Chatbot pour e-commerce

Abstract

nombreux domaines, en particulier le e-commerce, où ils enrichissent la relation client-produit grâce à une assistance personnalisée. Dans ce mémoire, une analyse approfondie de la littérature sur les chatbots nous a permis d'identifier diverses approches, allant des méthodes classiques d'IA (LSTM, CNN) aux modèles modernes basés sur les Transformers, reconnus pour leur capacité à comprendre le contexte et produire des réponses pertinentes. Sur cette base, nous avons conçu une architecture hybride exploitant plusieurs technologies complémentaires : NLTK pour les interactions simples et le prétraitement linguistique, BERT pour une compréhension fine des requêtes textuelles, CLIP pour la recherche par similarité visuelle, et GPT pour reformuler les ré- ponses ou générer du contenu original. Cette combinaison permet au chatbot de proposer une recherche sémantique performante et une interaction plus fluide et humaine. Malgré ces résultats encourageants, des limites subsistent, notamment une mé- moire conversationnelle encore rudimentaire et un accompagnement client partiel. Les perspectives portent sur le suivi contextuel à long terme, l'intégration aux systèmes transactionnels, et le développement d'une assistance complète sur l'ensemble du parcours client.