---
sourceDocument: Australie : activer l’IA
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/intelligent-experiences

 Release :

    - australia

ft:locale :

    - fr-FR

ft:publication_title :

    - Australie : activer l’IA

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Détection de non-pertinence dans NLU

# Détection de non-pertinence dans NLU {#ariaid-title1}

* Rversion finale: Australia
* 
* Mis à jour 12 mars 2026
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 6 minutes de lecture

Gardez Agent virtuel les chats concentrés avec la détection de non-pertinence. Utilisez la fonctionnalité de détection de non-pertinence pour former votre NLU modèle afin qu'il évite d'effectuer des prédictions pour des énoncés qui ne sont pas pertinents.

## Informations récapitulatives {#irrelevance-detection-nlu__section_zyx_t43_cyb}

La fonctionnalité de détection de non-pertinence améliore la précision de prédiction des NLU modèles en leur apprenant à ignorer certains énoncés. Ces énoncés de vos utilisateurs peuvent ne pas s'appliquer à n'importe quelle intention et ne doivent donc pas faire l'objet de prédiction.

Pour vous assurer que les modèles ne prédisent pas une intention alors qu'ils ne sont pas censés le faire, vous pouvez marquer les énoncés comme <kbd class="ph userinput">non pertinents</kbd>. Ces énoncés marqués sont inclus dans le cadre de la formation du modèle. Lorsque le modèle publié rencontre des énoncés similaires de la part de vos utilisateurs, aucune intention n'est mise en correspondance ou prévue.

La table de détection de non-pertinence est l'endroit où vous pouvez gérer les énoncés marqués comme <kbd class="ph userinput">non pertinents</kbd>.

## Rôles, utilisation et navigation {#irrelevance-detection-nlu__section_atx_jv3_cyb}

Utilisez le rôle de nlu_admin ou d'administrateur pour accéder à la détection de non-pertinence. Le rôle nlu_editor est également en mesure d'accéder à la détection de non-pertinence, mais doit être affecté à un modèle pour modifier le contenu de ce modèle.

La détection de non-pertinence est disponible uniquement pour Agent virtuel les modèles.  
1. Accédez à la TousConsole NLUModèles. L'onglet Agent virtuel s'ouvre par défaut.
2. Faites défiler la liste des modèles jusqu'à la section Boostez les performances de Agent virtuel votre modèle.
3. Faites défiler horizontalement pour localiser la carte Gardez les chats concentrés et sélectionnez son bouton Accéder à la détection de non-pertinence.

{#irrelevance-detection-nlu__ol_wt1_x2v_cyb}  
Remarque :  
L'URL d'instance de cette fonctionnalité est \<nom-instance\>.servicenow.com/now/nlu-workbench/irrelevant-utterances.

## Ajout d'énoncés à la détection de non-pertinence {#irrelevance-detection-nlu__section_sxc_mp3_cyb}

Il existe plusieurs méthodes pour ajouter des énoncés à la détection de non-pertinence :

* Journal Agent virtuel de la messagerie instantanée : dans la boucle de rétroaction d'experts dans Console NLU, lorsque vous examinez un énoncé collecté à partir du journal de messagerie Agent virtuel instantanée, vous pouvez le marquer comme <kbd class="ph userinput">Non pertinent</kbd>. Le système demandera s'il ne doit pas être pertinent pour un modèle particulier ou pour tous les modèles. Après l'ajout, ces énoncés peuvent s'afficher en tant que NO_INTENT dans la boucle de rétroaction d'experts.

  Pour plus d'informations sur la boucle de rétroaction d'experts dans , reportez-vous à NLU la section [NLU Boucle de rétroaction d'experts](https://servicenow-prod.fluidtopics.net/vTXBu_tcNxsytTEeT5_itA "Fournissez des commentaires sur Agent virtuel les énoncés du journal de messagerie instantanée pour aider le système à apprendre en permanence et à mieux prédire les entrées des utilisateurs.").

  Ces énoncés ont une source de journaux de messagerie instantanée VA dans la table de détection de non-pertinence.
* Entrée manuelle : dans la détection de non-pertinence, tapez votre énoncé dans le champ Saisissez les énoncés ici , puis sélectionnez Ajouter. Le système demandera s'il ne doit pas être pertinent pour un modèle particulier ou pour tous les modèles.

  Ces énoncés ont une source de manuel dans la table de détection de non-pertinence.
* Importation : lorsque vous utilisez un fichier CSV ou XLSX (Excel Workbook) pour importer des énoncés de formation et leurs intentions, vous pouvez indiquer les énoncés non pertinents en laissant vide la colonne Intention. Ces énoncés peuvent s'afficher comme NO_INTENT dans des domaines tels que Boucle de rétroaction d'experts et Examen de conflit.

  Pour plus d'informations sur l'importation d'énoncés et d'intentions, reportez-vous à la section [Créer un NLU modèle à partir d'un fichier CSV](https://servicenow-prod.fluidtopics.net/aQpalQE_PizGnqXG8zcO4Q "Chargez un fichier CSV ou XLSX (Excel Workbook) contenant les énoncés et leurs intentions pour créer un Compréhension du langage naturel modèle (NLU). Utilisez cette méthode pour créer rapidement des modèles à partir de vos données ou d’autres modèles exportés.").

  Ces énoncés ont une source de manuel dans la table de détection de non-pertinence.

## Comportement des énoncés non pertinents {#irrelevance-detection-nlu__section_uxc_vr3_cyb}

Il existe deux types d'énoncés non pertinents : ceux associés à un modèle spécifique, ou ceux qui ne sont pertinents pour aucun modèle. Un modèle peut avoir un maximum de 200 énoncés non pertinents associés.

