• Mon entrainement de NLU ne fonctionne pas, que faire ?
• La NLU de ma nouvelle version ne fonctionne plus
• La compétence d'incompréhension ne fonctionne pas
• Comment bien paramétrer la NLU de mon bot
• Comment créer une logique en fonction de la valeur d'une entité
• Pourquoi le chatbot ne comprend pas une question ?
• Pourquoi le chatbot répond mal à une question
• Comment définir une Expression Régulière (Regex)
• Comment rendre un configuration NLU prioritaire
• Comment requalifier une entité mal étiquetée ?
• Paramétrer les entités de son chatbot avec des mot clés et synonymes
• Comment gérer les questions que le bot n'a pas compris
• Tester la compréhension du bot
• Créer une logique en fonction de la valeur d'une entité
• Consulter la liste des expressions saisies pour l'entrainement de la NLU par intention
• Le bot comprend mais n'a pas encore de réponse
• Créer des expressions NLU en masse via Copier/coller
• Entrainer la NLU avec des "vraies" requêtes utilisateurs
• Comment trouver la dernière requête NLU de l'utilisateur
• Comment récupérer plus d'information sur une date
• Pourquoi le nombre d'expressions d'une intention ne correspond pas au nombre d'expressions que je peux voir

Mon entrainement de NLU ne fonctionne pas, que faire ?

Vous cliquez sur entrainer la NLU et vous recevez une notification d'un échec. Cela peut avoir trois causes majeures:

• Vous n'avez pas assez d'intentions. Il faut un minimum de 2 intentions pour qu'on soit capable d'entrainer la NLU.
• Vous n'avez pas assez de phrases d'entrainement. Il faut un minimum de 10 phrases d'entrainement pour que l'entrainement de la NLU soit cohérent, nous ne permettons donc pas les entrainements si vous avez moins de 10 phrases (toutes intentions réunies)
• Les serveurs d'entrainement sont saturés chez nous. Dans ce cas, contacter votre chef de projet ou discuter directement avec notre équipe depuis le livechat. Nous corrigerons le problème très rapidement.

La NLU de ma nouvelle version ne fonctionne plus

Pas de panique c'est normal. Tout le contenu (compétences) et l'entrainement de la NLU est lié à la version.

Ca vous permet de créer une nouvelle version pour tester une NLU différente si vous souhaitez.

Il faut donc Entrainer la NLU lorsqu'on créer une nouvelle version.

La compétence d'incompréhension ne fonctionne pas

Votre bot ne vous renvoit rien lorsqu'il ne comprend pas la requête de l'utilisateur.
Vous avez bien diagnostiqué le problème, c'est en lien avec la compétence d'incompréhension.

• 1. Assurez vous qu'elle existe bien
• 2. Assurez vous qu'elle est bien définie comme compétence d'incompréhension incomprehension_toggle

Si le problème persiste, n'hésitez pas à nous contacter directement sur le chat, nous vous aiderons le plus rapidement possible

Comment bien paramétrer la NLU de mon bot

Ce n'est jamais simple de bien entrainer une NLU car nous ne connaissons pas forcément en amont tous les sujets que notre chatbot devra traiter.

Ici nous allons prendre un cas d'usage extrêmement simple.

Nous souhaitons réaliser un chatbot ITSM qui réinitialise les mots de passe.

Nous allons donc créer 1 intention: ResetPassword. Cependant, il faut une seconde intention pour que la NLU fonctionne.

Nous vous conseillons dans un premier temps de créer une intention autre comme ci dessous:

Ajoutez un certains nombre de phrases par intention (minimum 5 chacun) comme ci dessous

TIP

Ne perdez pas trop de temps à définir les sujets que le bot doit traiter, les tests utilisateurs servent à ça.

L'objectif de votre premier entrainement sera de faire comprendre l'intention ResetPassword

Il faut se concentrer sur cette intention et toutes les phrases qui n'ont rien à voir sont à mettre dans autre.

Partager le chatbot avec quelques collègues, demandez leur de parler au bot sans leur donner trop d'indication.

Faites une première passe sur les Requêtes NLU pour corriger celle qui n'ont pas été comprises.

TIP

L'intention Autre va rapidement avoir trop de phrases d'entrainement. Relisez les et essayer d'en extraire une partie à mettre dans une nouvelle intention que vous pouvez créer.

