Intelligent Together: les bots GenAI transforment l’expérience client

De nombreuses entreprises peinent à gérer à la fois les coûts liés aux ressources humaines et la pénurie de main-d'œuvre, et cherchent à automatiser pour améliorer le service client et soutenir les agents. Selon Gartner, le coût de l'emploi et du recrutement des agents peut représenter jusqu'à 95 % des coûts d'un centre de contact.

Bien que les centres de contact utilisent depuis longtemps l'automatisation pour maîtriser les coûts, de nombreux clients sont frustrés par des systèmes IVR confus et des chatbots inefficaces.

Cela devrait être transformé par l'IA générative. Sa capacité à comprendre et générer un langage naturel en fait un excellent outil pour automatiser les interactions client. Gartner prévoit que 85 % des responsables du service client exploreront ou piloteront une solution conversationnelle basée sur l'IA générative en 2025.

En plus de leur valeur dans les applications orientées client, les bots conversationnels alimentés par l'IA générative peuvent automatiser les tâches répétitives pour réduire la charge de travail des agents humains, notamment dans le support et les scénarios d'assistance informatique. Ils peuvent agir comme outils d'assistance pour améliorer la productivité en localisant des informations pertinentes en temps réel. L'IA générative peut même remplacer certaines fonctions de support offshore, permettant aux entreprises de ramener leurs opérations en interne ou dans le cloud à moindre coût.

Pour les industries fortement réglementées, les bots conversationnels peuvent être déployés dans des environnements cloud privés, garantissant la souveraineté des données et empêchant leur réentraînement sur des données sensibles. En réalité, la demande pour des solutions en cloud privé ou souverain est en croissance, car les entreprises cherchent à protéger leurs données et à respecter les réglementations industrielles ou nationales. C’est notamment le cas pour les déploiements dans le secteur public. 

Bien que les chatbots textuels soient plus familiers, fournir la voix comme canal est essentiel. Les consommateurs sont habitués aux commandes vocales avec des outils comme Alexa et Siri, donc le concept est déjà bien accepté sur le marché, surtout chez les jeunes consommateurs.

Cependant, déployer des chatbots vocaux nécessite un travail supplémentaire. Tout d’abord, les modèles de génération vocale sont encore en phase de développement, et le traitement de la voix repose sur la conversion speech-to-text et text-to-speech. Cela pose des défis en termes de latence pour rendre la conversation fluide et naturelle.

La qualité sonore peut également poser problème. Les applications vocales sont particulièrement utiles lorsque les consommateurs ont du mal à interagir par texte, notamment lorsqu'ils sont en déplacement ou occupés à faire autre chose avec leurs mains. Par exemple, en conduisant ou en utilisant des machines – ce qui peut rendre l’analyse vocale difficile dans des environnements bruyants.

En termes de déploiement, une exigence critique pour l’IA conversationnelle est d’éviter les hallucinations. Un bot de centre de contact qui donne de fausses informations peut nuire gravement à la marque et même être dangereux.

Les entreprises doivent utiliser des garde-fous pour limiter les sources de données et empêcher les bots d’utiliser Internet pour répondre aux questions. La clé est d’utiliser la génération augmentée par récupération (RAG), qui connecte les grands modèles de langage (LLMs) à des bases de connaissances structurées. Cela garantit que les bots fournissent des réponses plus précises et contextuelles en récupérant des documents ou données pertinents avant de générer une réponse.

En connectant plusieurs bases de connaissances, RAG permet aux chatbots de répondre à toutes questions basées sur les informations de l’entreprise sans les pré-définir. C’est essentiel pour réduire les hallucinations et maintenir l’intégrité des données.

Cependant, la préparation des données reste un défi pour de nombreuses entreprises, qui ont encore des documents non structurés ou obsolètes dans leur base de connaissances. Selon une étude de Gartner, 61 % des entreprises ont un retard dans la mise à jour des articles dans leur base de données, et plus d’un tiers d’entre elles n’ont pas de processus clair pour réviser les informations obsolètes.

De plus, les entreprises devraient envisager d’utiliser des flux scriptés pour les cas à haut risque, comme la collecte d’informations pour une plainte. Les chatbots doivent pouvoir transférer vers un agent humain lorsque leur confiance dans leur réponse est faible ou lorsqu’une décision importante doit être prise, comme l’approbation d’un paiement d’assurance.

