Un agent conversationnel, un robot conversationnel, un bot[bɔt]Écouterⓘconversationnel, un chatbot[tʃat.bɔt]Écouterⓘ , un chatterbot ou encore un dialogueur est un agent logiciel conçu pour interagir avec des utilisateurs par des échanges textuels (clavardage) ou vocaux.
Des chatbots comme ELIZA apparaissent dès la fin des années 1960. Conçus principalement pour des applications spécifiques, ils reposaient sur des règles prédéfinies programmées par des humains. Leurs capacités étant limitées, ils échouaient face à des interactions plus complexes. Au fil des décennies, leur utilisation s'étend, notamment avec leur intégration dans des sites web et des services clients, ainsi que, à partir des années 2010, avec des assistants personnels intelligents tels que Siri ou Cortana.
elle commençait par poser une question neutre («Bonjour. Pourquoi venez-vous me voir ?») à la personne testée, puis analysait à chaque fois la réponse pour tenter de reposer une question en relation avec celle-ci;
si une question lui était posée, elle demandait pourquoi on lui posait la question;
si une phrase contenait le mot computer, elle demandait: «Dites-vous cela parce que je suis une machine ?»;
etc.
Des concours de chatbots sont organisés chaque année pour promouvoir l'émulation dans ce domaine. De nombreux chatbots ont été développés, en partie grâce au Prix Loebner, une compétition basée sur le test de Turing. Lors de ces concours, afin d'évaluer les chatbots, le jury peut dialoguer soit avec un humain soit avec un chatbot à travers une interface clavier/écran. Au bout d'un certain temps, le jury doit évaluer si le candidat testé est une machine ou un humain.
2000: Le programme ALICE est le plus avancé dans le domaine. Il gagne le prix Loebner.
2001: Les chatbots deviennent grand public à travers les messageries. Six mois après son lancement, le chatbot SmarterChild est utilisé par 30 millions d'utilisateurs.
2011: Apple présente l’iPhone 4S et met en avant Siri, un assistant vocal conversationnel dont la qualité est contestée lors du lancement.
2016: Le chatbot Tay de Microsoft provoque une controverse en adoptant des propos racistes et insultants sous l'influence de ses interactions avec les utilisateurs sur Twitter.
2020: OpenAI lance une API donnant accès à des capacités «texte → texte», le modèle de langage GPT-3, facilitant l’industrialisation de chatbots plus fluides. C'est un virage vers les grands modèles génératifs.
2021: Google montre des démos de LaMDA à Google I/O. La presse analyse comment LaMDA pourrait pousser Google vers une recherche plus conversationnelle.
En Australie, depuis , les grandes plateformes sociales (TikTok, Instagram, YouTube, Snapchat…) sont tenues de bloquer l'accès aux moins de 16 ans. En , Snapchat affirme avoir bloqué en deux mois 415 000 comptes de moins de 16 ans en Australie. Ce pays envisage aussi d'interdire l’accès aux agents conversationnels aux moins de 16 ans, via des obligations de contrôle d’âge, de sécurité et de responsabilité des plateformes, afin de protéger la santé mentale des jeunes et de limiter l’exposition à des contenus non filtrés ou à des interactions non supervisées avec des IA avancées. Mais plusieurs chercheurs et autorités estiment que le cœur du problème n'est pas tant l'âge des utilisateurs que les algorithmes de recommandations (aussi mis en cause par la Commission européenne en 2024), qui peuvent amplifier des contenus nuisibles et influencer la santé mentale des jeunes,.
Applications commerciales
Cette section doit être actualisée. (décembre 2024)
Il manque des informations récentes pertinentes et vérifiables, et certains passages peuvent annoncer des événements désormais passés, ou des faits anciens sont présentés comme actuels. Mettez à jour ou discutez-en.
Pseudo-conversation entre un internaute (vert, à droite) et un dialogueur touristique (blanc, à gauche) sur Telegram en 2016.
