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

En route vers l’IA omnicanale

La mise en place d’une IA dans la relation client relève d’une véritable transformation de fond pour la plupart des entreprises traditionnelles. Tout d’abord, une transformation pour les clients qui se voient proposer une nouvelle manière d’interagir avec la marque, plus fluide et toujours plus personnalisée. Ensuite, pour les collaborateurs de la relation client, l’IA constitue une véritable rupture tant à court terme compte tenu de la prise en charge par les bots d’une partie des interactions client en complément des conseillers, qu’à moyen terme dans la mise ne œuvre de nouveaux modes d’organisation et la redéfinition des modèles de compétences des collaborateurs de la relation client.

Pour mener à bien cette transformation, nous recommandons une approche mixte alliant expérimentation focalisée de l’IA en parallèle d’une réflexion de fond sur la transformation du modèle métier de la relation client. L’expérimentation sur un cas d’usage focalisé dans la relation client permettra d’éprouver rapidement les bénéfices de l’IA (satisfaction client, efficience opérationnelle…) tout en assurant une montée en compétences des équipes. La réflexion sur le modèle métier cible servira quant à elle à orienter les choix en termes de technologies, calibrer les niveaux d’investissements souhaités pour répondre aux ambitions et anticiper les transformations sur les parcours clients, les activités traitées par les collaborateurs et ainsi faciliter les étapes du dialogue social.

Expérimenter pour démontrer la valeur business de l’IA et amorcer une dynamique de transformation positive

Une approche de type MVP (Produit Minimum Viable) pour la mise en place d’une IA omnicanale dans la relation client est souhaitable pour plusieurs raisons. Tout d’abord, elle permet la concrétisation rapide d’un premier cas d’usage, certes perfectible, mais qui donne à voir les bénéfices attendus de l’IA. Ce cas d’usage doit être lancé dans des conditions au plus proche du réel (ex. en identifiant un périmètre client volontairement restreint) pour s’assurer de sa bonne mise à l’échelle mais également pour limiter les risques en cas de dysfonctionnement. Cette approche assure également la montée en compétences des équipes métiers et technologiques dans une approche « test & learn ». Nous constatons pour ce type de projet que la mise en place d’un MVP est devenue une condition préalable, au même titre qu’une étude stratégique étayée d’un business case, à l’obtention auprès d’une Direction Générale des budgets nécessaires à l’industrialisation de l’IA au sein de l’entreprise.

Aussi, le choix du périmètre du MVP IA dans le domaine de la relation client est-il critique. D’un point de vue métier, nous identifions 2 conditions de succès clés.

  1. Tout d’abord, le canal de déploiement de l’IA, il doit être représentatif des usages actuels ou futurs des clients. Par exemple, le canal téléphone reste massivement utilisé pour contacter le service client ; a contrario les messageries instantanées (Facebook Messenger, WhatsApp, …) restent marginales pour la plupart des entreprises mais sont en des canaux en forte croissance. Le choix du canal d’expérimentation de l’IA doit être également mis au regard des enjeux de l’entreprise vis-à-vis de l’IA. Le canal téléphonique sera recommandé pour générer des gains d’efficience forts grâce au traitement automatisé des appels ou la réduction de la durée moyenne de traitement des contacts transférés par le bot à un conseiller. Le chatbot sur le site web ou mobile sera quant à lui envisagé pour améliorer l’efficience des ventes en ligne via l’activation de clients, la suggestion de produits ciblés ou le push de promotions personnalisées durant le parcours de navigation, etc.
  2. Le thème métier à implémenter dans le bot est également crucial pour la réussite de l’expérimentation. Il faut tout d’abord choisir un thème d’un niveau de complexité relativement faible pour tester les mécaniques conversationnelles sans avoir à concevoir des macro scénarios de dialogue trop complexes, contenir l’effort de paramétrage du bot (champ linguistiques, mécaniques périphériques de dialogue…) et limiter le niveau d’interfaçage avec le SI pour collecter les données clients nécessaires à la personnalisation des conversations (2 à 3 appels web services par conversation s’avèrent largement suffisant pour une expérimentation). Le thème choisi pour le MVP doit néanmoins engendrer un volume de contacts significatifs pour générer des gains et être représentatif du niveau de complexité moyen des demandes clients de l’entreprise.

D’un point de vue technologique, le choix de la solution ou des solutions retenues pour le MVP doit être éclairé principalement par la capacité de celle(s)-ci à passer à l’échelle : élargissement à un nombre accru de clients et déploiement de nouveaux thèmes métier sur le bot. La mise en place, dès la construction du MVP, d’une couche d’orchestration entre les canaux de contacts clients, les solution(s) d’IA et le SI de l’entreprise est un véritable accélérateur de l’industrialisation de l’IA.