En travaillant de la sorte, votre chatbot va progresser rapidement et vous serez toujours capable de comprendre les sujets les plus importants.

Comment créer une logique en fonction de la valeur d'une entité

Vous pouvez créer des logique en fonction de la valeur des entités.

Prenons un exemple simple, d'un chatbot qui permet de réinitialiser le mot de passe Azure mais pas sur SAP.

On peut imaginer créer 3 configuration comme ci-dessous

Analysons maintenant configuration par configuration ce que nous avons fait

réinitialiser mot de passe + application-type

Nous décidons de ne pas fournir de logique si l'entité (application-type) n'est pas l'une des valeur que nous fournissons dans les logique en fonction de la valeur des entités. (cadre vert n°1)

Par contre nous fournissons une logique si l'entité trouvée est SAP (cadre vert n°2)

Logique sans intention + application-type

Pour cette configuration, nous avons 3 options différentes:

• la première logique: Si nous comprenons une application (mais pas azure ou sap) nous allons rediriger vers la FAQ
• la seconde logique: Si nous comprenons l'application SAP, nous allons rediriger vers la FAQ SAP
• la troisième logique: Si nous comprenons l'application Azure, nous allons rediriger vers la FAQ AZURE

Logique Réinitialiser mot de passe

Ici, nous avons compris que l'utilisateur veut modifier son mot de passe, mais nous n'avons pas compris d'application. Si c'était le cas nous aurions redirigé vers la configuration précédente.

Nous redirigeons vers la fonctionnalité de réinitialisation de mot de passe.

Pourquoi le chatbot ne comprend pas une question ?

Vous avez paramétré un certains nombre de sujets en FAQ ou en actions et votre chatbot répond qu'il n'a pas compris ?

Il faut avant tout bien comprendre comment le chatbot fonctionne.

1. Quand une requête est tapée, l'algorithme calcule la probabilité de trouver une intention paramétrée (score /1)
2. Si l'algorithme trouve une intention avec un score > 0.5 (palier par défaut) alors il exécute la logique paramétrée
3. S'il trouve une intention avec un score < 0.5 ou aucune intention du tout alors il dit qu'il n'a pas compris

Si le chatbot répond qu'il n'a pas compris :

Cela veut dire qu'il a trouvé une intention avec un score < 0.5

Si le chatbot répond à côté de la plaque :

Cela veut qu'il a :

1. Compris une mauvaise intention
2. Compris la bonne intention mais la logique attenante est mauvaise

L'erreur peut donc venir de deux choses :

1. La NLU ne comprend pas la requête, ou la comprend mal (il manque une entité par exemple) => il faut l'entraîner sur le sujet
2. la NLU comprend bien la requête et exécute la logique paramétrée => il faut vérifier qu'une action est bien paramétrée dans NLU > Configuration
3. si une action est bien paramétrée, il faut vérifier la ressource en question (elle contient peut être des erreur de filtres, ou ne contient aucun texte par exemple)

Pourquoi le chatbot répond mal à une question

Ce cas arrive si : l'algorithme a trouvé une intention avec un score > 0.5 (palier par défaut) alors il exécute la logique paramétrée

Pour voir cela, ouvrez le panneau de test de la NLU > Tester la NLU

Tapez une requête et regardez si l'intention est la bonne.

1. La NLU a trouvé la bonne intention avec un score > 0.5 mais pas les bonnes entités

Si l'intention est bonne, cliquez sur Inspecter et vérifiez les entités trouvées
S'il manque des entités vous devrez aller dans les requêtes liées à l'intention et tagger les entités qu'il faut

2. La NLU a trouvé la bonne intention avec un score < 0.5

Retournez dans les requêtes liées à l'intention et ajoutez de nouvelles requêtes sur ce sujet précis. Votre NLU n'est pas assez bien entraînée

3. La NLU a trouvé la bonne intention avec un score > 0.5 et les bonnes entités

Dans ce cas c'est la logique qui n'est pas bonne.
Allez dans l'onglet NLU > Configuration et cherche le couple en question

Puis vérifiez que la logique est bien la bonne en ouvrant l'espace de configuration

Comment définir une Expression Régulière (Regex)

Exemple de Regex :

• Je veux que seuls les identifiants commençant par IO_ ou  115_ soient acceptés.
• (115_|IO_)([aA-zZ]|[0-9])*

Voici un lien utile pour tester les Regex en ligne : https://www.regextester.com/ (opens new window)

Et un lien expliquant comment écrire des Regex : https://openclassrooms.com/fr/courses/146276-tout-sur-le-javascript/145569-lobjet-regexp (opens new window)

Comment rendre un configuration NLU prioritaire

Si vous avez déjà paramétré des compétences actions, vous savez que sans aucune action de votre part, chaque ressource **texte libre ne peut pas faire appel à la NLU.