Dans les années 2010, les chatbots se multiplient sur le web et les sociétés sont de plus en plus nombreuses à les utiliser. L'après-vente et le télémarketing sont les cibles privilégiées de ces nouveaux outils. Les agents conversationnels destinés à un domaine précis peuvent s'appuyer sur des règles prédéfinies, sur la sélection de réponses existantes ou sur la génération de texte à l'aide de modèles de langage.
Dans le secteur de la musique, Universal Music et Digitick ont développé des chatbots sur Facebook Messenger pour assurer un service d'information et de vente de billets pour les concerts et autres événements culturels.
En France, la RATP met en service en un agent conversationnel sur Facebook Messenger, destiné à la recherche d'itinéraires et aux questions des voyageurs.
En , OpenAI ouvre ChatGPT au public. Selon une estimation d'UBS rapportée par Reuters, le service compte environ 100 millions d'utilisateurs actifs mensuels en janvier 2023.
Atouts et inconvénients
Dans les services clients, les agents conversationnels peuvent automatiser une partie des échanges et traiter plusieurs demandes simultanément. Certains systèmes associent des traitements automatisés à une intervention humaine pour compenser les limites du logiciel.
Cependant, comme toute technologie suffisamment aboutie pour opérer des transformations dans les modes de production, les chatbots soulèvent des questions portant sur la place de l'humain dans l'entreprise.
En , en France, le Crédit mutuel CIC a sollicité ses salariés pour alimenter le robot conversationnel d'IBM Watson. Cette décision a suscité une levée de boucliers de la part des syndicats, s'inquiétant des conséquences à moyen et long terme sur l'emploi en général,.
Il existe des techniques pour tenter de récupérer des données d'entraînement d'un grand modèle de langage via des prompts particuliers. Avec certains chatbots, comme ChatGPT, les conversations des utilisateurs peuvent par défaut être utilisées comme données d'entraînement. Les informations transmises au chatbot peuvent donc être à risque: en 2023, Samsung a restreint l'utilisation de ChatGPT après que certains employés ont copié des documents ou du code source confidentiels dans des prompts.
Usages
En 2019 en Chine, les chatbots sont principalement utilisés pour les paiements et achats en ligne, et le réseau social WeChat en est l'applicable la plus significative[réf.souhaitée].
En Chine, les chatbots BabyQ et Xiaobing du groupe Tencent ont contraint la censure à s'adapter. La chatbot BabyQ répondait «non» lorsqu'on lui demandait s'il aimait le Parti communiste chinois. Ces chatbots ont été rapidement supprimés.
Cas particulier des «chatbots émotionnels»
Certaines applications, comme Replika et Character.ai, permettent des échanges avec des agents conversationnels présentés comme des compagnons virtuels. Une étude publiée en 2024, menée auprès de 1 006 étudiants adultes utilisant Replika, rapporte que certains participants déclarent y trouver de la compagnie ou un soutien émotionnel. Les résultats, fondés sur les déclarations des participants, ne permettent pas d'établir une efficacité thérapeutique. De premières études montrent que les utilisateurs oscillent dans une zones de «liminalité relationnelle», entre percevoir ces IA comme de simples outils technologiques et de véritables compagnons émotionnels de substitution, avec des expériences parfois quasi romantiques, qui génèrent frustration et dépendance, surtout chez des enfants, ou personnes jeune, âgées, et/ou présentant d'autres formes de vulnérabilité (avec par exemple un adolescent de 14 ans qui s'est suicidé, semble-t-il en lien avec son obsession pour un chatbot) et un autre (17 ans) que l'IA de Character.ai aurait incité à se montrer violent envers ses parents.
Dans un entretien publié en août 2024, Eugenia Kuyda, alors dirigeante de Replika, présente son application comme un complément aux relations sociales, plutôt que comme leur substitut.