Voici des détails sur la façon dont ces deux types et le maximum de 200 points interagissent.

Lorsqu'un modèle est soumis pour la formation, au maximum 200 énoncés non pertinents sont soumis avec lui. Tout d'abord, les énoncés non pertinents directement associés à ce modèle sont soumis. Ensuite, les énoncés qui sont désignés comme non pertinents pour un modèle sont soumis. Le total de ces types ne dépasse pas 200.

Si 200 énoncés non pertinents sont associés à un modèle et qu'un nouvel énoncé non pertinent est ajouté, l'énoncé le plus ancien du modèle est abandonné. Le nouvel énoncé non pertinent peut être de l'un ou l'autre type (non pertinent pour le modèle spécifique ou non pertinent pour un modèle).

Un modèle ne peut pas avoir plus d'énoncés non pertinents que les énoncés de formation normaux.

## Revues de conflits {#irrelevance-detection-nlu__section_y2h_zs3_cyb}

Si un énoncé est marqué comme non pertinent et qu'il existe un énoncé similaire dans une intention, le modèle ne fait pas de prédiction pour cet énoncé. En d'autres termes, les énoncés non pertinents ont priorité sur les énoncés de formation.
Étant donné que les énoncés non pertinents ont un impact sur les prédictions du modèle, ils s'affichent sous forme de conflits lorsqu'ils chevauchent des énoncés de formation.  
Il existe deux endroits où les conflits avec des énoncés non pertinents sont mis en évidence :

* Module Revue de conflit inter-modèles. Pour en savoir plus sur ce module, reportez-vous à la section [Revue de conflit inter-modèles](https://servicenow-prod.fluidtopics.net/G0palCvlNtGrLS0aqV5cMw "Identifiez les intentions conflictuelles au sein des modèles ou entre ceux-ci afin de pouvoir prendre des mesures correctives, résoudre ces conflits et améliorer les performances de votre NLU modèle.").  
  Remarque :  
  Le module Revue de conflit inter-modèles est disponible avec l'application Console NLU - Fonctionnalités avancées à partir de ServiceNow® Store. Pour plus d'informations, consultez [Console NLU : fonctionnalités avancées](https://servicenow-prod.fluidtopics.net/G~oqYX9qu0TC0_7HbRHDtw "Console NLU - Les fonctionnalités avancées étendent les fonctionnalités de Console NLU pour vous aider à gérer et à améliorer vos modèles.").
* Onglet Conflits d'une intention. Pour plus d'informations sur les conflits dans une intention, reportez-vous à la section [Résoudre les problèmes d'intention](https://servicenow-prod.fluidtopics.net/gVHM1VFFNkLQy38j8wf5iQ "Utilisez les cartes de problèmes pour identifier les intentions qui ont des conflits, qui doivent être examinées ou qui nécessitent plus d’énoncés. La résolution des problèmes d’intention garantit que les intentions de vos Compréhension du langage naturel modèles (NLU) fonctionnent correctement.").

{#irrelevance-detection-nlu__ul_hrg_5xf_2yb}Dans le but d'examiner les conflits, les énoncés non pertinents sont affichés comme s'ils étaient dans leur propre intention, nommée NO_INTENT.

Notez que les énoncés non pertinents ne peuvent pas être modifiés ou supprimés sur la page de conflit. Copiez l'énoncé non pertinent de la page de conflit vers la page de détection de non-pertinence pour modifier ou supprimer l'énoncé.

## En savoir plus {#irrelevance-detection-nlu__section_tnk_ht3_cyb}

* Dans les jeux de tests, essayez d'inclure environ 10 % des énoncés de test comme étant non pertinents. Cela permet d'évaluer comment votre modèle gère les énoncés qui ne devraient pas avoir d'intention prédite. Lorsque vous importez des énoncés de formation ou de test à partir d'un fichier CSV ou XLSX (Excel Workbook), vous pouvez indiquer qu'un énoncé n'est pas pertinent en laissant vide la colonne Intention.
* Lors du test des modèles par rapport à des jeux de tests, les résultats sont considérés comme corrects si aucune intention n'est prévue pour un énoncé non pertinent.
* Les énoncés qui ont été marqués comme <kbd class="ph userinput">non pertinents</kbd> peuvent être réaffectés ultérieurement. Par exemple, si une nouvelle intention est créée, les énoncés non pertinents existants peuvent être affectés manuellement à la nouvelle intention. Ils font alors partie des énoncés de formation normaux.

  Pour réaffecter un énoncé dans la détection Non pertinence, développez la liste dans la colonne Intention corrigée et sélectionnez l'intention appropriée. Assurez-vous de sélectionner le bouton Save feedback (Enregistrer les commentaires ) après la réaffectation. Assurez-vous également de reformer le modèle pour intégrer ces mises à jour dans le modèle.
* Les énoncés non pertinents ne sont pas associés à des intentions particulières dans un modèle. Ils sont soit associés à un modèle, soit marqués comme non pertinents pour aucun modèle.
* Les énoncés marqués comme non pertinents pour un modèle sont soumis dans le cadre des données de formation pour chaque modèle. En d'autres termes, celles-ci s'appliquent à tous les modèles.
* Une formation de modèle est nécessaire pour incorporer des énoncés <kbd class="ph userinput">non pertinents</kbd>. L'entraînement de n'importe quel modèle ajoute des énoncés nouvellement marqués à tous les modèles.
* Les énoncés peuvent être supprimés ou modifiés dans la table de détection de non-pertinence.
* Les énoncés non pertinents doivent avoir un contenu différent des énoncés associés à une intention.