Un chatbot de personnage peut-il admettre qu'il n'a pas compris ?
Oui. Lorsqu'un chatbot incarnant un personnage n'est pas sûr de ce que veut dire un utilisateur, il peut l'exprimer clairement, nommer l'incertitude précise, poser une unique question ciblée et poursuivre la scène de fiction après la réponse. La compétence utile ne consiste pas à poser davantage de questions par défaut, mais à réparer un malentendu au moment précis où il risquerait de faire dérailler l'échange. Ce guide aborde trois cas : une référence ambiguë, une action incertaine et une correction apportée après une réponse erronée du bot.
À quoi ressemble une bonne réparation ?
Une bonne réparation rend l'incertitude visible et facile à dissiper. Elle identifie le mot, la référence ou l'objectif qui pose problème ; propose une interprétation provisoire lorsque cela est utile ; et pose une question fermée dont la réponse déterminera la suite des actions du personnage. Dès que l'utilisateur clarifie la situation, le bot accepte la correction et reprend la scène.
Par exemple :
Utilisateur : Mara le lui donne. Bot : Je ne suis pas sûr de savoir à qui « lui » fait référence ici — à Jon ou au garde ? Je suspends la remise jusqu'à ce que tu choisisses. Utilisateur : Au garde. Bot : C'est noté. Mara glisse la clé dans la paume du garde pendant que Jon monte la garde près de la porte.
Le bot ne fait pas semblant d'avoir toujours su de qui il s'agissait. Il ne met en pause que la partie de la scène qui dépend de la réponse, puis utilise la clarification pour aller de l'avant.
Cette approche s'inscrit dans la lignée des recherches sur la réparation conversationnelle, bien que ces études ne testent pas directement les chatbots de personnages de fiction. L'[étude de 2023 sur la « réparation en troisième position » dans les systèmes de questions-réponses conversationnels](https://aclanthology.org/2023.sigdial-1.52/) menée par Balaraman et ses collègues examine un cas où une personne est mal comprise, reçoit une réponse erronée, puis la corrige. L'[étude de 2024 de Testoni et Fernández sur les questions de clarification dans une tâche collaborative](https://aclanthology.org/2024.eacl-long.16/) examine le moment où les systèmes devraient demander des clarifications. Ensemble, ces publications offrent des éléments de conception pertinents pour la réparation et la gestion de l'incertitude ; elles n'établissent pas d'effets universels et ne prouvent pas qu'une formulation particulière améliore le jeu de rôle fictionnel.
Cas 1 : Un mot ou une référence a plusieurs sens plausibles
Lorsqu'un pronom, un nom, un objet ou une phrase peut désigner plusieurs éléments, citez ou identifiez la partie ambiguë. Évitez de demander à l'utilisateur de reformuler toute sa réplique si un simple choix suffit à résoudre le problème.
Utilisateur : Elle le pose à côté de l'autre. Bot : À quel objet « le » fait-il référence — à la carte ou à la lanterne ?
Une brève lecture provisoire peut être utile lorsqu'une interprétation est probable mais non certaine :
Bot : Je comprends « l'ancienne » comme étant la première carte que tu as trouvée. Tu parlais de cette carte ou du personnage le plus âgé ?
L'interprétation provisoire doit être facile à corriger. Si les deux options sont plausibles, énumérez-les ; si une réponse ouverte est nécessaire, demandez directement le référent manquant. Ne décrivez pas une action lourde de conséquences en laissant l'ambiguïté en suspens. Si l'incertitude ne touche qu'un détail mineur, le bot peut parfois poursuivre en faisant une supposition explicite et réversible — mais il doit rendre cette supposition visible plutôt que de la présenter comme l'intention délibérée de l'utilisateur.
Cas 2 : L'action demandée est incertaine
Parfois, les mots sont clairs mais l'objectif ne l'est pas. « Rends ça plus dramatique » peut vouloir dire intensifier la réaction du personnage, modifier le décor ou changer le style de narration. Posez une question sur le choix précis qui détermine la réponse à venir.
Bot : Veux-tu que la scène paraisse plus tendue à travers les dialogues, ou faudrait-il qu'un nouvel événement survienne dans le décor ?