Si l’objectif d’un MVP est de délivrer des résultats rapides, il ne faut toutefois pas sous-estimer l’importance des travaux de paramétrage métier du bot. Ces travaux consistent au design et à la mise en œuvre des règles métiers sur lesquelles le bot s’appuiera pour générer le dialogue. L’existence préalable d’une base de connaissance structurée est un véritable atout pour faciliter ces travaux. Ensuite, il faut concevoir et décliner la ligne éditoriale du bot : ton utilisé pour les réponses, charte graphique, visuels utilisés lors des conversations… Cette ligne éditoriale doit bien évidemment être en cohérence avec la cible d’utilisateurs du bot et le thème métier ou parcours sur lequel il est déployé. Par ailleurs, outre le paramétrage linguistique (plus ou moins important en fonction du niveau de maturité de la solution retenue et de ses capacités de traitement de langage naturel), il conviendra de travailler plus spécifiquement les « mécaniques conversationnelles » du bot. On entend par « mécaniques conversationnelles » l’ensemble des composantes d’une interaction fluide et naturelle. Cela inclut en premier lieu les différents cas métiers à partir desquels le bot devra transférer la conversation à un conseiller client, par exemple suite à l’incompréhension d’une demande, la détection d’un énervement ou simplement le souhait explicite du client d’être mis en relation avec un conseiller. Il s’agit par ailleurs de la capacité à détecter et interpréter correctement l’état émotionnel du client (par exemple, la lassitude ou l’ironie) pour générer la réponse la plus appropriée. La capacité du bot à s’adapter à l’état émotionnel de son utilisateur est essentielle pour assurer son adoption auprès d’un large public.

Illustration n°5 : points clés dans la conception d’une IA dans la relation client

Enfin, le lancement d’un bot nécessite la constitution d’une équipe pluridisciplinaire travaillant de manière rapprochée sous forme de « feature team ». Les compétences à mobiliser pour le lancement d’une IA sont larges et se situent à la croisée de nombreuses disciplines : gestion de projet agile, expertise technologies IA, développeurs, architecture / urbanisation du SI, UX design, métiers relation client et digital, data scientists… En moyenne, pour une IA conversationnelle il faut compter une équipe projet de 10 à 15 personnes à temps plein sur une durée de 3 à 6 mois selon le niveau de complexité du cas d’usage retenu.

Si certaines de ces compétences ne nécessitent qu’une mobilisation ponctuelle (ex. architecture du SI, UX design…), nous recommandons toutefois de structurer l’équipe noyau de conception de l’IA (Product owner et développeurs Scrum) autour d’un plateau projet Agile. Par la proximité et la flexibilité qu’elle engendre, cette organisation est un réel atout plus pour réduire le cycle de conception de l’IA.

Illustration n°6 : organisation projet de type « Feature Team » pour la mise en place d’une IA

Il est enfin essentiel s’appuyer sur les équipes opérationnelles, telles que les conseillers de clientèles, pour mener à bien les travaux de conception de l’IA. En effet, qui mieux que qu’un conseiller de clientèle sait retranscrire les expressions et termes utilisés par les clients ? De manière identique, une fois l’IA déployée auprès des clients, les conseillers de clientèle peuvent être associés aux travaux de suivi de la performance et d’amélioration (« coaching ») du bot. Car il faut bien avoir conscience que, malgré tous les efforts de conception et de paramétrage en amont du lancement du bot, celui-ci devra être subir une phase d’observation et de suivi qui peut aller de plusieurs semaines à plusieurs mois en fonction de son degré de sophistication. Cette phase, essentielle à la réussite du projet, peut donner lieu à différents tests auprès d’utilisateurs en conditions réelles : envoi d’un questionnaire de satisfaction à l’issue de la conversation, écoute des conversations dans le cas d’un bot vocal… Une fois l’IA déployée à l’ensemble de ses utilisateurs, nous ne vous recommanderons jamais assez de piloter ses indicateurs clés de performance (taux de reconnaissance des intentions, durée des conversations, taux de transfert vers un conseiller…) ainsi que l’évolution de son adoption et sa perception vis-à-vis de ses utilisateurs. Les expérimentations que nous menons auprès de nos clients sur la mise en œuvre de bots démontrent des niveaux d’adoption des clients assez élevés avec jusqu’à plus 80% de satisfaction de l’utilisateur à l’issue d’une conversation.

Anticiper les ruptures dans la relation client et définir son business model d’IA omnicanale

En complément de la phase d’expérimentation, il est essentiel de mener une réflexion de fond sur les implications à long terme de la mise en œuvre de l’IA dans la relation client. En effet, nous anticipons avec l’IA une double rupture.

