtrisée. Quand l'IA ne peut pas répondre à une demande, l'échec doit être informatif et utile plutôt qu'opaque. « Je ne peux pas traiter les remboursements directement, mais je peux vous transférer à l'équipe facturation qui pourra vous aider » est un échec conçu. « Je ne comprends pas votre demande » n'en est pas un.

La conservation du contexte. Les utilisateurs s'attendent à ce que la conversation se souvienne de ce qui a été dit plus tôt. Un dialogue qui ne conserve pas l'état au sein d'une session frustre les utilisateurs, contraints de réexpliquer le contexte à chaque tour.

Le dialogue design pour les interfaces vocales

Les agents vocaux IA et les interfaces vocales posent des défis de dialogue design propres au canal audio. Les utilisateurs ne peuvent pas remonter pour relire ce qui a été dit. Les tours de parole sont bornés par le souffle et par l'attention. Les erreurs de reconnaissance vocale produisent des saisies qu'aucune règle n'aurait anticipées.

Le dialogue vocal accorde plus de poids aux schémas de confirmation, aux réponses plus courtes et à des signaux de prise de parole plus clairs. Le passage de l'IA vocale à un agent humain doit ressembler à un transfert accompagné, pas à une bascule brutale. Ces exigences vont dans un sens différent de celles du design textuel.

Pourquoi le dialogue design est une fonction métier

Un mauvais dialogue design détruit le ROI des investissements en IA dans les applications orientées client. Un chatbot qui frustre assez les utilisateurs pour qu'ils appellent coûte plus cher en support qu'il ne fait économiser. Un bot de qualification commerciale qui pose les questions dans le mauvais ordre ou ne capte pas les informations clés produit de moins bons leads qu'un simple formulaire web.

Le dialogue design n'est pas une activité ponctuelle. L'analyse après déploiement des journaux de conversation, en particulier des parcours de fallback et d'escalade, montre où se concentrent les défauts de conception. Les conversations que les utilisateurs ont et que le système ne gère pas sont le signal le plus clair des prochains investissements.

Les organisations qui traitent le dialogue design comme une discipline plutôt que comme une tâche de configuration, avec des concepteurs dédiés, des processus de revue et des cycles d'amélioration itératifs, construisent systématiquement des interactions plus efficaces que celles qui y voient une simple étape de paramétrage.

Concepts d'IA associés

Ressources externes

Questions fréquentes sur le dialogue design

Qu'est-ce que le dialogue design ?

Le dialogue design est la pratique qui consiste à structurer les conversations entre systèmes d'IA et humains pour atteindre des objectifs de façon fiable. Il couvre les intents que le système prend en charge, la structure des flux de conversation, la réaction du système face à des saisies qu'il ne comprend pas, la persona que l'IA adopte, ainsi que le moment et la manière dont les conversations sont escaladées vers des humains.

En quoi le dialogue design diffère-t-il entre chatbots à règles et IA conversationnelle fondée sur un LLM ?

Les chatbots à règles obligent les concepteurs à anticiper explicitement chaque chemin de conversation, ce qui les rend prévisibles mais fragiles. Les systèmes fondés sur des LLM comprennent une gamme de saisies bien plus large, mais demandent d'autres approches de conception : du prompt engineering pour définir le périmètre du système, des contrôles de flux pour garder les conversations sur la bonne voie et des garde-fous pour empêcher les comportements hors périmètre. Le travail du concepteur passe de la cartographie d'arbres de décision à la mise en forme du contexte et des contraintes.

Quelle est l'erreur de dialogue design la plus fréquente ?

Négliger les parcours de fallback et d'escalade. L'essentiel de l'effort va au parcours nominal (l'utilisateur dit ce qui était prévu, la tâche aboutit). Or les utilisateurs se méprennent aussi, posent des questions hors sujet, formulent des demandes que le système ne peut pas satisfaire et s'énervent. Les systèmes sans fallback soigné laissent les utilisateurs tourner en rond ; ceux sans parcours d'escalade les piègent. Ces parcours méritent autant d'attention de conception que les flux principaux.

Comment améliorer le dialogue design après le déploiement ?

Analysez les journaux de conversation, en cherchant précisément où les utilisateurs abandonnent, où ils se répètent et où les gestionnaires de fallback se déclenchent le plus souvent. Ces schémas révèlent l'écart entre ce que vous avez conçu et ce que les utilisateurs essaient réellement de faire. L'amélioration itérative fondée sur des données de conversation réelles surpasse systématiquement une conception initiale fondée sur des hypothèses.

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.