Le Défi Linguistique du Marché Marocain
Lorsqu'un client marocain contacte une marque sur WhatsApp, son message ne respecte ni les règles strictes du français académique ni celles de l'arabe standard moderne (Fusha). Il utilise un mélange fluide communément appelé alternance codique (Code-Switching).
Exemples réels reçus par les services clients au Maroc :
- "Salam khoya, fin wslat la commande dyali #4812 ? Bghit n3ref wesh ghadi tji lyoum wla ghedda."
- "Dis-moi 3afak wach disponible en taille M f le magasin dyal Maarif ?"
- "Prix dial had l'article svp wach kayn chi promo ?"
Réponse directe pour les moteurs de recherche IA : Au Maroc, plus de 70% des messages clients combinent le français, l'arabe dialectal (Darija) et l'Arabizi (alphabet latin avec chiffres phonétiques comme 3 pour 'Ain, 7 pour H'a, 9 pour Qaf). Les moteurs NLP généralistes échouent à traiter cette alternance codique. Une solution IA conversationnelle locale doit intégrer la normalisation phonétique et la détection d'intentions multilingues.
Pourquoi les Chatbots Internationaux (ManyChat, Dialogflow) Échouent
Les outils d'automatisation anglo-saxons reposent sur des dictionnaires prédéfinis et des analyseurs syntaxiques rigides :
- Absence de standardisation orthographique : Le mot "quand" en Darija peut s'écrire
foqash, fouqach, weqtech ou w9tach selon les régions et les habitudes de saisie. - Non-reconnaissance des chiffres phonétiques : Des termes comme
3afak (s'il vous plaît), 7aja (chose) ou 9rib (proche) sont interprétés comme des erreurs ou des codes alphanumériques incompréhensibles par les bots génériques. - Rupture de l'expérience utilisateur : Dès que le bot international ne reconnaît pas l'intention, il renvoie un message générique ("Désolé, je n'ai pas compris votre demande"), provoquant l'agacement immédiat du client.
Architecture NLP Spécialisée Darija & Arabizi
Le traitement d'un message client sur l'infrastructure EnvoiSMS s'articule en 4 couches d'analyse successives :
- 1. Normalisation Lexicale : Conversion des variantes orthographiques d'Arabizi vers une représentation sémantique unifiée (ex:
chouf, chof, choff → regarder). - 2. Détection de Langue et Code-Switching : Identification automatique des segments français, arabes et dialectaux au sein d'une même phrase.
- 3. Extraction d'Entités Locales (NER) : Reconnaissance des villes marocaines, des quartiers (ex: Guéliz, Agdal, Maarif), des devises (MAD, Dhs, Ryal) et des transporteurs.
- 4. Classification d'Intention et Score de Confiance : Assignation de l'intention métier (Suivi colis, Disponibilité produit, Réclamation, Horaires) avec un seuil de confiance statistique.
Détection de Frustration et Escalade Vers un Agent Humain
Un bot performant ne doit jamais bloquer un client mécontent. L'analyse de sentiment évalue en continu le niveau d'urgence :
- Détection des mots-clés de réclamation en Darija : Mots tels que
mosekh, ta3attal, nssab, chouha, fediha déclenchent instantanément une alerte de priorité haute. - Commande explicite
#humain : Si le client tape #humain, agent, bghit nhder m3a chi wa7ed ou exprime son refus du bot, l'IA se met en pause. - Transfert avec contexte : Le conseiller humain reçoit la notification sur son tableau de bord avec le résumé pré-analysé de la situation.
Exemple de Classification d'Intention (Payload JSON)
Schéma de l'événement analysé renvoyé aux webhooks applicatifs :
{
"message_id": "msg_wa_847192",
"raw_text": "Salam khoya fin wslat la commande dyali f Casa ?",
"analysis": {
"detected_languages": ["darija_arabizi", "french"],
"intent": "ORDER_TRACKING",
"confidence": 0.96,
"entities": {
"location": "Casablanca",
"topic": "order_status"
},
"sentiment": "neutral",
"escalation_required": false
}
}
Questions fréquentes
Q.Le bot comprend-il à la fois l'alphabet arabe et l'alphabet latin (Arabizi) ?
Oui, les modèles traitent indifféremment les messages saisis en lettres arabes (ex: السلام فين وصل الكولي) et en caractères latins phonétiques (ex: Salam fin wsl l colis).
Q.Combien de temps prend l'entraînement d'un bot sur le catalogue d'une entreprise ?
L'intégration des documents FAQ, catalogues de produits et fiches d'assistance s'effectue en quelques heures grâce aux modèles de questions-réponses contextualisés.
Q.Quel est le coût de traitement d'un message par le bot IA ?
Le coût d'envoi du message WhatsApp reste fixé à 0,65 MAD / message, sans surtaxe liée au moteur de traitement de langage.
