Nous assistons au début de l’une des plus importantes transformations de l’histoire de l’entreprise, propulsée par une nouvelle génération d’intelligence artificielle (IA) générative et agentique. Ces technologies révolutionnent la façon dont les entreprises gèrent les expériences client (CX) et collaborateur (EX) en activant de nouveaux niveaux d’automatisation, d’augmentation, de personnalisation et d’optimisation.

L’orchestration de l’expérience pilotée par IA, qui consiste à utiliser l’IA pour coordonner les expériences entre les systèmes et les canaux, est en train de passer de la vision à la réalité. Dans cet article, nous explorons le déroulement de cette transformation (y compris ses potentiels développements) et définissons six niveaux d’orchestration de l’expérience. Ce modèle de maturité constitue une base qui permet aux entreprises d’évaluer l’état actuel de leur CX, d’identifier les possibilités et d’élaborer une stratégie de croissance pilotée par IA1.

Introduction 

L’orchestration d’expériences vise à atteindre simultanément deux objectifs :

  1. Réduction des coûts opérationnels
  2. Renforcement de la fidélité client pour favoriser la croissance à long terme

Une bonne stratégie d’orchestration de l’expérience pilotée par IA aide les entreprises à trouver le juste équilibre entre l’efficacité opérationnelle et la création d’expériences pensées pour leurs clients.

En coordonnant les données, les systèmes, les canaux et les rôles, l’orchestration crée des expériences plus efficaces et émotionnellement intelligentes pour les clients et les collaborateurs. À mesure que des innovations font leur apparition, nous nous dirigeons vers une orchestration universelle qui transcende les activités en contact direct avec les clients et se déploie du front-office au back-office. Elle permet aux entreprises de repenser le centre de contact, les expériences client et collaborateur, ainsi que leur activité dans son ensemble.

Les niveaux d’orchestration de l’expérience ci-dessous définissent une courbe de maturité, laquelle s’étend du 100 % manuel au 100 % autonome. Chaque niveau marque un grand pas en avant vers l’automatisation, l’augmentation, la personnalisation et l’optimisation de l’expérience. Il s’agit également d’un levier de création de valeur, qui se traduit par une efficacité, une fidélité client et un engagement collaborateur accrus. 

Niveau 0 – Aucune orchestration 

Les interactions avec les clients sont entièrement manuelles et reposent sur des systèmes téléphoniques de base, sans outils ni intelligence intégrés. Les conseillers humains s’appuient sur la formation et la documentation statique. Chaque interaction est réactive et manque de constance et de cohérence.

De même, il n’existe aucune vue unifiée du client, aucune orchestration des tâches ni insights à l’échelle des différents systèmes. Le service client est traité comme une nécessité opérationnelle plutôt qu’une fonction stratégique, ce qui entraîne une grande débauche d’énergie, une forte attrition et de mauvais résultats.

  • Automatisation – Aucune. Toutes les tâches, y compris les demandes de routine, nécessitent une implication totale du conseiller humain.
  • Augmentation – Les conseillers humains travaillent sans assistance système. Pas de mobilisation contextuelle des données ni d’assistance spécifique à une tâche.
  • Personnalisation – Aucune personnalisation n’est offerte par le système en fonction du profil ou de l’historique du client.
  • Optimisation – La formation manuelle et la planification statique dominent. Pas d’informations en temps réel, de gestion de la qualité ni d’automatisation de la planification des effectifs.

Niveau 1 – Navigation par menus 

Les systèmes de serveur vocal interactif (SVI) fournissent une automatisation de base avec une logique de routage fixe et une reconnaissance vocale limitée. Les clients interagissent via le clavier ou les menus vocaux, généralement pour vérifier l’état de leur demande ou être dirigé vers un service donné. Bien que ce niveau d’orchestration réduise légèrement le volume des appels, les expériences restent impersonnelles et limitées au canal vocal.

Les conseillers humains sont toujours nécessaires à la plupart des tâches et s’appuient sur un contexte CRM limité. Le contrôle qualité est manuel et rétrospectif. Le système fonctionne, mais ne s’adapte pas.

  • Automatisation – Le SVI gère les demandes d’informations simples (vérification du solde d’un compte, état d’une commande…) en fonction d’une saisie clavier ou de la reconnaissance de mots-clés. La logique est fixe et non adaptative.
  • Augmentation – Les conseillers humains peuvent consulter des dossiers clients statiques pendant les interactions, mais doivent chercher manuellement les informations pertinentes.
  • Personnalisation – Le routage basé sur les compétences et les préférences linguistiques sont possibles, mais les expériences sont majoritairement uniformes.
  • Optimisation – L’assurance qualité est basée sur des échantillons d’interactions enregistrées. La planification des effectifs humains est chronophage et réactive.

Niveau 2 – Automatisation de boîtes de dialogue prédéfinies 

L’IA conversationnelle associe la reconnaissance vocale automatisée (ASR), le traitement du langage naturel (NLP) et la compréhension du langage naturel (NLU) pour interagir sur plusieurs canaux de communication. Les interactions sont régies par des règles prédéfinies et des dialogues scriptés. Les modèles d’IA prédictive sont appliqués à des cas d’usage spécifiques (comme le routage ou l’engagement) mais n’ont pas encore été généralisés pour déterminer les meilleures actions à entreprendre dans le cadre d’une expérience globale.