**Or, si vous avez par exemple paramétré une configuration pour l'intention de bavardage Bonjour et vous souhaitez que le chatbot réponde toujours "Bonjour" lorsque l'utilisateur exprime l'intention Bonjour. C'est à dire que vous souhaitez que votre configuration NLU passe en priorité sur le format de réponse imposé texte libre.

Pour ça, rendez-vous dans l'onglet NLU puis dans Configuration. Et enfin, cochez la case intention prioritaire.

Cette configuration vous permettra de passer de ce comportement :

A ce comportement :

A vous de jouer !

Comment requalifier une entité mal étiquetée ?

Imaginons que vous écriviez au chatbot la phrase suivante :

"J'ai besoin d'un nouvel accès à SAP"

Imaginons que vous ayez paramétré une entité "accès" avec les deux synonymes suivants :

• accès bloqué
• nouvel accès

Il est possible que votre chatbot comprenne l'entité "accès" au lieu de son synonyme "nouvel accès". Vous pouvez vous en rendre compte dans le panel des requêtes NLU tapées par les utilisateurs.

Vous allez donc, dans l'onglet de requêtes NLU, vouloir requalifier cette entité en englobant le mot "nouvel" avec "accès". La vidéo suivante décrit comment faire :

https://www.loom.com/share/6b4eaa08bb2c48879195af25146829cd (opens new window)

Il faut donc dans l'ordre :

1. re-cliquer sur l'entité déjà assignée (dans la vidéo => email)

2. Supprimer l'étiquetage actuel

3. cliquer sur les deux mots (ou plus) que vous voulez englober dans l'entité (dans la vidéo => fraudulent email)

4. assigner à l'entité souhaitée

5. corriger la phrase avec le bouton rose tout à droite (en conservant ou non l'intention comprise)

6. entraîner la NLU

7. publier une fois la NLU entraînée

A vous de jouer !

Paramétrer les entités de son chatbot avec des mot clés et synonymes

"Pourquoi mon chatbot ne détecte pas les entités que j'ai paramétré ? "

Vous vous êtes surement déjà posé cette question. Je vais vous expliquer pourquoi. Vous êtes prêt ? Allez c'est parti !

Il y a 2 manières d'associer des mots / ensembles de mots à des entités :

• l'étiquetage de mots dans les phrases d'entrainement des intentions

Dans cette vidéo, (opens new window) j'associe le mot "chaussure" à l'entité "chaussure" dans une phrase d'entrainement de l'intention "Livrer".

• l'ajout de mots clés ou synonymes dans le paramétrage de l'entité elle même

Dans cette vidéo (opens new window), je paramètre l'entité PateATartiner avec deux synonymes :

Nutella et Chocolata ET tous les mots clés associés (avec les écritures possibles).

ATTENTION : paramétrer les mots clés et synonymes d'une entité ne suffit pas pour que le chatbot comprenne ! IL FAUT IMPÉRATIVEMENT que plusieurs des ces mots de cette entité soit placés dans une phrase d'entrainement d'une intention du bot en étant bien sur étiqueté correctement !

Il ne faut pas qu'un mot clé soit présent dans une phrase d'entraînement sans être étiqueté.

Par exemple, je vais ajouter une phrase d'entrainement pour l'intention "Livrer" avec l'entité "PateATartiner" :

Il suffit de le faire une fois par entité ! Désormais, mon bot comprendra le mot Chocolata comme étant l'entité PateATartiner 😉

A vous de jouer !

DANGER

Il faut le moins possible qu'un mot dans les "mots clés" ne soit pas taggué dans les requêtes, MEME lorsque ce mot est taggué avec un autre mot ! PAR EXEMPLE :

I have a problem on SAP BW

si vous tagguez SAP BW comme étant une office app, et que BW et SAP existent séparément dans les mots clés => alors problème

Bonus:

Vous pouvez voir des optimisations possibles pour votre entrainement dans l'onglet entrainement.

