Cet article est le deuxième de la série « Intelligence artificielle omnicanale : la révolution de la relation client est en route ». Retrouvez ici le premier post de la série.

Eviter la « vallée de la mort » de l’IA ?

Pour tirer pleinement profit de l’Intelligence artificielle et éviter de traverser cette « vallée de la mot » de l’Intelligence artificielle. Nous identifions 2 conditions de succès :

  1. La focalisation : sur les cas d’usages et les canaux de relation client à plus fort enjeux
  2. Les choix technologiques : avec la mise en place d’un socle technologique assurant l’omnicanalité

Choisir ses combats

Chatbots écrits ou vocaux, assistants personnels, plateformes d’engagement clients… les cas d’usage de l’intelligence artificielle dans la relation client sont légion et permettent d’apporter des réponses durables aux problématiques d’efficience opérationnelle, de satisfaction clients ou d’efficacité commerciale. Toutefois, il est illusoire de chercher à adresser simultanément l’ensemble de ces dimensions. Le choix du cas d’usage d’IA sur lequel se lancer en priorité doit donc répondre aux intensions stratégiques de la direction relation client.

Illustration n°2 : Panorama des cas d’usage d’IA dans la relation client (Source : Capgemini Consulting)

Si l’objectif est d’améliorer l’efficience opérationnelle, nous recommandons la mise en place d’un chatbot vocal sur le SVI en langage naturel (conversation naturelle). Les technologies de transcription et de vocalisation étant dorénavant arrivées à maturité, les chatbots vocaux peuvent à présent prendre en charge des demandes clients de bout en bout. Les demandes les plus complexes pouvant donner lieu au transfert de la conversation vers un conseiller. Avec plus de 70% des flux de relation client sur le canal téléphone, les business case liés aux chatbots vocaux sont particulièrement intéressants. Si les investissements de départ restent significatifs (nettement supérieurs aux chatbots écrits), les perspectives de gains sont tout à fait attractives grâce à la réduction des flux traités par les conseillers et la baisse de la durée moyenne de traitement des contacts. Nous estimons la période de payback à un an et demi pour la mise en œuvre d’un chatbot vocal[6].

Pour renforcer l’efficacité commerciale sur les canaux digitaux, un chatbot écrit s’avère très efficace. Un nombre important des ventes en lignes étant réalisé en dehors des heures d’ouverture des centres de contact, le chatbot accompagne le client dans son parcours d’achat en répondant à ses questions ou en suggérant des produits pertinents. Ils permettent de générer jusqu’à plus 10% de chiffre d’affaires additionnel[7]. En complément des chatbots écrits, le développement d’algorithmes autoapprenant (s’appuyant sur des technologies de deep learning) pour enrichir la segmentation client et améliorer le ciblage marketing présente un réel intérêt. Contrairement au chatbot écrit, la mise en place de ces algorithmes nécessite un savoir-faire technologique fort (compétences de data science) ainsi qu’un volume de données significatif pour obtenir des résultats probants. Dans les deux cas, le recours à une expertise humaine sera nécessaire pour « entraîner » le bot sur une durée pouvant aller jusqu’à plusieurs mois selon le degré de sophistication souhaitée pour le bot.

La richesse du paramétrage métier du chatbot assure un niveau de satisfaction client élevé dans l’usage de celui-ci. Complétude des parcours déployés sur le bot, degré de personnalisation et qualité des conversations implémentées, justesse de la ligne éditoriale et richesse des mécaniques conversationnelles (système de reformulation, détection de l’émotion, etc.)… autant de facteurs garantissant la qualité des réponses du bot et, in fine la satisfaction des utilisateurs. La richesse des contenus et services proposés par le bot sont également critiques pour générer de la satisfaction et développer de la récurrence dans l’usage du bot.

Penser omnicanal dès le départ

Certains éditeurs ou start-up spécialisées proposent de déployer des premiers cas d’usage d’IA dans la relation client (chatbots écrits, gestion automatisée des flux froids…) en seulement quelques semaines et pour un coût attractif. Pour les marques désireuses de se lancer dans l’aventure, cela représente une bonne opportunité pour se familiariser avec les technologies et observer les usages clients.

Toutefois, la mise en place de ces expérimentations doit être accompagnée d’une réflexion sur le socle technologique IA. Une vision claire de l’ensemble des briques constitutives de ce socle est indispensable pour faire les bons choix en termes de solutions (adéquation de la solution avec le besoin, coûts de mise en œuvre et de maintien, évolutivité, garanties de sécurité…) et établir une stratégie d’investissements technologiques d’IA sur le long cours.

Illustration n°3 : Représentation simplifiée d’une architecture IA (Source : Capgemini Consulting)

Nous sommes souvent interrogés par nos clients sur le choix des partenaires technologiques, question complexe dans un marché fragmenté, en constante évolution et où la communication et le buzz ont tendance à primer. La première de nos réponses consiste à inviter nos clients à examiner leur écosystème technologique existant car souvent certaines briques sont déjà présentes et maîtrisées par les équipes métiers et SI (un SVI en langage naturel ou un moteur d’analyse sémantique, par exemple). Ainsi, plutôt que de chercher à acquérir une solution unique capable de couvrir l’ensemble des cas d’usage, nous recommandons de recourir à des acteurs de plus petite taille, experts sur chacune des technologies du socle IA et qui, associés les uns aux autres, constitueront un socle IA robuste et à l’état de l’art. Cette approche par agrégation d’acteurs « best of breed » offre pour l’entreprise davantage de flexibilité, un rapport de force plus favorable vis-à-vis des fournisseurs et une capacité accrue à influer sur leur roadmap. Les coûts de mise en œuvre et de maintenance du socle IA dans cette approche sont généralement moindres comparativement à ceux constatés pour les grandes solutions généralistes du marché. Cette approche assure également une moindre dépendance vis-à-vis d’un unique partenaire technologique.

Illustration n°4 : rôle de la couche d’orchestration (Source : Capgemini Consulting)

Une condition clé de réussite dans la mise en œuvre de cet écosystème technologique consiste dans la création, dès la phase d’expérimentation, d’une couche logicielle d’orchestration des flux. Celle-ci permet d’interfacer les différentes briques du socle IA (traitement du langage naturel, gestionnaire de dialogue…), le système d’information (CRM, catalogues d’offres ou de services…) et l’ensemble des canaux de relation client sur lesquels le bot est déployé (téléphone, email, chat, médias sociaux…) pour assurer la cohérence des réponses apportées quel que soit le canal d’interaction considéré. Cette couche d’orchestration permet de rendre les différentes composantes technologiques indépendantes et interopérables via la normalisation des flux et sécurise le passage à l’échelle du dispositif d’IA : enrichissement du champ de compétences métier du bot, interfaçage renforcé avec le SI, ou encore le déploiement de nouveaux canaux de relation client…

Retrouvez ici le dernier article de la série.

[6] Retour d’expérience missions Capgemini Consulting
[7] Etude iAdvize, 2017