  • Automatisation – L’IA conversationnelle permet aux bots d’automatiser les dialogues de routine avec les clients sur les canaux digitaux et vocaux (en omnicanal) comme le suivi des commandes, la réinitialisation des mots de passe ou la vérification d’identité. Les bots sont rigides et suivent des flux prédéfinis structurés autour d’une logique scriptée et d’arbres de décision fixes.
  • Augmentation – Les conseillers humains commencent à recevoir une assistance contextuelle par le biais d’outils de gestion des connaissances, ainsi que des suggestions sur la marche à suivre en fonction du contexte CRM ou de mots-clés.
  • Personnalisation – L’expérience client reste standardisée et manque d’adaptabilité ou de personnalisation au-delà des entrées statiques. Des fonctionnalités de base de Workforce Engagement Management (WEM) sont introduites et aident à aligner les tâches sur les compétences et la disponibilité des collaborateurs.
  • Optimisation – Les expériences sont optimisées à l’aide de modèles d’IA prédictifs spécialisés pour le routage, l’engagement et les prévisions. L’analyse vocale et textuelle permet de réaliser des processus d’assurance qualité.

Niveau 3 – Conversations générées par le système 

L’IA générative utilise des grands modèles de langage (LLM) et des architectures basées sur des transformeurs pour produire du contenu dans les limites de sa configuration. L’IA effectue des tâches pour lesquelles elle a été explicitement conçue ou entraînée. Elle améliore les expériences grâce à l’automatisation, à l’augmentation, à la personnalisation et à l’optimisation, tout en fonctionnant dans le respect d’une logique et de workflows prédéfinis.

Au niveau 3, l’IA ne raisonne pas et ne prend pas de décisions au-delà des instructions qu’elle reçoit. Elle ne fait qu’appliquer ce pour quoi elle est programmée, avec plus d’ampleur et de fluidité.

  • Automatisation – Les conseillers virtuels pilotés par IA automatisent des interactions plus vastes et plus complexes (résolution, statut des commandes, demandes liées aux produits). Ces conseillers virtuels semblent autonomes, mais fonctionnent strictement dans le cadre de workflows et de règles préconfigurés. Ils ne raisonnent pas et ne sont pas capables de déduction au-delà des modèles définis. Des fonctionnalités telles que la reconnaissance de l’intention ou la gestion des FAQ leur permettent de gérer des scénarios plus nuancés, mais uniquement dans la limite de leur entraînement et de leur configuration. Les fonctionnalités de superviseur virtuel permettent d’automatiser le suivi opérationnel en alertant les parties prenantes en fonction de seuils prédéfinis ou de signaux comportementaux.
  • Augmentation – Les conseillers copilotes augmentent les performances humaines en fournissant des insights pertinents (suggestions d’actions à entreprendre, résumés, articles de connaissance), mais seulement dans la limite des règles et modèles prédéfinis. Ils réagissent aux indices ou signaux reconnus dans la conversation, mais ne sont pas capables de s’adapter ni de planifier au-delà de ces paramètres. Les copilotes superviseurs et administrateurs offrent quant à eux des conseils et des recommandations en fonction de critères préconfigurés, ce qui permet de développer les connaissances sans outrepasser les limites décisionnelles imposées.
  • Personnalisation – L’IA générative peut adapter ses réponses à l’aide d’une segmentation structurée, d’une classification des intentions et de caractéristiques définies par l’entreprise. Elle propose des réponses personnalisées en fonction des informations qui lui ont été communiquées, des données CRM, des préférences connues ou des interactions antérieures pour générer des résultats qui correspondent aux objectifs et segments spécifiques à l’entreprise. Bien que le contenu semble personnalisé, il est généré dans les limites d’une logique et d’un comportement prédéfinis. À ce niveau, la personnalisation est puissante, mais préconfigurée.
  • Optimisation – L’orchestration des parcours et la gestion de l’expérience sont optimisées par la capacité de l’IA à exécuter des stratégies d’optimisation planifiées. Les modèles prédictifs améliorent les prévisions, la planification et l’équilibrage de la charge de travail, et affinent continuellement les recommandations en fonction des données historiques. Cependant, l’IA n’est toujours pas adaptative. Elle ne fait que suivre les comportements qu’elle a appris et est régulièrement entraînée par les humains pour rester pertinente. L’orchestration des tâches, des alertes et des workflows dans le front-office et le back-office repose toujours sur des conditions définies, et non pas sur un raisonnement proactif.

Niveau 4 – Création d’une expérience agentique 

L’IA passe de simple exécutante à celle par qui toutes les solutions arrivent. Les systèmes sont configurés pour des objectifs spécifiques et utilisent le raisonnement, la planification et la mémoire pour déterminer le meilleur chemin de résolution tout en fonctionnant dans des limites clairement définies.