ATTENTION :

Lorsque vous ajoutez des mots à un synonyme, ces mots s'ajoutent directement aux mots-clés de l'entité (ce n'est juste pas responsive) => rafraîchissez la page pour le constater et n'ajoutez surtout pas les mots-clés à la main !

Comment gérer les questions que le bot n'a pas compris

Pour paramétrer un message d'erreur, il vous faudra:

Créer une compétence "Non Compréhension" + une ressource avec votre message d'erreur.

Nous vous conseillons d'ajouter un bouton "retour au menu" et "créer un ticket/contacter un conseiller" ...

Activer la compétence de non compréhension.

Aller dans: Compétence > Avancés > Activez "Compétence "Incompréhension"

Paramétrer la compétence avec l'intention "Intent_not_understood":

NLU > Configuration > Ajouter une Configuration > Sélectionner "intent_not_understood" > Valider

NLU > Score de certitude:

Par défaut il est de 0.5 ce qui est plutôt bas, nous vous conseillons de le paramétrer au minima à 0.7

Entrainer votre NLU et publier votre chatbot

Tester la compréhension du bot

L'onglet "Requêtes NLU" de la section NLU affiche des informations qui sont des photos faites à l'instant où la requête a été tapée. Ce qui signifie que les informations ne sont peut être plus valides au moment où vous les consultez (en effet, avoir des informations valides au moment de la consultation signifierai ré-entrainer la NLU à chaque affichage de la page ; difficilement réalisable du fait du temps de calcul nécessaire ⚙️ 🔥 ).

Vous pouvez néanmoins obtenir ces informations mises à jour, requête par requête, en cliquant sur le bouton dédié : "tester"

Sur l'exemple ici, en cliquant sur le bouton "tester" de la 4ème ligne, le résultat va être :

On constate qu'ici les informations diffèrent de ce qui est présenté sur la vue par ligne. Par exemple l'intention reconnue est bien "partager mon chatbot" alors que sur la vue par ligne, l'intention reconnue (au moment où la requête a été tapée par un utilisateur) était "mettre à jour...". Entre temps (le moment où la requête a été tapée et le moment ou on consulte cette page), la NLU a dû être ré-entrainée, ce qui explique l'"amélioration" des informations 👍

That's all folks ! 👋

Créer une logique en fonction de la valeur d'une entité

Imaginons que vous créez un chatbot qui doit traiter des demandes autour d'applications métier comme SAP ou Salesware.

Vous pourrez avoir des requêtes du type :

"Je n'arrive pas à me connecter à SAP"

"Mon accès à Salesware est bloqué"

Imaginons que vous avez mis en place une procédure pour chacune de ces deux problématiques dans votre chatbot. Vous allez donc vouloir avoir un comportement différent en fonction de l'entité "office-app", par exemple :

Si intention = "se connecter" et entité = office-app et office-app = SAP, alors va dans la procédure SAP

Si intention = "se connecter" entité = office-app et office-app = Salesware alors va dans la procédure Salesware

Pour paramétrer cela, rendez-vous dans l'onglet de configuration NLU.

Ensuite, choisissez le paramétrage de l'intention souhaitée puis cochez la case "logique en fonction de la valeur de l'entité". Vous pouvez directement créer une logique en fonction du nom que vous avez paramétré dans les synonymes de votre entité ("SAP" et "Salesware").

NB : Ici, il faut impérativement que j'ai paramétré les deux synonymes "SAP" et "Salesware" dans mon entité application-type.

A vous de jouer !

Consulter la liste des expressions saisies pour l'entrainement de la NLU par intention

Lorsque vous paramétrez la NLU de votre application, il peut être intéressant de consulter la liste des expressions associées à chaque intention ou à chaque entité.

Pour ce faire, dans la section "NLU" du dashboard Vizir, rendez-vous sur l'onglet "Intentions" où se trouve la liste des intentions que vous avez configurées pour votre NLU.

Dans l'encart correspondant à l'intention de votre choix, cliquez sur le troisième bouton "Intention liées" :

S'ouvre alors sur la droite de votre écran un panneau latéral qui affiche la liste de toutes les expressions que vous avez précédemment saisies et correspondant à cette intention. Ce panneau est exactement le même que celui qui s'affiche au clic sur "tester la NLU" (présent dans toutes les sections du dashboard, en haut à droite) ; vous pouvez donc y réaliser les mêmes actions (ajouter/modifier des entités, ajouter une expression, filtrer/rechercher des expressions, ...)