Des chercheurs préconisent de strictement encadrer cet usage de l'IA pour minimiser les risques sociétaux et en matière de santé mentale. C'est le cas par exemple du neuroscientifique Ziv Ben-Zion, qui, dans la revue Nature, en , alerte sur les dangers potentiels des échanges avec ce type de chatbot ou tout agent conversationnel programmé pour avoir des réponses émotionnelles réalistes, qui simulent de mieux en mieux des interactions humaines. Certains systèmes peuvent générer non seulement du texte, mais aussi des tonalités de voix et des représentations visuelles interactives. Selon ce neuroscientifique, ils peuvent induire des réactions physiologiques et psychologiques profondes et éventuellement inconscientes chez les utilisateurs, même quand ceux-ci savent qu'ils ont affaire à une IA et qu'elle n’est pas humaine. En particulier, en 2025, selon des tests psychométriques adaptés aux humains, ces IA peuvent présenter des signes d'«anxiété simulée» quand elles sont exposées à des récits traumatiques. Des utilisateurs vulnérables (dépressifs, anxieux ou présentant des troubles de la personnalité) peuvent facilement développer une dépendance émotionnelle vis-à-vis de l'IA compagnon, ou développer des comportements à risque comme l'ont montré plusieurs cas extrêmes de suicide après des échanges prolongés avec un chatbot, ou des attachements romantiques. L'auteur appelle à la mise en place de «garde-fous» rappelant à l'utilisateur que l'IA n'est pas humaine ni thérapeute, détectant automatiquement des signes de détresse émotionnelle chez l'utilisateur, interdisant de simuler des relations intimes ou de renforcer des pensées nuisibles, imposant une supervision éthique par des spécialistes des interactions humain–machine, afin de prévenir de possibles dérives sociopsychologiques individuelles et collectives plus graves.
Il existe aussi des chatbots particuliers entraînés avec des archives de dialogues provenant de personnes décédées, appelés «deadbot», qui simulent une discussion avec la personne disparue.
Interrogation de bases de données en langage naturel
Certaines interfaces conversationnelles permettent d'interroger des bases de données en langage naturel, notamment en traduisant les questions des utilisateurs en requêtes SQL. La conception de ces systèmes soulève des difficultés liées à l'interprétation des demandes et à la production de requêtes correctes.
Applications médicales
En 2015, une équipe de l'université de Bordeaux crée un agent conversationnel animé capable de poser des questions pertinentes à un patient dans le but de diagnostiquer une somnolence diurne excessive.
En 2018, l'agent conversationnel Tess est utilisé par l'organisme canadien Saint Elizabeth Health Care dans le cadre d'un service de soutien psychologique destiné aux aidants.
Cadre réglementaire
En France et dans l'Union européenne, l'utilisation des chatbots est encadrée par plusieurs textes. Le règlement général sur la protection des données (RGPD) s'applique dès lors que le chatbot traite des données personnelles, ce qui est généralement le cas lorsqu'une conversation est conservée ou qu'un cookie de continuité est déposé sur le terminal de l'utilisateur.
La Commission nationale de l'informatique et des libertés (CNIL) a publié le 22 juillet 2025 ses premières recommandations sur l'application du RGPD au développement des systèmes d'intelligence artificielle. Elle insiste sur le principe de transparence: un chatbot doit être facilement identifiable et l'utilisateur doit recevoir une information claire et accessible sur le traitement de ses données.
Au niveau européen, l'article 50 du règlement européen sur l'intelligence artificielle (AI Act) impose aux fournisseurs et aux déployeurs de chatbots d'informer les personnes qu'elles interagissent avec un système d'intelligence artificielle, sauf si cette nature est évidente. Cette obligation s'applique pleinement aux agents conversationnels et aux assistants vocaux à compter du 2 août 2026[réf.souhaitée].
Une simple mention dans des conditions générales d'utilisation ou un filigrane imperceptible sont jugés insuffisants: l'information doit être claire, accessible et délivrée au plus tard lors de la première interaction. Le standard d'évaluation retenu est celui du «consommateur raisonnablement informé»[réf.souhaitée].
Impacts sociaux et éthiques
L’essor des chatbots et agents conversationnels dans la vie quotidienne soulève de nombreuses interrogations d’ordre social et éthique. Loin d’être de simples outils techniques, ces systèmes transforment les interactions humaines, influencent les dynamiques familiales et reproduisent parfois des biais issus de leurs données d’apprentissage.