Tout d’abord au niveau de la nature même des interactions avec les clients. L’IA offre une toute nouvelle dimension aux parcours selfcare digitaux avec un accès facilité à l’information et toujours plus de personnalisation. L’IA rend dorénavant possible une approche dite de « personnalisation de masse », cette chimère de tout professionnel de la relation client qui consiste à pouvoir adresser un nombre significatif de clients de manière personnalisée et à moindre coût. Enfin, la mise en place de l’IA sur les différents canaux de la relation client ouvre un nouvel horizon autour des services. Les agents conversationnels et autres assistants personnels vocaux s’appuyant sur l’IA permettent aux marques de se rapprocher physiquement de leurs clients en étant présent jusqu’au domicile (Amazon Echo, Google Home, HomePod d’Apple… – on compte en 2017 plus de 36 millions d’utilisateurs de ces assistants[8]) ou dans leurs poches via les smartphones (Siri, Google Now, Cortana…). S’appuyant sur des plateformes de développement ouvertes, les assistants vocaux offrent une myriade de services dans tous les domaines de la vie quotidienne. Avec déjà 20% des recherches Google sur smartphone faites via le vocal, il est fort à parier que les assistants vocaux vont transformer en profondeur l’expérience client. L’IA va donc conduire à un enrichissement progressif des parcours clients et offrira la possibilité à de nombreuses entreprises de réinventer complètement leur expérience client. Il faut donc s’y préparer !

La seconde rupture majeure que nous identifions concerne les métiers de la relation client. L’IA peut en effet prendre en charge une part significative des interactions clients (notamment celles les moins complexes – jusqu’à 50% dans certaines situations), mais elle modifie également la manière dont les collaborateurs utilisent leurs outils de travail. Il faut donc préparer au plus tôt les collaborateurs à ce nouveau paradigme.

Tout d’abord, dans les interactions clients, il faut anticiper une focalisation sur le traitement des contacts les plus complexes ou à plus fort enjeu, ainsi qu’un besoin accru pour les conseillers de pouvoir appréhender rapidement le parcours de chaque client sur une multitude de canaux. Cela induit une complexité forte pour les entreprises qui doivent renouveler leurs outils de suivi et de pilotage de la relation clients pour s’adapter à la complexité croissante des parcours.

Vers un conseiller client « augmenté »

Mais l’IA apporte des réponses à cette problématique en offrant de nouveaux outils au service de la performance des conseillers. Interface conversationnelles offrant un accès facilité à l’information produits ou servies (chatbots « internes »), robots suggérant des réponses personnalisées durant une interaction vocale ou écrite avec un client ou capables de synthétiser instantanément une masse colossale d’informations… ces différentes formes d’IA vont bouleverser la manière de travailler des conseillers client. Le conseiller client de demain sera « conseiller augmenté ». Accompagné par différentes formes d’IA, il apportera de manière proactive des réponses toujours plus personnalisées et pertinentes au client.

Il faut donc anticiper des impacts forts sur le modèle de compétences des conseillers (qui vont devenir de plus en plus experts), les modes opératoires, mais également, à moyen terme, sur l’organisation (moins industrielle et plus qualitative) et la distribution des tâches entre collaborateurs Front et Back Office.

Pour les entreprises désireuses de se lancer dans l’aventure de l’IA omnicanale, il est donc impératif de définir un business model cible de l’IA vers lequel convergeront les efforts de transformation tant du point de vue des parcours clients que de l’organisation interne. Une réflexion sur la transformation du modèle opérationnel de la relation client est également essentielle.

Nos atouts pour vous accompagner

Les équipes de Capgemini Consulting accompagnent les entreprises de tous secteurs dans le cadrage et la mise en œuvre de leurs projets autour de l’intelligence artificielle dans la relation client :

  • Définition de la stratégie IA omnicanale : meilleures pratiques et benchmark des cas d’usage d’IA omnicanale, assistance au choix de(s) solution(s) technologiques et architecture technologique, design des parcours clients et processus métiers cibles, opportunités de marché, business case et trajectoire de mise en œuvre…
  • Mise en œuvre opérationnelle de l’IA : grâce aux équipes de développeurs du groupe Capgemini, nous pouvons vous accompagner depuis la conception d’un MVP (Produit Minimum Viable) pour expérimenter les premiers cas d’usage de l’IA, jusqu’à la mise en œuvre de solutions industrielles permettant d’impacter durablement la performance de votre dispositif relation client
  • Définition du modèle opérationnel IA et accompagnement à la transformation : nous pouvons mener à vos côtés une étude approfondie des impacts de l’IA sur vos activités et la transformation de votre modèle opérationnel : évolutions de l’organisation des services relation client, impacts sur le dimensionnement des activités, sur les processus et les modes opératoires. Nos consultants vous accompagneront dans le design et le déploiement de votre nouvelle organisation : depuis la conception de la stratégie de conduite du changement et la mise en œuvre du dialogue social, jusqu’à l’accompagnement opérationnel des collaborateurs.

Les projets que nous menons auprès de nos clients assurent des gains rapides en terme de satisfaction clients (93% des clients ont une perception positive de la mise en place d’une interface conversationnelle de type chatbot pour la relation client[9]), d’amélioration de l’efficacité opérationnelle (entre 15% et 20% de réduction de la durée moyenne de traitement des contacts9) mais contribue également à améliorer durablement la performance et le bien-être de vos collaborateurs de la relation client.

[8] Etude emarketer, mai 2017
[9] Retour d’expérience Capgemini Consulting, juin 2017