Chatbot IA pour bibliothèque : ce que c'est et comment il fonctionne

Pas un chatbot généraliste avec le logo de la bibliothèque

Quand on demande « un chatbot pour la bibliothèque » sans autre précision, on imagine souvent l'assistant du service client d'un site marchand. Le problème, c'est qu'un assistant généraliste simplement branché sur un modèle de langage présente un défaut grave dans un contexte documentaire : il peut inventer. Si un étudiant demande si tel livre est disponible, un modèle sans accès au catalogue réel peut répondre quelque chose de plausible mais faux, car son travail consiste à produire un texte cohérent, pas à interroger un inventaire.

Un chatbot de bibliothèque bien construit règle ce problème grâce au RAG (retrieval-augmented generation, ou génération augmentée par la recherche) : avant de répondre, le système interroge les sources réelles de la bibliothèque, comme le catalogue, les pages de services, le règlement ou les guides thématiques, et ne rédige sa réponse qu'ensuite, à partir de ces informations. C'est une technique documentée et de plus en plus courante dans les bibliothèques universitaires. La bibliothèque de l'Université de Calgary, au Canada, l'emploie par exemple depuis 2021 pour T-Rex, son chatbot de référence multilingue, entraîné sur le contenu web de la bibliothèque, dont ses guides thématiques et ses horaires.

Comment fonctionne un chatbot IA pour bibliothèque

Le flux, simplifié, comporte trois étapes :

1. La question. L'usager écrit en langage naturel : « Le manuel d'analyse de Stewart est-il disponible ? », « Jusqu'à quelle heure êtes-vous ouverts samedi ? », « Comment prolonger un prêt ? ».
2. La recherche dans les sources. Le système cherche l'information utile dans les sources connectées de la bibliothèque : le catalogue (Koha, par exemple) pour un livre, DSpace pour un document du dépôt, les pages de services pour les horaires ou les règles.
3. La réponse. Le modèle de langage rédige la réponse à partir de l'information récupérée, et non de sa mémoire générale.

Conséquence pratique, qu'il faut souligner : le chatbot ne sait que ce que la bibliothèque lui donne à savoir. Si le catalogue n'est pas à jour ou si le règlement n'est publié nulle part où il puisse le lire, il ne pourra pas bien répondre à ces questions. Lorsque ses sources ne couvrent pas une demande, il doit le dire et orienter l'usager vers le personnel. Dans les projets de BiblioLabTech, la première phase n'est donc jamais « activer le chatbot » : c'est faire l'inventaire des sources d'information disponibles et de leur état, car un chatbot branché sur des données incomplètes hérite de leurs lacunes.

Chatbot de bibliothèque ou chatbot généraliste : le comparatif

Les questions qu'il résout vraiment

Ce n'est pas de la magie, et il ne remplace pas le personnel sur les tâches complexes. Ce qu'un chatbot bien mis en œuvre fait bien, c'est absorber l'essentiel du volume de questions de toute bibliothèque : des questions répétitives, directes et nombreuses, auxquelles une personne répond aujourd'hui encore et encore. Parmi les plus courantes :

• Horaires : de la bibliothèque, de certaines salles, en période d'examens ou de vacances.
• Disponibilité d'un document : s'il est emprunté, dans quelle bibliothèque il se trouve, s'il en existe une version numérique.
• Prêts et prolongations : comment prolonger, combien de fois, ce qui se passe en cas de pénalité.
• Recommandations personnalisées : suggestions de lecture ou de bibliographie selon les centres d'intérêt ou la formation de l'usager.
• Orientation documentaire : quelles bases de données utiliser pour un sujet, comment citer selon une norme donnée, où trouver une ressource numérique.
• Démarches : comment s'inscrire comme lecteur extérieur, comment accéder à distance aux bases sous abonnement.

Ce qu'un chatbot de bibliothèque ne devrait pas tenter, c'est de se substituer au jugement du bibliothécaire de référence sur une recherche complexe ou dans une médiation délicate avec un usager. L'objectif réaliste, celui que poursuit BiblioLabTech à chaque déploiement, est que le chatbot absorbe le volume répétitif pour libérer le personnel au profit de ce qui exige un jugement humain : conseil en stratégies de recherche, formation des usagers, accompagnement des chercheurs. Les sujets que l'assistant ne doit jamais aborder sont d'ailleurs fixés dès le départ.

Les canaux : site web et WhatsApp

Un même chatbot peut vivre sur plusieurs canaux sans dupliquer le travail d'entraînement. Les deux plus utilisés en bibliothèque sont le widget de discussion du site web, cette fenêtre flottante que tout visiteur du catalogue en ligne peut ouvrir sans quitter la page, et WhatsApp. En Amérique latine, où se trouvent les projets actuels de BiblioLabTech, WhatsApp est pour une bonne partie des usagers le canal de communication par défaut, loin devant le courriel ou la messagerie d'un site. L'ajouter n'a donc rien de cosmétique : un étudiant qui ne visiterait jamais le site de la bibliothèque enverra volontiers un message à un numéro s'il obtient sa réponse en dix secondes. La règle vaut partout : le bon canal est celui où votre communauté écrit déjà. Le chatbot peut aussi s'intégrer aux portails universitaires, aux plateformes pédagogiques et aux outils de service d'assistance existants, selon le cas de chaque établissement.