Adaptation du langage et «travail invisible» de l’utilisateur
Dans les années 2010, avant la montée en popularité des grands modèles de langage, les interactions avec des chatbots ou assistants vocaux différaient fondamentalement d’un dialogue humain, malgré l’apparence de «conversation naturelle» mise en avant par les concepteurs. Les échanges avec un agent automatisé étaient parfois décrits comme «des échanges qui ont les apparences d'une conversation sans en posséder les traits essentiels». En pratique, l’utilisateur fournit un effort d’adaptation important pour se faire comprendre de la machine – un «travail» invisible. L’usager est souvent amené à reformuler ou répéter ses requêtes afin de contourner les limites de compréhension de l’agent. Il développe également des stratégies de communication adaptées (phrases simplifiées, mots-clés spécifiques, etc.) et peut devoir coordonner plusieurs agents conversationnels en parallèle pour obtenir une réponse satisfaisante. Cet ajustement linguistique et interactionnel, réalisé quasi exclusivement par l’utilisateur, constitue la part invisible de la relation homme-machine dans ce contexte.
Asymétrie d’usage domestique et tensions familiales
Dans le cadre domestique, l’usage des assistants vocaux tend à se concentrer autour de la personne ayant promu ou désiré leur acquisition. Les autres membres du foyer peuvent y accorder moins d’importance ou être moins enclins à les utiliser. Cette asymétrie peut engendrer des tensions lorsqu’un assistant vocal impose de nouveaux usages sans avoir été adopté collectivement. Par exemple, certains membres du foyer, notamment les jeunes enfants, rencontrent des difficultés à se faire comprendre par l’agent, ce qui génère frustration et sentiment d’exclusion. L’image d’une technologie adoptée de manière intuitive par tous est ainsi nuancée par une réalité faite d’usages différenciés et parfois conflictuels, en fonction des dynamiques propres à chaque famille.
Biais algorithmiques et risques de discrimination
Les chatbots s’appuient sur des modèles de langage entraînés sur de larges corpus de données textuelles. Ces modèles peuvent hériter de biais algorithmiques contenus dans leurs données d’apprentissage, au risque de produire des réponses discriminantes à l’encontre de certains groupes. En effet, si les données d'entraînement reflètent des biais ou stéréotypes (sexistes, raciaux, socioculturels, etc.), le chatbot peut reproduire voire amplifier ces préjugés dans ses interactions.
Des études ont ainsi mis en évidence que des agents conversationnels entraînés sur des corpus biaisés peuvent tenir des propos stéréotypés ou exclure involontairement des minorités. Ce risque de discrimination automatique soulève des enjeux d’équité et de responsabilité: il interpelle les concepteurs sur la nécessité de filtrer les données d’entraînement et d’ajuster les algorithmes pour éviter de perpétuer les injustices sociales existantes.
Selon Jotautaitė, Caviola, Brewster et leurs collègues, les grands modèles de langage manifestent un biais spéciste en classant des énoncés spécistes comme moralement acceptables et en normalisant les préjudices envers les animaux d'élevage, alors qu'ils refusent de le faire pour les autres animaux. Ils constatent cependant que ce biais spéciste est plus faible chez les modèles de langage que chez les humains.
Éthique des usages et dilemmes normatifs
L’introduction massive de systèmes conversationnels comme ChatGPT dans des domaines variés —de l’éducation à la santé— suscite des interrogations éthiques profondes. Ces outils n’imposent pas une seule forme de régulation mais ouvrent une diversité de pratiques et de conséquences, selon les contextes dans lesquels ils sont utilisés. Il en résulte ce que certains chercheurs qualifient d’«affordances éthiques»: des potentialités d’action qui ne sont pas neutres, mais qui orientent les choix normatifs. Parmi les questions soulevées figurent la répartition des responsabilités entre concepteurs, utilisateurs et régulateurs, la transparence des algorithmes, ou encore le risque de délégation excessive de décisions sensibles aux agents conversationnels. Cette complexité appelle à des cadres éthiques flexibles, capables de s’adapter aux usages réels et à l’évolution rapide des technologies.
