Expérience client : la partie émergée de l’iceberg de l’IA conversationnelle

En 2022, des estimations ont déterminé que l’IA conversationnelle réduirait les coûts de main-d’œuvre de 80 milliards de dollars. Lorsque ChatGPT est arrivée sur le marché, l’attention s’est portée sur l’IA générative : une technologie qui continue de monopoliser les conversations des professionnels de l’expérience client. La promesse d’un accès facile à l’information pour les clients, délivrée naturellement et de manière personnalisée, est une proposition attrayante, notamment pour ceux qui ont pu auparavant exploiter l’IA conversationnelle. Certains pourraient se demander si les investissements continus dans l’IA conversationnelle ont un sens dans cet avenir d’IA générative.

Cependant, il est encore trop tôt pour sonner le glas de l’IA conversationnelle. En 2023, Gartner a déclaré l’IA conversationnelle comme le segment à la croissance la plus rapide pour le centre de contact. Dans cette même étude, l’entreprise a souligné le fait que les interactions impliquant l’IA sont renforcées, mais pas totalement allégées. Cela signifie par conséquent qu’une intervention humaine reste nécessaire pour conclure l’expérience.

Il est clair que nous ne sommes pas encore prêts à remplacer l’outil avec lequel nous avons travaillé jusqu’ici, et par chance il y a de la place pour que l’IA générative et l’IA conversationnelle coexistent. Bien que l’IA générative promette d’améliorer la prestation de l’expérience client, l’application de l’IA conversationnelle présente encore un potentiel inexploité.

L’IA conversationnelle par rapport à l’IA générative pour les consommateurs

La différence entre l’application de l’IA générative et de l’IA conversationnelle pour l’expérience client réside dans la nature de la conversation entre le consommateur et son fournisseur de produits ou de services. En effet, avec l’IA générative, la conversation est informative, fluide et peut couvrir un large éventail de sujets. Elle s’apparente presque à un échange avec un ami qui vous parle de votre destination tout en vous fournissant des détails intéressants et en vous proposant différentes options pour l’atteindre. Cependant, cet ami ne peut pas vous conduire ou vous appeler un taxi.

Avec l’IA conversationnelle, l’échange est plus limité, voire plus robotique, et peut être numérique ou vocal. Les SVI, qui nécessitaient auparavant de dire « Appuyez sur 1 pour Oui, 2 pour Non », intègrent désormais l’IA conversationnelle pour permettre des échanges en langage naturel, parfois complétés par la double tonalité multifréquence (DTMF, Dual Tone Multi Frequency), qui permet d’utiliser le clavier de numérotation pour envoyer des informations au système.

La conversion est ciblée. Ces conversations sont conçues pour se rapprocher au maximum des interactions humaines de service et se terminent généralement par une action : un achat, un retour, une réinitialisation de compte ou une remontée d’informations.

L’IA conversationnelle par rapport à l’IA générative pour les concepteurs conversationnels

Il existe également des différences pour ceux qui créent des expériences conversationnelles dans les parcours d’interaction. Grâce à l’IA générative, l’ingénierie de commande couplée à un grand modèle de langage pré-entraîné peut permettre une conversation automatique. L’ingénierie de commande consiste à trouver un moyen d’extraire les bonnes données d’un modèle qui a été formé sur un très large ensemble de données recueillies à partir de pratiquement n’importe où et n’importe quoi. L’objectif est de poser à l’IA la bonne question avec les bons paramètres afin de lui donner le bon cadre de référence pour récupérer les bonnes informations. C’est à la fois de l’art et de la science.

Les bots d’IA conversationnelle sont conçus comme des flux conversationnels avec des chemins définis basés sur des intentions. Ils sont programmés pour répondre à certaines questions dans un domaine spécifique. Par conséquent, si vous posez à l’IA conversationnelle une question en dehors de son domaine de compétences, vous obtiendrez une réponse du type « Veuillez répéter votre question ».

Avec l’IA générative, cette situation est peu probable. Les modèles d’IA générative sont généralement formés pour fournir un certain type de réponse, dans la mesure où l’ensemble de données utilisé pour la formation est beaucoup plus important. Les algorithmes d’IA générative calculent la meilleure réponse possible en fonction des modèles de langage appris. Parfois, certains modèles d’IA générative fournissent des réponses erronées qui semblent correctes, c’est-ce que l’on appelle des hallucinations.

L’IA conversationnelle est quant à elle utilisée pour recevoir la demande du client et en extraire une intention : l’essence de la demande. La conception conversationnelle déterminera ensuite ce qui se passera une fois qu’une intention aura été identifiée. Les concepteurs conversationnels peuvent créer une recherche de données (lorsque l’utilisateur souhaite connaître le solde de son compte par exemple) ou élaborer une réponse à partir d’une base de connaissances.

