Comment Sofrecom vous accompagne ?
Les opérateurs télécom font partie de l’industrie la plus sollicitée sur les canaux de Relation Client. Les agents conversationnels ou ‘chatbots’ s’avèrent être un allié idéal pour contenir les appels entrants et améliorer la satisfaction client. Pour preuve, Orange a annoncé un objectif d’interactions clients gérées par son chatbot Djingo de 50% en 2023, quand Vodafone affiche un objectif de 60% dès 2021. En devenant la porte d’entrée incontournable vers le support humain, les chatbots créent une forme de collaboration avec les conseillers client, qui évoluera à mesure que l’IA conversationnelle progresse.
Les chatbots, un actif indispensable et critique de la Relation Client
L’émergence de robots intelligents capables d’interagir en langage naturel avec les clients a créé un nouveau standard de l’expérience digitale opérateur. En simplifiant l’accès aux parcours digitaux et en assurant une disponibilité 24/7, les agents virtuels sont devenus un levier indispensable d’autonomie client pour la gestion de compte, l’assistance ou la réclamation. En France, Total Direct Energie estime que les chatbots ont contribué aux appels évités à hauteur de 40%1.
La spécificité de l’expérience conversationnelle est de créer une très forte polarisation de la satisfaction client. Les chatbots se présentent comme une couche d’intermédiation avec le support humain. Ils représentent ainsi une brique critique de l’expérience client nécessitant d’importants investissements pour les rendre performants dans la compréhension des intentions clients, les adapter aux codes expérientiels des canaux sur lesquels ils sont déployés, et les intégrer aux systèmes d’information de l’entreprise pour offrir une expérience client personnalisée.
Les nouveaux gisements de valeur générés par la voix et la vision
Si les chatbots sont d’abord apparus sous forme de fenêtre de conversation textuelle (chatbot), les chatbots vocaux (VoiceBots ou Callbots) génèrent peut-être encore plus de valeur.
En effet, 40% des appels en service client seraient automatisables grâce à l’IA2 alors que les appels en service client représentent encore environ 55% des flux3 et qu’ils n’ont pas décru drastiquement ces dernières années en France.
Le premier enjeu est donc d’améliorer l’autonomie des clients sur les interfaces vocales interactives (IVR) en permettant aux clients de s’exprimer naturellement et en proposant des parcours vocaux personnalisés grâce aux CallBots. Avec 50% des clients insatisfaits de leur expérience sur l’IVR et seulement 14% d’IVR embarquant la compréhension du langage naturel4, l’opportunité est immense. Et les technologies sont matures : Isabelle, le CallBot de Bouygues Télécom en France supporte par exemple 150 intentions clients et le taux d’autonomie client atteint entre 60% et 90% sur les appels simples selon le fournisseur Calldesk5. Le second enjeu est de rendre acceptable aux yeux des clients d’être appelés par des CallBots. Un cas d’usage est par exemple déployé par Orange en Europe de l’Est avec la solution Lekta AI pour le recouvrement de facture, dans des pays où il est courant qu’un conseiller client appelle pour ce type d’acte.
Mais pour les principaux motifs de contact en service client d’un opérateur, soit l’aide à l’installation, l’assistance technique sur les box internet et l’explication de facture, l’expérience textuelle ou vocale peut s’avérer limitée. Sur ces cas clients, l’implant de la vision sur les bots, grâce à la technologie d’intelligence artificielle ‘Computer Vision’, devient crucial dans un contexte de boom du chat vidéo en service client. En couplant la vision par ordinateur à la réalité augmentée, l’expérience utilisateur pour l’installation ou la résolution de panne sur les box internet est simplifiée grâce aux indications sur les branchements à réaliser en superposition des équipements filmés par le smartphone.
Le conseiller-client augmenté
L’autre face de la virtualisation de la Relation Client est l’impact sur le métier de conseiller client. Les chatbots actuellement déployés par les opérateurs sont capables de traiter plus de la moitié des conversations en autonomie. Ils poussent le métier de conseiller client à se focaliser sur des problèmes techniques complexes et l’augmentent de nouvelles capacités pour y parvenir.