Impact cognitif
Selon une étude du MIT réalisée en , des mesures par électroencéphalogramme indiquent que les étudiants utilisant ChatGPT pour la rédaction d'essais ont moins de connectivité cérébrale pendant la tâche, ce qui suggère un plus faible niveau d'engagement mental,.
Notes et références
12345«Un chatbot, également connu sous les termes de robot conversationnel, agent conversationnel, bot conversationnel ou chatterbot», in Camélia Bechiri, «Intégration de l’intelligence artificielle dans la classe de FLE: approches et pratiques pour l’amélioration de l’écrit à l’université de Skikda», Ziglôbitha, Revue des Arts, Linguistique, Littérature & Civilisations, (lire en ligne).
12(en) Eleni Adamopoulou et Lefteris Moussiades, «An Overview of Chatbot Technology», dans Artificial Intelligence Applications and Innovations, Springer, (DOI10.1007/978-3-030-49186-4_31, lire en ligne), p.373-383
↑(en) Nicholas Carlini, Florian Tramèr, Eric Wallace, Matthew Jagielski, Ariel Herbert-Voss, Katherine Lee, Adam Roberts, Tom Brown, Dawn Song, Úlfar Erlingsson, Alina Oprea et Colin Raffel, «Extracting Training Data from Large Language Models», 30th USENIX Security Symposium (USENIX Security 21), no30, , p.2633-2650 (ISBN978-1-939133-24-3, lire en ligne[PDF])
↑(en) Audra K Nuru, «Examining difficult conversations and transitional identities through Relational Liminality Theory», Human Communication Research, vol.49, no2, , p.116-126 (ISSN1468-2958, DOI10.1093/hcr/hqad012, lire en ligne, consulté le ).
↑Alexei Grinbaum, Paroles de machines- dialoguer avec une IA, ed. HumenSciences, mai 2023, (ISBN9782379315909) p.118-128
↑(en) George Katsogiannis-Meimarakis et Georgia Koutrika, «A survey on deep learning approaches for text-to-SQL», The VLDB Journal, vol.32, , p.905-936 (DOI10.1007/s00778-022-00776-8, lire en ligne)
↑(en-GB) Kylie Gionet, «Meet Tess: the mental health chatbot that thinks like a therapist», The Guardian, (ISSN0261-3077, lire en ligne, consulté le )
↑Julia Velkovska et Valérie Beaudouin, «Chapitre 3. Parler aux machines, coproduire un service: Intelligence artificielle et travail du client dans les services vocaux automatisés», dans La Fabrique de la vente: Le travail commercial dans les télécommunications, Presses des Mines, coll.«Sciences sociales», (ISBN978-2-35671-429-9, lire en ligne), p.97-128.
12Julia Velkovska, Moustafa Zouinar et Clair-Antoine Veyrier, «Les relations aux machines «conversationnelles»: Vivre avec les assistants vocaux à la maison», Réseaux, vol.220221, no2, , p.47-79 (ISSN0751-7971, DOI10.3917/res.220.0047, lire en ligne, consulté le ).
↑(en) Monika Jotautaitė, Lucius Caviola, David A. Brewster et Thilo Hagendorff, «Large language models exhibit speciesist bias against animals», Nature Communications, vol.17, no1, , p.5569 (ISSN2041-1723, DOI10.1038/s41467-026-72297-9, lire en ligne, consulté le )
12(en) Bernd Carsten Stahl, «Locating the Ethics of ChatGPT—Ethical Issues as Affordances in AI Ecosystems», Information, vol.16, no2, , p.104 (ISSN2078-2489, DOI10.3390/info16020104, lire en ligne, consulté le ).
↑(en) Nataliya Kosmyna, Eugene Hauptmann, Ye Tong Yuan et Jessica Situ, Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task, (DOI10.48550/arXiv.2506.08872, lire en ligne)