Les chatbots doivent également être intégrés aux systèmes du centre de contact, CRM et IT pour éviter les silos et les expériences fragmentées, comme le transfert de chat vers un agent avec perte de contexte. Cela peut être particulièrement difficile avec certains déploiements de logiciels de centre de contact, qui incluent plusieurs fournisseurs et systèmes legacy – certains fonctionnant en local. Ces systèmes peuvent nécessiter une modernisation pour exploiter pleinement l’IA.

L'analyste Forrester affirme que les applications en libre-service qui répondent aux questions des clients sont utiles, mais sans la capacité de se connecter aux systèmes back-end, un chatbot a une valeur limitée. "Si vous ne pouvez pas vérifier le statut d’une commande, planifier un rendez-vous ou effectuer un achat, l’automatisation sera perçue comme insuffisante par les clients,” indique-t-il.

Orange a développé une gamme d’agents autonomes d’IA agentique capables d’effectuer des activités standard. Ces agents réalisent des tâches telles que la planification de rendez-vous, la création de tickets d’incident ou l’analyse de documents. Parmi eux, des bots d’IA agentique pour le secteur de l’assurance qui peuvent analyser des rapports d’accidents, des images, et guider les utilisateurs dans la soumission de données structurées.

Imaginez ce scénario : un client a un accident de voiture et appelle sa compagnie d’assurance depuis la scène. L’appel est géré par un bot, qui ouvre le dossier CRM du client, identifie, collecte et analyse les informations nécessaires. Il peut demander des informations complémentaires si besoin, puis transmettre toute demande de décision à une personne. Il peut faire appel à des IA agentiques spécialisées pour fixer des rendez-vous avec un garage pour réparer les dégâts, mettre à jour le dossier CRM, et envoyer un rapport détaillé de l’accident au client et aux parties concernées.

L’analyse de sentiment ajoute une nouvelle dimension à l’expérience du chatbot. Les bots peuvent analyser les appels vocaux et le flux de conversation pour comprendre le sentiment de l’appelant, comme s’il est en colère ou triste. Cela leur permet de prendre des actions, comme transférer à un agent humain ou ajuster le ton ou le déroulement de l’appel en cours.

De plus, l’analyse vocale peut fournir des insights post-appel utiles, comme comprendre quelle approche fonctionne le mieux dans chaque scénario, et cela peut alimenter la formation des bots et des agents humains.

Orange Business a développé un orchestrateur de bots IA pour aider les entreprises à déployer efficacement des chatbots et bots vocaux basés sur l’IA générative. La plateforme modulaire et flexible intègre divers bots et grands modèles de langage (LLMs), y compris ceux déjà déployés par les clients. Les utilisateurs peuvent choisir le LLM adapté à leurs besoins en fonction de la langue, du secteur, de la souveraineté des données ou des critères de durabilité.

La solution peut réutiliser et étendre les bots existants, comme ajouter la voix à un bot uniquement textuel. Elle supporte également le remplacement de composants, permettant de mettre à jour des modules spécifiques (comme changer de LLM) sans reconstruire tout le système. Cette approche modulaire améliore la performance, la rentabilité et la flexibilité.

En plus de la plateforme d’orchestration IA, Orange Business fournit des outils pour affiner le comportement des bots au fil du temps et pour des cas d’usage spécifiques. Par exemple, dans une application de transport public, le bot doit pouvoir identifier parfaitement les noms de rue, même dans un environnement bruyant comme une station de métro.

Bien que l’IA conversationnelle dans les chatbots soit une opportunité passionnante, la plupart des projets en sont encore au stade pilote ou proof-of-concept, avec un déploiement à grande échelle en attente. Dans certains cas, il est judicieux de déployer d’abord le chatbot comme outil de support aux employés avant de le rendre accessible aux clients. Cela permet aux entreprises de corriger d’éventuelles incohérences ou erreurs avant de l’exposer au public.

Pour accompagner les entreprises dans leur progression, Orange Business adopte une approche consultative pour le déploiement, afin de comprendre les besoins, l’infrastructure et les objectifs du client. Notre équipe de data scientistes et d’experts professionnels travaille avec les clients pour concevoir une expérience de chatbot optimisée. Nous proposons également des capacités de déploiement global avec des niveaux de service uniformes dans toutes les régions, ce qui est une exigence clé pour les entreprises multinationales.