Nous avons de plus en plus affaire à des assistants virtuels lors d’un appel à notre opérateur téléphonique ou notre banque. La maturité grandissante des IA conversationnelles vont les ancrer de plus en plus dans les process des entreprises, à condition que les équipes métier soient les premiers contributeurs de leur mise en place.
Chatbot, Voicebot, agent virtuel… les termes ne manquent pas pour décrire ces programmes informatiques capables d’échanger avec l’humain. Toute la nuance vient justement du degré d’interaction derrière ces échanges. Les avancées de l’intelligence artificielle élargissent le champ d’action des chatbots, en leur permettant des réponses plus adaptatives, une meilleure compréhension et donc des échanges plus naturels. Elle permet désormais de mener une conversation avec un individu dans un langage naturel, avec la possibilité de faire des inférences, digresser ou de réaliser des context switch, c’est-à-dire changer de sujet de conversation puis revenir à l’endroit où le thème précédent avait été laissé une fois le nouveau sujet clos. Elle est aussi capable de capter une information en début d’échange à un moment où elle n’était pas demandée et de la garder en mémoire jusqu’au moment où devient nécessaire pour ne pas poser de questions redondantes.
Un saut technologique et sociétal
L’IA conversationnelle a vraiment passé un cap ces dernières années : nous sommes loin du chatbot textuel qui pose ses questions dans un ordre prédéfini et ne comprend pas quand vous parlez du 12 décembre, si vous ne précisez pas le 12 décembre 2021. Le saut est technologique mais aussi sociétal avec une maturité grandissante du marché. Dans un contexte où les services clients reçoivent toujours plus de demandes sans pour autant pouvoir démultiplier leurs effectifs, ces solutions de réponses en temps réel aux utilisateurs sont plébiscitées par les entreprises comme des alternatives viables sans négliger la qualité du service rendu.
Le métier au cœur du process
La métaphore de « l’agent virtuel » est désormais utilisée pour ces solutions intelligentes qui vont apprendre au contact des équipes et des clients. C’est d’ailleurs la clé de sa réussite. Car en plus de l’aspect technologique, notamment dans l’interfaçage avec l’infrastructure informatique de l’entreprise ou la mise en forme des processus, la compréhension du fonctionnement réel avec le métier est essentielle. Le temps passé avec les équipes terrain est clé pour les aider à s’approprier le sujet et devenir acteurs de cette transformation de l’entreprise. Parce que ça permet d’identifier les process les plus consommateurs de temps et à faible valeur ajoutée, mais aussi de saisir toutes les nuances opérationnelles à incorporer le plus fidèlement possible dans la programmation de l’IA afin de répondre au mieux à la réalité des utilisateurs.
Le Natural Langage Understanding
Le premier axe de travail de mon travail de consultant concerne le NLU ou Natural Langage Understanding, c’est-à-dire l’interprétation du langage naturel de l’utilisateur pour le faire correspondre à des actions. Il s’agit donc d’identifier les requêtes et la façon de les demander, de les catégoriser par une architecture d’intention avec les phrases associées, d’entraîner l’IA, de faire les ajustements nécessaires par des allers-retours constants avec le métier, de déployer la solution et de l’améliorer de manière continue. Par exemple, si un utilisateur appelle son assurance en disant « ma maison a brûlé », l’action associée peut-être de « transférer au service sinistre ». Au contraire, s’il appelle en disant « je paye trop cher chaque mois », on cherchera à le mettre en contact avec le service client qui pourra lui proposer une nouvelle protection ou le service réclamation si les conseillers constatent de nombreux appels à ce sujet.
Le Business Process Network
Second axe : les BPN ou Business Process Network. Car en plus de pouvoir assurer le routage des appels, l’IA conversationnelle peut aussi traiter des demandes elles-mêmes. Il faut pour cela comprendre les processus métier, les traduire sous forme de programmes pour l’IA, les interfacer avec les outils existants et les déployer. C’est là aussi la mise en place d’une IA conversationnelle va parfois révéler les carences de l’entreprise en termes d’outils et ainsi ouvrir la voie vers sa transformation plus profonde par des pistes d’amélioration des process et de modernisation des outils comme les bases de données.
L’impact à plusieurs dimensions
L’impact d’une IA conversationnelle dépend du contexte client, des flux ou de la complexité des demandes. Par exemple, pour le projet auquel j’ai récemment participé, l’objectif principal était de désengorger le service concerné de 20 % des appels. Plus que le bilan quantitatif, cela permet de :
- repositionner les agents sur des actions à plus forte valeur ajoutée ;
- augmenter les potentialités business en allouant du temps à la vente de nouveaux produits/services ;
- améliorer la satisfaction client en libérant du temps pour répondre aux questions complexes ;
- améliorer la satisfaction collaborateur en abandonnant les tâches rébarbatives au profit d’activités plus stimulantes.
Faites le vous-même, mais pas tout seul
Chez Talisker, nous sommes attachés à l’appropriation des pratiques par les opérationnels pour rendre effective et pérenne les changements induits. Je suis convaincu qu’il faut en faire de même pour les projets de transformation des services clients et des centres de gestion à l’aide de l’IA. Les équipes métier doivent être accompagnées dans leur rôle d’auteur pour porter le sujet et participer activement à sa mise en œuvre et j’espère partager prochainement avec vous nos bonnes pratiques sur le sujet.
