L’intelligence artificielle (IA) fait beaucoup parler d’elle. Elle véhicule nombre de promesses pour tout un chacun. L’univers de la relation client se trouve bien évidemment lui aussi de plus en plus imprégné d’IA. Mais quelle(s) IA dans la relation client ?

L’IA, c’est quoi ?

L’intelligence artificielle regroupe aujourd’hui un ensemble de concepts, théories, algorithmes et technologies dont la mise en œuvre doit permettre à une machine de simuler l’intelligence humaine.
L’intelligence artificielle est ainsi appelée à intervenir dans de nombreux domaines pour « faire » aussi bien que l’humain, ou du moins s’en approcher. Parfois même, sur certaines tâches de reconnaissance, on attend de l’IA qu’elle fasse mieux (avec quelques fragilités tout de même …).

L’IA s’est popularisée ces dernières années grâce aux progrès de la puissance de calcul appliqués à des principes datant des années 80, certes bien améliorés depuis. On la retrouve notamment dans des applications pour la reconnaissance des objets dans les images, pour la sémantique dans le langage naturel, la transcription de la parole ou encore pour la synthèse d’images/sons/vidéos.

Aujourd’hui, un certain nombre de technologies classées IA sont disponibles. Le machine/deep learning en est la branche la plus médiatisée. Et il y a aussi les systèmes experts. S’ils ont été quelque peu oubliés au cours des dernières années, ils regagnent en visibilité du fait de leur rôle croissant dans les services bâtis sur l’IA que nous utilisons de plus en plus aujourd’hui, notamment dans le cadre de la relation client. Pour faire un parallèle avec l’intelligence humaine, le machine learning fonctionne par rapprochement tandis que le système expert fonctionne par imitation.

A côté de cette classification, on peut aussi distinguer les IA par leur finalité : comprendre ou décider.

L’IA de compréhension

Lorsqu’on pense IA et relation client, la première image qui vient à l’esprit est celle de la machine qui comprend comme un conseiller. C’est l’IA de compréhension, où le machine learning et les technologies de graphes sont les deux approches les plus communes.

Les technologies d’analyse du langage naturel (NLP) ont pour vocation de comprendre la demande du client par la détection de son intention. Une fois le motif de l’appel ou de la demande identifié et catégorisé, il pourra être utilisé pour formuler une réponse adaptée, réponse qui, elle, ne relève pas du domaine de l’IA de compréhension. De même, le traitement d’un email et la réponse par email retour (mailbot) commence par l’automatisation de la compréhension de l’écrit du client.

Le développement des technologies de traitement de la voix a plus récemment favorisé l’essor des voicebots et callbots. Grâce au Speech-To-Text et Text-To-Speech, le client est en mesure de converser oralement avec un « agent virtuel conversationnel ». Associé au NLP, la transcription de la voix en texte est traduite en intentions ; ces dernières permettent ensuite d’initier ou poursuivre un traitement servi alors par un automate de réponse.

L’IA d’aide à la décision

On peut alors ensuite s’interroger sur « comment fonctionnent ces automates de réponse ? » puisqu’après avoir compris, il faut être capable de répondre. C’est à ce stade qu’intervient l’IA d’aide à la décision. Et ici, règnent en maîtres les systèmes experts.

Une expérience client performante repose sur des parcours clients flexibles et prédéfinis en amont par les experts métiers. Ceux-ci décrivent l’expérience qu’ils veulent faire vivre au client. Aussi, à la manière de ce qui se passe dans les salles de formation des centres de contact, ils enseignent les bonnes pratiques aux algorithmes, le bon chemin que le client doit être invité à suivre pour être satisfait de sa relation avec l’entreprise.

Assemblages d’arbres de décision, de règles métier, d’API et d’automates de traitement, de tels parcours client, basés sur l’intelligence humaine, peuvent ainsi désormais être digitalisés. Ce qu’elles ont appris de l’Homme, les IA d’aide à la décision le mettent au service des hommes.

De cette façon, le conseiller client « augmenté » peut, par exemple, être guidé dans la résolution de la problématique du client au travers d’une interface unifiée qui résout automatiquement les problématiques en tenant compte de toutes les données clients contextualisées. Ces éléments de réponses lui permettent de restituer, vite et bien, la meilleure solution à son client.

Dans une dynamique de selfservice-client ou « selfcare », le consommateur autonome peut lui aussi bénéficier de cette IA d’aide à la décision. Depuis son « Espace client », il est invité à suivre le même parcours digitalisé. L’automatisation et la robotisation d’un certain nombre d’actions, lui permettent d’avancer et d’accéder lui-même à l’information voire de résoudre son problème tout seul, à tout moment.

La collaboration des IA

Le bot, épaulé par l’IA de compréhension, s’appuie sur les mêmes parcours clients digitaux animés par l’IA d’aide à la décision et délivre oralement pour un callbot ou par écrit pour un chatbot ou un mailbot la réponse opportune. Il déclenche également, grâce à ces automates une fois encore, les actions adaptées pour satisfaire le client. Il suffit donc au robot de suivre le parcours client défini au préalable pour répondre au besoin du client.

Et si toutefois un cas complexe n’a pas été anticipé et intégré au parcours client, le robot doté maintenant d’une certaine intelligence, est capable d’identifier ses propres limites. Il est alors en mesure de transférer la demande vers un conseiller humain…

 

En savoir plus sur le moteur de parcours client digitaux, les chatbot-voicebot-callbot de Sereneo : ici

Contactez-nous : contact@sereneo.com

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

treize − 3 =