Ce type de modèle dispose d’un champ d’action très restreint (en général), par conséquent il peut uniquement répondre à des questions dans ce seul domaine. En comparaison, les modèles d’IA générative sont plus importants et disposent de milliards de paramètres par rapport aux modèles d’IA conversationnelle traditionnels. Ils sont ainsi capables de comprendre un plus grand nombre de langues. C’est comme répondre à une question de dissertation sur un livre après en avoir lu une seule page (ou un seul chapitre) ou répondre à cette même question après avoir lu le livre entier, la biographie de l’auteur, l’histoire du livre et d’autres critiques du livre.

Bots conversationnels : un simple échange ne suffit pas

Le problème du passage à l’IA générative est que la capacité à déployer un bot capable d’avoir une conversation intéressante sur une multitude de sujets ne résoudra pas les problèmes que les clients réels signalent au centre de contact. Une conversation certes plus fluide ne résout pas pour autant les problèmes que les clients rencontrent en utilisant des chatbots.

Les données démontrent que parmi les utilisateurs de chatbots :

• 77 % d’entre eux considèrent les chatbots comme frustrants.
• 88 % préfèrent échanger avec une personne réelle.
• 35 % déclarent que les chatbots peuvent résoudre leurs problèmes efficacement la plupart du temps.

En ce qui concerne les bots, le problème n’est pas de savoir à quel point la conversation avec ces derniers peut être fluide et intéressante. Un client qui vous contacte pour obtenir de l’aide est rarement d’humeur à bavarder, bien qu’il puisse peut-être utiliser ChatGPT pour rédiger un e-mail acerbe exprimant sa frustration à l’égard d’un produit ou d’un service après que le bot de service n’ait pas réussi à l’aider à résoudre son problème en temps voulu.

En effet, lorsqu’un client s’adresse à une marque pour obtenir un service ou de l’aide, celui-ci ne cherche pas à discuter, mais à obtenir une solution. De plus, ses problèmes peuvent être parfois urgents. Par exemple, lorsqu’un client dont le prêt n’a pas été approuvé est censé conclure l’achat de sa maison dans la semaine à venir. Dans ce cas, ce dernier a besoin de plus qu’une simple discussion sur le fonctionnement des prêts hypothécaires et le calcul des taux d’intérêt.

Autre exemple : lorsqu’un patient contacte son prestataire de soins de santé, car il ne se sent pas bien et qu’il souhaite prendre rendez-vous. Dans cette situation, le patient ne souhaite pas en apprendre davantage sur sa maladie ou sur toute autre pathologie pour essayer de comprendre ce qui ne va pas par lui-même (une stratégie qui conduit d’ailleurs rarement à un bon résultat en matière de santé). Enfin, cela s’applique également lorsqu’une victime d’abus domestique cherche de l’aide. Plus elle passe de temps à taper et à échanger, plus elle s’expose à un danger.

Toutes ces situations auxquelles nos clients ont été confrontés sont des cas dans lesquels l’IA conversationnelle s’est avérée être précieuse.

Concevoir de meilleurs bots

Dans le cadre d’un webinaire qui s’est déroulé récemment, David Myron, analyste principal de l’engagement client chez Omdia, a partagé les choses à faire et à ne pas faire pour garantir le succès de l’IA, tirées du rapport « The State of Digital CX 2023 » (L’état de l’expérience client numérique 2023). Parmi les nombreuses statistiques et idées mentionnées, l’une d’entre elles est essentielle pour comprendre si la mise en œuvre de l’IA pour automatiser les conversations peut être une réussite :

63 %

C’est le pourcentage d’entreprises qui déclarent que la mise en place d’une stratégie priorisant les résultats de l’IA est l’une des principales raisons pour lesquelles l’IA apporte une valeur significative au centre de contact.

L’important n’est pas l’échange, mais le résultat. Dans le cadre de notre collaboration avec nos clients, nous avons constaté que 85 % du travail ne consiste pas à apprendre au bot à parler, mais à s’assurer qu’il est intégré au flux, qu’il dispose des bonnes données et qu’il est intégré à l’analyse.

Mitch Mason, chef de produit principal pour l’IA conversationnelle, aborde tous ces sujets dans le dernier Tech Talks in 20 « Best practices for using chatbots to enhance the customer journey » (Les meilleures pratiques à adopter pour utiliser des chatbots en vue d’améliorer le parcours client). Durant ce podcast, il explique également comment cela s’applique dans le monde réel.

Pour tirer le meilleur parti de l’IA conversationnelle, il faut :

1. Établir un objectif commercial clair : commencez par un plan et définissez la notion de réussite dans votre cas.
2. Comprendre les données dont vous avez besoin et comment les obtenir : Mitch a pris l’exemple d’un assistant virtuel de service financier qui a besoin d’accéder au système de gestion des comptes et au contenu des produits d’investissement pour être efficace.
3. Comprendre le contexte : les bots doivent s’intégrer de manière transparente dans votre flux d’interaction pour s’assurer qu’ils fonctionnent avec le reste des éléments du parcours.
4. Éviter les impasses : certaines situations nécessitent une intervention humaine. Veillez donc à ce que vos bots ne laissent pas vos clients bloqués.

Pour en savoir plus sur l’IA de Genesys, consultez le récent podcast Tech Talks in 20 sur l’utilisation des chatbots pour améliorer le parcours client.