La réussite d’un projet d’IA conversationnelle (1) repose-t-elle sur la reproduction des performances d’outils grand public comme ChatGPT, ou sur la refonte en profondeur de l’expérience client ?
Alors que l’IA transforme progressivement les standards de la relation client, de nombreuses organisations cherchent avant tout à reproduire les capacités des assistants grand public. Pourtant, les entreprises qui créent réellement de la valeur sont souvent celles qui se posent une autre question : comment simplifier les parcours, repenser les interactions et faire évoluer leur gouvernance grâce à l’IA ?
(1) Par IA conversationnelle, nous désignons l’ensemble des systèmes capables d’interagir en langage naturel avec un utilisateur pour comprendre son intention, rechercher l’information pertinente et l’accompagner dans la résolution de sa demande.
Les standards de l’expérience client sont en train de changer
Les attentes des clients ne se construisent plus uniquement à partir des interactions avec leur banque, leur assureur ou leur opérateur télécom. Elles se construisent désormais à partir de l’ensemble des expériences numériques qu’ils vivent au quotidien
Lorsqu’un utilisateur échange avec un assistant conversationnel capable de comprendre sa demande en quelques secondes, il développe naturellement de nouvelles exigences. Il attend davantage de fluidité, moins de délais et une plus grande autonomie dans la résolution de ses demandes.
Pour les entreprises, cette évolution représente une opportunité importante : pouvoir traiter un volume plus élevé de sollicitations tout en améliorant la disponibilité du service. Mais la promesse ne réside pas uniquement dans l’automatisation. Elle réside surtout dans la capacité à simplifier les parcours clients actuels.
Historiquement, on remarque que de nombreux parcours ont été construits autour des contraintes de l’organisation : répartition des responsabilités, circuits de validation, segmentation des activités et/ou limitations techniques. Ces choix étaient souvent pertinents dans leur contexte, pourtant, ils créent parfois une complexité invisible pour l’entreprise mais très visible pour le client.
L’IA offre aujourd’hui l’opportunité de questionner ces modèles et surtout de les simplifier.
L’erreur : automatiser avant de simplifier
Dans les grandes organisations, la tentation est forte d’utiliser l’IA comme une couche supplémentaire d’automatisation, venant s’ajouter à des processus déjà établis.
Si cette approche permet certes des gains d’efficacité, elle limite souvent le potentiel de transformation. L’enjeu n’est plus seulement d’accélérer des parcours parfois complexes ou inefficaces, mais de les repenser en profondeur, en les automatisant de bout-en-bout ou en créant des parcours hybrides lorsque l’intervention d’un humain est nécessaire.
En effet, l’IA conversationnelle permet parfois de supprimer des étapes devenues inutiles, de réduire des temps d’attente ou de proposer une expérience radicalement différente. C’est précisément à cet endroit que se créent les écarts les plus importants entre les organisations.
Les entreprises les plus avancées ne cherchent plus seulement à automatiser. Elles repensent les parcours à partir des besoins réels du client.
Pourquoi ChatGPT est un modèle plus difficilement reproductible en entreprise qu’on ne l’imagine
Une autre difficulté réside dans l’écart entre les « IA grand public » et les systèmes déployés dans les environnements professionnels. Les discussions réalisées avec ChatGPT ou Claude créent souvent des attentes très élevées. Les utilisateurs découvrent des outils capables de produire des réponses détaillées et de dialoguer avec une grande fluidité. Il est alors tentant d’imaginer qu’une entreprise peut facilement offrir la même expérience à ses clients.
La réalité est beaucoup plus exigeante. En effet, lorsqu’une IA conversationnelle est mise à disposition de clients, elle devient un composant critique de la relation de confiance. Dans l’environnement bancaire d’un de nos clients, une réponse erronée peut avoir des conséquences financières, réglementaires et/ou réputationnelles.
L’entreprise doit donc répondre à des exigences que les outils grand public ne portent pas nécessairement au même niveau : sécurité des données, conformité réglementaire, traçabilité des réponses, maîtrise des risques, contrôle des sources utilisées…
Cette exigence se traduit concrètement par des mécanismes de validation continue des contenus. L’IA n’est pas considéré comme autonome, elle s’inscrit dans un dispositif de gouvernance et de supervision permanent.
Le défi principal n’est donc pas de produire une réponse impressionnante ou de rechercher l’effet waouh, mais consiste à délivrer une réponse fiable. Cette distinction est fondamentale.
Dans le cadre d’une mise en place de routage téléphonique chez un assureur, atteindre 90 % de reconnaissance était une réussite car le risque métier était maîtrisé. Dans un environnement bancaire où l’exactitude est une exigence absolue, ce même niveau de précision aurait été insuffisant.
C’est pourquoi de nombreuses entreprises déploient des solutions parfois moins spectaculaires que les outils grand public mais beaucoup plus robustes. C’est le cas sur une autre de nos missions chez un acteur de la Banque. La question n’est jamais uniquement de savoir si l’IA sait répondre. La priorité est bien de garantir que les réponses fournies soient conformes aux informations validées par l’entreprise. Pour cette raison, les réponses de l’agent conversationnel sont encadrées, contrôlées et auditées. L’enjeu n’est pas de laisser le modèle générer librement du contenu, mais de maîtriser précisément ce qui peut être dit au client et dans quelles conditions.
L’IA conversationnelle est avant tout un projet de transformation
L’IA conversationnelle peut devenir un levier de transformation important pour l’entreprise, à condition de travailler bien au-delà de la technologie : sur les usages, les processus, la connaissance, l’organisation et l’adoption.
Après plusieurs déploiements d’agents conversationnels dans des environnements réglementés, nous observons systématiquement le même phénomène : la mise en production n’est pas un aboutissement mais seulement une étape. Chez l’un d’eux, la performance de l’outil d’IA conversationnelle fait l’objet d’un suivi continu : analyse des conversations, identification des demandes non comprises, enrichissement des intentions et amélioration des parcours. Cette boucle d’amélioration continue mobilise une équipe dédiée et conditionne directement la création de valeur dans le temps.
De plus, une IA conversationnelle performante mais peu utilisée ne crée aucune valeur. Les organisations doivent donc accompagner les clients en développant la confiance dans les outils et en démontrant concrètement les bénéfices apportés.
Réinventer les parcours client et le modèle opérationnelle avant de rechercher les gains de productivité
L’IA conversationnelle représente une opportunité majeure pour les entreprises. Cependant, sa valeur ne se mesure pas uniquement à travers les gains de productivité qu’elle peut générer : les organisations qui réussiront seront celles qui accepteront de questionner leurs modèles existants plutôt que de chercher à les reproduire à l’identique.
Une des idées reçues les plus répandues consiste à penser qu’une IA conversationnelle performante est une IA totalement autonome. Dans la réalité, les projets les plus matures s’appuient sur un équilibre entre automatisation et contrôle. Plus le risque métier est élevé, plus le besoin de supervision et de gouvernance est fort.
L’enjeu n’est donc pas de construire un clone de ChatGPT aux couleurs de l’entreprise mais bien de concevoir une expérience client plus simple et pertinente, tout en respectant les exigences de fiabilité et de sécurité propres à chaque entreprise.
Comme souvent dans les transformations technologiques, la difficulté n’est finalement pas la technologie elle-même, mais bien la capacité de l’organisation à faire évoluer ses pratiques afin de créer de la valeur pour ses clients.