De la même manière, vous pouvez avoir une vision "par entité" de vos expressions en vous rendant sur l'onglet "Entités" de votre section NLU. Seule différence ici, le bouton permettant de consulter les expressions correspondantes à une entité est situé en seconde position dans chaque encart :

Ce qui affiche le volet latéral présentant les expressions contenant l'entité sélectionnée :

⚠️ Attention : Pour pouvoir entraîner la NLU, il faut avoir saisi au moins deux expressions par entité ⚠️

(Les intentions "pré-configurées" telles que "time", "amount of money", ... n'ont pas besoin d'expressions saisies par vos soins pour être fonctionnelles)

That's all folks ! 👋

Le bot comprend mais n'a pas encore de réponse

Cet article décrit comment gérer les situations où votre bot comprend une requête de l'utilisateur mais n'a pas de contenu à lui proposer pour y répondre. On rencontre ce genre de problématiques lorsque son modèle NLU est plus développé que son contenu.

Dans mon chatbot de démonstration, j'ai une quinzaine d'intentions et davantage d'entités, MAIS, assez peu de contenus. Par exemple, je n'ai rien à proposer à l'utilisateur pour l'intention "déclarer un départ".

Imaginons que l'utilisateur tappe la requête encadrée suivante :

Le comportement que vous avez probablement jusqu'à maintenant mis en place est de rediriger vers l'incompréhension. Mais ce que vous avez-pu constater, c'est que cela fait mauvaise impression auprès des utilisateurs => ils ont l'impression que le chatbot ne comprend rien. Nous allons donc créer un contenu qui montrera aux utilisateurs que le chatbot a compris mais ne dispose pas encore de contenu à ce sujet.

Rendez-vous donc dans l'onglet "compétence" et créez une nouvelle compétence. Personnellement, je la nomme toujours "To be setup" ou "No info yet". Ensuite, créez une ressource (vous pourrez nommer de la même façon). Ensuite, vous n'avez plus qu'à faire deux choses :

1. Choisir le message que vous souhaitez envoyer à l'utilisateur tout en utilisant l'attribut dans le lequel vous stockez vos intentions (dans mon cas je les stocke dans @categorie puisque ces intentions me sont utiles pour déterminer la catégorie des tickets créés dans l'outil ITSM). Par exemple :

2. Créer les configurations NLU pour les intentions qui n'ont pas de contenu correspondant en redirigeant vers votre contenu nouvellement créé.

A vous de jouer !

Créer des expressions NLU en masse via Copier/coller

Dans pas mal de cas vous avez déjà des expressions (questions) disponibles dans un Excel ou dans un fichier Word.

Vous allez en effet partir d'un document de setup (en Excel). Ou a minima vous allez exporter des requêtes de votre outils ITSM ou de n'importe quel outil.

Bref peu importe. avant vous deviez entraîner votre NLU en tapant les requêtes une par une 😭😭😭😭😭😭😭

Mais ça, c'était avant.

Bon trêve de plaisanterie, voyons comment qu'on fait

Alors mettons que vous ayez un Excel avec des requêtes NLU que vous voulez importer en masse, un peu comme ça 👇👇👇

Tout ce qu'il vous reste à faire c'est :

1. de copier ces cellules (avec le fameux ctrl+c / ou cmd+c pour les adeptes du mac),
2. d'aller dans Vizir > NLU de choisir l'intention qui va bien
3. de taper coller, à savoir ctrl+v ou cmd+v dans la barre prévue à cet effet

Comme ci-dessous :

Et voilà !

Merci la team

Entrainer la NLU avec des "vraies" requêtes utilisateurs

Concept d'apprentissage

La première chose à comprendre est que le robot n'apprend pas tout seul.

Quand une requête est tapée par un utilisateur, notre algorithme va scorer la probabilité de trouver tel ou tel sujet que vous avez paramétré.

L'algorithme Vizir est actuellement fondé sur la reconnaissance de couples intention/entité(s).

Une intention est très souvent un verbe d'action (supprimer, modifier, annuler, commander etc..).

