La lutte contre le spam est un défi permanent dans le monde des affaires d’aujourd’hui. Pour améliorer la détection des spams, nous sommes passés des méthodes traditionnelles à l’avant-garde des solutions basées sur l’IA. Dans cet article, nous vous présentons l’évolution de notre approche de la détection des spams.
Notre défi : vaincre le spam dans les cas Salesforce
Tout d’abord, examinons les défis uniques que nous avons rencontrés avec Microsoft 365 et Salesforce. Nous recevions des courriels via des boîtes aux lettres partagées telles que info@ dans Microsoft 365, qui étaient automatiquement transmis à Salesforce en tant que cas.
Ce processus a créé un défi inattendu : l’absence de filtres anti-spam efficaces. En l’absence de filtres dans Microsoft 365 et Salesforce, les courriers indésirables non filtrés inondaient nos dossiers Salesforce, ce qui rendait nos équipes inefficaces et surchargées.
Premiers pas : Protection limitée avec l'IA traditionnelle
Nos premières tentatives de lutte contre le spam à l’aide d’une IA traditionnelle, telle que SpamAssassin avec des filtres bayésiens, n’ont donné qu’une protection limitée. Nous n’avons pu filtrer que 25 % des spams, ce qui nous a incités à continuer à chercher des améliorations.
ADA : un pas en avant
Face à ces limites, nous avons fait nos premiers pas vers une solution d’IA plus avancée en 2022. Nous avons développé un modèle modifié basé sur ADA, un prédécesseur de ChatGPT 3.5. Ce modèle a permis d’améliorer considérablement la détection des spams, avec un taux de précision d’environ 90 %. L’un des principaux avantages de ce modèle basé sur ADA est qu’il a pu être progressivement amélioré grâce à un réglage fin, tandis que les coûts opérationnels sont restés étonnamment bas.
Passer d'ADA à GPT-3.5 Turbo
La fin de vie d’ADA approchant, nous avons cherché des solutions d’IA plus avancées et avons choisi GPT-3.5 Turbo. Bien qu’il s’agisse d’une avancée technologique, la version standard de GPT-3.5 Turbo n’a pas répondu à nos attentes, avec une précision de seulement 60 % dans la détection des spams. Ce résultat a mis en évidence la nécessité d’une approche plus spécialisée.
Notre propre modèle GPT-3.5 : la percée
Nous avons pris les choses en main et développé un modèle GPT-3.5 modifié. Avec 10 000 courriels de spam et de ham collectés par nos soins, nous avons atteint une précision de 99 %. Cependant, lorsque nous avons essayé d’affiner ce modèle, nous avons rencontré des difficultés. En ajoutant uniquement du spam, le modèle a commencé à tout classer comme spam, et vice versa avec le ham. Malgré la théorie selon laquelle les modèles existants peuvent être affinés, cela s’est avéré inefficace dans la pratique.
Une solution à grande échelle : 99,7 % de précision
Notre solution ? Une approche à grande échelle.
Nous avons entraîné un modèle entièrement nouveau avec 30 000 courriels, combinés à SpamAssassin.
Nous avons obtenu une précision de 99,7 %, ce qui prouve que des ensembles de données étendus sont la clé d’une IA réussie.
Conclusion : le pilier de notre automatisation de l'email
Notre parcours dans la détection des spams par l’IA met en évidence non seulement notre innovation et notre adaptation continues, mais aussi la façon dont cette technologie constitue l’épine dorsale de notre automatisation globale de la messagerie électronique. En détectant et en filtrant efficacement les spams dès la première étape, nous évitons de perdre un temps précieux et des ressources à traiter les courriels indésirables. Cela permet à notre IA avancée de se concentrer sur la réponse aux questions légitimes des clients.