Cette forme de collaboration chatbot-conseiller client se retrouve par exemple dans la capacité de l’IA conversationnelle à détecter le sentiment négatif d’un client pour le transférer vers un conseiller (exemple Orange Bank avec technologie IBM Watson), router les demandes clients vers les agents les mieux qualifiés (Affinity matching), émettre des recommandations ou retranscrire des conversations en temps réel. Le conseiller peut même inviter un chatbot dans sa conversation avec un client comme le proposent certaines solutions de Relation Client comme LivePerson.
A la clé : un gain dans le temps de traitement et la résolution au premier contact ainsi qu’une plus grande pertinence des propositions commerciales grâce à une meilleure focalisation des conseillers sur leurs compétences techniques et commerciales plutôt que sur des tâches liées aux processus back-office.
Vers une collaboration bi-directionnelle entre conseillers client et chatbots ?
Cette collaboration reste pour l’heure unidirectionnelle, les conseillers-client ne peuvent pas enrichir les connaissances d’un chatbot sans risquer d’altérer la performance de l’IA conversationnelle. L’entraînement d’un chatbot reste une activité d’expert et les conseillers peuvent au mieux collaborer avec les équipes de développement.
Les dernières avancées autour de l’IA conversationnelle générative, mises en lumière par l’IA GPT3 de l’entreprise Open AI, laissent entrevoir de fortes évolutions sur l’expérience client et sur le rôle du conseiller.
Cette IA, basée sur une architecture de Machine Learning dite « Transformer », est capable de créer des réponses de toutes pièces sur un sujet en s’appuyant sur des connaissances acquises dans d’autres contextes (Transfer learning). En perspective, une gestion en autonomie des motifs de contact client de plus en plus complexes, sans avoir été nécessairement pré-entrainés sur ces motifs.
A la différence des technologies d’IA couramment utilisées dans le domaine du Natural Language Processing, une IA conversationnelle générative se nourrit de données non structurées et peut donc être entraînée avec d’immenses bases de données avec un effort limité.
Amazon a par exemple testé une IA conversationnelle générative dans le contexte du service en 2020 après l’avoir entraînée avec 5 millions de réponses tirées de 350K chats avec des clients, soit l’équivalent de plusieurs années d’expérience pour un conseiller client6.
En plus d’avoir démontré un apport dans la flexibilité du procédé d’entraînement et une amélioration de l’autonomie client, cette expérimentation a matérialisé une probable évolution des interactions chatbot-conseiller client vers une collaboration bi-directionnelle. En effet, lors de ce test, le conseiller pouvait sélectionner ou modifier une réponse proposée par l’IA sans pour autant mettre en risque la compréhension globale du chatbot. Outre le gain de temps apporté aux conseillers client, cela démontre que les conseillers client pourraient de plus en plus intervenir en support des chatbots dans leurs interactions clients. En allant plus loin, nous pourrions imaginer des chatbots personnalisés par chaque conseiller client selon leur propre style éditorial et comportemental (sur le modèle du service Replika.ai) et devenant ainsi de véritables doubles digitaux.
Les chatbots et l’IA sont aujourd’hui déployés sous différentes formes sur l’ensemble des canaux de Relation Client pour absorber le traitement de cas client simples et supporter les conseillers client dans le traitement de cas complexes. Les nouvelles technologies d’IA conversationnelle générative pourraient faire évoluer ce paradigme en permettant aux bots de gérer des cas de plus en plus complexes et en donnant un rôle actif aux conseillers client dans l’amélioration de la qualité d’interaction des bots. Nous pourrions voir apparaître des agents conversationnels totalement hybrides où chaque composante – humaine ou digitale – augmenterait l’autre. Pour l’heure, les opérateurs doivent accompagner ces progrès dans l’IA conversationnelle synonyme de gains de productivité et de satisfaction client. Cela nécessite d’engager dès à présent une transformation de la Relation Client orchestrée par l’IA.
Extrait de notre livre blanc : Défis et progrès à l’ère des données et de l’intelligence artificielle
1 Do you Dream Up, 2020
2 Nice Incontact, 2020
3 BVA - Observatoire des Services Clients 2020
4 Nuance, 2020
5 Calldesk 2020
6 Amazon Blog science, 2020
Extrait de notre livre blanc : Défis et progrès à l’ère des données et de l’intelligence artificielle