Côté langues, le chatbot répond dans la langue dans laquelle on lui écrit ; pour un établissement à la population internationale, on fixe l'ensemble des langues prises en charge et le registre à adopter dans chacune. La façon de s'adresser à l'usager, tutoiement ou vouvoiement, le niveau de formalité, la terminologie maison et les messages de transfert vers le personnel se configurent également, puis s'ajustent pendant le pilote avec l'équipe de référence, qui sait mieux que personne comment parler à ses usagers.

Intégration avec Koha, DSpace et les autres systèmes

Un chatbot non connecté au système de gestion de la bibliothèque ne peut répondre qu'à des questions générales. Ce qui lui donne sa vraie valeur, c'est la connexion aux sources de données vivantes : à Koha pour la disponibilité des exemplaires, l'état des prêts et le catalogue ; à DSpace pour le contenu du dépôt institutionnel, qu'il s'agisse de thèses, d'articles ou de jeux de données ; et, selon le cas, à ABCD ou à OJS lorsque la bibliothèque publie des revues. BiblioLabTech déploie le chatbot comme une couche qui se connecte à l'existant, sans obliger la bibliothèque à changer de SIGB pour se doter d'un assistant conversationnel.

Un point de vigilance concerne les données des conversations. Leur finalité, leur durée de conservation et les personnes qui y ont accès se définissent dès le contrat. Quand l'assistant n'authentifie pas l'usager, il n'associe pas la conversation à une personne identifiée ; si l'établissement souhaite des réponses personnalisées, comme l'état des prêts d'un lecteur, l'authentification devient nécessaire et ce sont alors les politiques de protection des données de l'université qui s'appliquent.

Un cas réel : le ChatBot Referencista de l'Escuela Colombiana de Ingeniería

Il ne s'agit pas seulement de théorie. À l'Escuela Colombiana de Ingeniería Julio Garavito, à Bogotá, BiblioLabTech a mis en œuvre un ChatBot Referencista, son chatbot destiné au service de référence, dans le cadre de l'ensemble de la plateforme documentaire de l'université : Koha avec catalogage assisté par BiblioScan AI, dépôt DSpace avec MetaExtract API et le métamoteur BiblioMeta, le tout sur un serveur dédié de l'université administré par notre équipe. Le corpus institutionnel de l'assistant a été préparé, les règles de transfert vers le personnel définies et un pilote interne mené avant l'ouverture au public. C'est le schéma que décrit ce guide : le chatbot ne fonctionne pas isolément, il s'insère dans un ensemble connecté au catalogue et au dépôt réels de l'établissement.

Ce que votre bibliothèque doit préparer avant de se lancer

Avant de souscrire un chatbot, trois points méritent d'être vérifiés, car ils déterminent son efficacité dès le premier jour :

1. Un catalogue raisonnablement complet et à jour. Un chatbot ne corrige pas un catalogue mal renseigné : il en expose simplement les défauts plus vite.
2. Des règles écrites et consultables. Horaires, conditions de prêt, procédures : si ces informations n'existent que dans la tête du personnel, le chatbot ne peut pas les apprendre.
3. Le bon canal. Inutile de privilégier un widget web si vos usagers vivent sur WhatsApp, et inversement.

Il faut aussi un référent fonctionnel à la bibliothèque pour valider les contenus, l'accès au catalogue et au dépôt si l'on veut des réponses en direct, et une décision claire sur les personnes à qui transférer les questions escaladées. Aucune infrastructure propre n'est nécessaire. Comptez de six à dix semaines jusqu'à l'ouverture au public, pilote interne compris. La phase la plus variable est la préparation des sources : quand règlements et tutoriels sont à jour, le projet avance vite ; quand l'information est dispersée ou périmée, la remettre en ordre représente la moitié du travail.

Le prix dépend du nombre de canaux de publication, du volume et de l'état des sources à préparer, des intégrations requises avec le catalogue, le dépôt ou le système académique, et du volume de conversations attendu. Il s'agit d'un service annuel qui inclut l'exploitation, et non d'une licence installée puis laissée à l'abandon. Pour mesurer le résultat, on suit le volume de conversations, la part de questions résolues sans transfert, les sujets les plus fréquents et les questions restées sans réponse. Cette dernière liste est la plus utile : c'est la feuille de route mensuelle pour enrichir la base de connaissances, et elle révèle souvent des lacunes dans l'information publique de la bibliothèque.

BiblioLabTech propose trois configurations de base : le ChatBot Referencista pour le service de référence, un chatbot de vente pour les librairies et les éditeurs, et un chatbot étudiant consacré à l'information académique et administrative, ainsi que des développements sur mesure. Pour aller plus loin, découvrez le service de chatbots IA de BiblioLabTech, puis voyez comment le métamoteur de recherche pour bibliothèque et l'assistant de recherche IA complètent ce dispositif.