L'entité peut être de deux types :

• un mot. Par exemple, si mon bot traite de commandes de pizza, je peux marquer le mot margherita comme entité
• une notion / groupe de mots. dans l'exemple de bot précédent, je peux marquer l'ensemble des types de pizza comme étant associées à l'entité pizza.

L'algorithme va d'abord scorer l'intention sur une note allant de 0 à 1 puis va essayer de trouver les entités.

Si l'algorithme trouve un score inférieur au niveau de confiance paramétré (mettre le lien) alors il dit qu'il n'a pas compris.

Entraînement de la NLU

Le robot n'apprend pas automatiquement de ses erreurs, c'est impossible. C'est à vous de consulter régulièrement les requêtes utilisateurs, en particulier les non comprise pour le corriger. Pour accéder à toutes les requêtes utilisateur, allez dans l'onglet NLU, puis Requêtes.

Dans cette fenêtre, vous pourrez donc voir chacune des requêtes tapées par les utilisateurs, les entités reconnues par l'algorithme, l'intention détectée et le score associé. Si aucun score n'est associé, la requête n'a pas été comprise. Une requête peut-être également mal comprise, c'est à dire redirigée vers la mauvaise ressource (le mauvais couple intention/entité).

Une requête peut être mal comprise ou incomprise pour plusieurs raisons :

• La mauvaise intention a été détectée : Dans ce cas, utilisez le menu déroulant Modifiez l'intention pour associer la requête à la bonne intention.

• Aucune intention n'a été détectée : Dans ce cas, vous pouvez créer un sujet et un couple intention/entité associé, puis lier la requête à ce nouveau couple. Si le sujet concerné existe déjà vous pouvez de nouveau utiliser le menu déroulant Modifiez l'intention pour associer la requête à la bonne intention.

• Une ou des entité(s) n'a(ont) pas été détectée(s) : Dans ce cas, il vous suffit de cliquer sur le mot que vous voulez associer à une entité dans la phrase et choisir la bonne entité dans le menu déroulant ouvert au moment du clic sur le mot.

• Une ou des entité(s) a(ont)  été mal associée(s) : Dans ce cas, cliquez sur le mot dont l'entité ne correspond pas à ce que vous voulez et choisissez dans le menu déroulant la nouvelle entité associée.

Comment trouver la dernière requête NLU de l'utilisateur

La dernière requête de l'utilisateur qui a été traitée par nos algorithmes de NLU est stockée dans la mémoire de l'utilisateur avec l'attribut: last_nlu_request

On peut la récupérer et l'appeler comme ci-dessous:

{{ last_nlu_request }}

Comment récupérer plus d'information sur une date

Il est possible de récupérer beaucoup d'information sur le format entité time.

En effet, nous utilisons un module Open Source développé par Wit.ai (entreprise 🇫🇷 rachetée par Facebook). Voici par exemple les informations que nous récupérons sur une date:

{"values":[{"value":"2016-12-14T09:00:00.000-08:00","grain":"hour","type":"value"}],"value":"2016-12-14T09:00:00.000-08:00","grain":"hour","type":"value"}

Ou encore

{
    to: { value: '2021-01-01T00:00:00.000+01:00', grain: 'year' },
    from: { value: '2019-01-01T00:00:00.000+01:00', grain: 'year' },
    type: 'interval'
}

Si vous décidez de sauvegarder l'entité dans la mémoire du répondant (via saveAsAttribute), nous ajoutons automatiquement ces valeurs dans le nom de l'attribut "underscore" additional_attribute

Par exemple si vous souhaitez stocker la date dans l'attribut: date_depart nous allons ajouter un tag (et un attribut) date_depart_additional_attribute avec les détails que nous avons extraits sur la date.

Pourquoi le nombre d'expressions d'une intention ne correspond pas au nombre d'expressions que je peux voir

Il peut arriver que le nombre d'expressions soit différent entre la vue de l'intention et le nombre affiché dans le détail de la liste à droite.

L'explication est très simple.

Le nombre de gauche correspond au nombre d'expressions total (en comptant les expressions fr, en, ...) alors que le nombre de droite correspond au nombre d'expressions dans la langue sélectionnée.

Si vous avez un différentiel, c'est que vous avez des expressions dans une autre langue.

Pour les supprimer, activez les différentes langues, vérifiez qu'il n'y a pas d'expression, supprimez les expressions des langues qui ne sont pas utilisées dans le bot puis désactivez les langues.