Gardez une question délimitée. Proposer une longue liste d'interprétations possibles peut devenir une charge supplémentaire pour l'utilisateur. Lorsque le contexte suggère fortement une lecture particulière, formulez-la comme une interprétation provisoire et ne demandez confirmation que si un mauvais choix modifierait sensiblement la scène :
Bot : Je peux rendre l'échange plus incisif en faisant répondre le capitaine plus froidement. Est-ce ce genre de tension que tu imaginais ?
Si le bot peut procéder sans risque à un ajustement mineur et réversible, il peut le faire puis inviter l'utilisateur à orienter la suite. En revanche, il ne doit pas prétendre avoir compris un objectif qui reste concrètement indéfini. La décision clé consiste à déterminer si la réponse est nécessaire avant de continuer : posez la question si une supposition risquait d'engager la scène sur une tout autre voie ; sinon, faites un choix modeste, clairement signalé et facilement modifiable.
Cas 3 : L'utilisateur corrige une réponse erronée
Lorsqu'un utilisateur indique que le bot a mal compris, la réparation comporte deux étapes : reconnaître le décalage et mettre à jour la scène. Ne cherchez pas à défendre l'interprétation précédente, à réécrire discrètement les faits passés ou à obliger l'utilisateur à répéter sa correction.
Bot : Le messager remet la lettre à Ilya. Utilisateur : Non, je voulais dire que la lettre va à Nera. Bot : Tu as raison, je l'ai transmise à la mauvaise personne. Le messager se retourne et tend la lettre à Nera à la place.
Si la correction elle-même laisse un détail important dans le flou, posez une seule question de suivi ciblée. Par exemple, si l'utilisateur dit « Non, l'autre », mais qu'il y a trois objets plausibles, le bot peut nommer les options restantes. Sinon, acceptez la correction et intégrez-la directement au tour suivant. Les travaux de Balaraman et de ses collègues sont particulièrement pertinents ici : leur article étudie la correction après qu'un malentendu s'est manifesté dans une réponse erronée, ce qu'ils appellent la « réparation en troisième position ». Leur contexte d'étude étant les questions-réponses conversationnelles, l'application de cette approche à une scène de fiction relève d'une déduction de conception, et non d'un résultat validé par leurs tests en jeu de rôle.
Comment éviter que la clarification ne devienne une source de friction
La clarification est utile lorsqu'elle modifie ce que le bot doit faire. Elle devient lassante lorsque le bot pose systématiquement des questions de suivi alors qu'il a suffisamment d'informations pour continuer, ou lorsqu'il répond par une longue explication hors sujet au lieu de lever l'incertitude. Un personnage de jeu de fiction qui répète sans cesse la même question de quête présente un autre problème : la répétition seule n'identifie pas ce que le bot n'a pas compris et ne résout pas la correction apportée par l'utilisateur.
Appliquez cette séquence de décision rapide :
Une question telle que « Peux-tu préciser ? » peut convenir lorsque l'incertitude est vaste, mais elle offre peu de guidage à l'utilisateur. Dans la mesure du possible, désignez précisément l'élément manquant : « Quand tu dis ‘là-bas’, tu parles de la tour ou de la cour ? » L'utilisateur peut alors répondre par un mot ou une phrase courte, et le bot peut enchaîner sans réinitialiser toute la conversation.
Un modèle pratique pour les auteurs et les concepteurs
Une réparation concise peut prendre cette forme : « J'ai un doute concernant [élément précis]. Tu veux dire [option A] ou [option B] ? » Après la réponse : « Bien reçu — [appliquer la correction]. [Poursuivre la scène]. » Adaptez la formulation au ton et à la voix du personnage, tout en préservant la clarté de la fonction. Le personnage peut adopter un ton formel, enjoué ou laconique tout en nommant précisément l'incertitude et en respectant la réponse fournie.
Ce modèle est une application pratique des recherches sur la réparation du dialogue, et non une formule infaillible. Testez-le dans des scènes où un pronom obscur, une demande insuffisamment détaillée ou une réponse erronée conduiraient à des suites d'actions nettement différentes. L'objectif est d'effectuer une réparation brève et honnête qui laisse les commandes à l'utilisateur tout en offrant à la scène de fiction une trajectoire claire pour aller de l'avant.