Ce niveau introduit l’IA agentique, qui interprète le contexte, planifie les étapes et ajuste les actions en fonction d’entrées dynamiques. Cependant, toute exécution reste semi-autonome. La contribution, l’approbation et la supervision humaines restent nécessaires pour s’aligner sur l’intention et éviter les dépassements.

  • Automatisation – Les conseillers virtuels, superviseurs et administrateurs peuvent désormais effectuer les tâches transactionnelles et séquences de décision plus complexes dans des domaines plus exigeants tels que la vente, le renouvellement et la rétention. Ils sont capables de déterminer les meilleures étapes pour atteindre un objectif donné, en tenant compte des contrôles de sécurité et des critères d’approbation prédéfinis. Ces systèmes peuvent référencer et suivre des contenus structurés tels que des procédures opérationnelles standard (SOP), des articles de connaissance ou des instructions pour exécuter leurs tâches avec précision et cohérence. L’exécution asynchrone devient plus courante : les tâches progressent en arrière-plan pendant que les clients ou les collaborateurs effectuent d’autres tâches. Le conseiller virtuel avertit l’utilisateur lorsque des tâches sont terminées ou nécessitent une saisie, maintenant ainsi la transparence et le contrôle humain.
  • Augmentation – Les copilotes sont de plus en plus proactifs : ils font apparaître des suggestions intelligentes aux conseillers, superviseurs et administrateurs humains, et leur proposent de les exécuter lorsqu’elles sont approuvées. Cela inclut la mise à jour du System of Record (SoR), l’identification des risques, la rationalisation des processus et la traduction des communications en temps réel. Ces copilotes produisent également des signaux en temps réel pour aider à coacher les utilisateurs humains. Ils mettent en évidence les étapes manquées, offrent des conseils en matière de conformité ou rappellent des éléments de contexte clés de manière positive et non intrusive. Au lieu de prendre le contrôle, ils aident les collaborateurs à être plus performants grâce à des suggestions subtiles et contextuelles. Bien qu’ils analysent des données complexes et adaptent leurs suggestions, ils n’agissent jamais de manière autonome, préservant ainsi l’autorité décisionnelle de l’humain.
  • Personnalisation – À ce niveau, la personnalisation devient plus stratégique et axée sur les données. Les systèmes d’IA utilisent la mémoire interne, les profils clients, les interactions antérieures et les indices contextuels pour déterminer les réponses ou les workflows qui correspondent le mieux au client concerné. Cela inclut l’exploitation de segments définis par l’entreprise, de l’historique des transactions et de règles préconfigurées. Les conseillers humains bénéficient d’une assistance qui s’adapte à la complexité du scénario et de suggestions qui s’apparentent davantage à des guides personnalisés plutôt qu’à des workflows généralisés. Cependant, toute personnalisation continue de fonctionner dans les limites configurées par l’entreprise, sans improviser au-delà.
  • Optimisation – L’orchestration exploite le contexte dynamique pour améliorer les flux d’expérience entre les systèmes. Les composants d’IA identifient les chemins et résolutions les plus efficaces en semi-autonomie : ils exigent moins de configuration manuelle, mais fonctionnent dans la limite des contraintes prédéfinies. Des capacités de détection d’anomalies, de reconnaissance de motifs et de prise de décision basée sur la mémoire aident à identifier les processus lacunaires ou les tickets d’assistance. Dans les cas qui appellent à la discrétion ou à l’interprétation d’une politique, comme l’approbation d’un emprunt immobilier ou un ajustement financier, l’IA assiste vos collaborateurs en préparant le contexte nécessaire à la décision – mais c’est l’humain qui réalise l’action finale.

Niveau 5 – Orchestration agentique universelle 

L’IA devient autonome tout en étant axée sur les objectifs. Elle est désormais capable de planifier, de prendre des décisions et d’exécuter des actions de manière indépendante en fonction des objectifs définis par les acteurs humains. Les conseillers, superviseurs et administrateurs virtuels ne sont plus limités par des workflows fixes ou l’exécution linéaire des tâches. Ils génèrent de nouvelles stratégies de façon dynamique et coordonnent les actions de manière adaptative pour atteindre les résultats métiers, et sont guidés par des objectifs généraux plutôt que par des instructions rigides.

Ce niveau représente la pointe de la maturité de l’orchestration, où l’IA passe du stade d’automatisation réactive à une gestion autonome et collaborative de l’expérience.

Les systèmes d’IA y combinent LLM, mémoire, planification et raisonnement, le tout renforcé par des boucles de feedback continues. Les expériences ne sont plus cloisonnées ou transactionnelles : elles deviennent fluides, adaptatives et intelligentes dans l’ensemble des écosystèmes.

Les entités d’IA interagissent directement entre elles. Elles échangent des objectifs, du contexte et des responsabilités, ce qui permet une orchestration distribuée à la fois entre les systèmes internes et les partenaires externes. L’intervention humaine devient stratégique et intentionnelle, et se concentre sur la supervision, la gouvernance et les décisions complexes qui nécessitent de l’empathie, de la créativité ou du jugement.

  • Automatisation – Les conseillers, les superviseurs et les administrateurs virtuels initient, exécutent et effectuent des tâches de bout en bout de manière autonome. Les systèmes interprètent les objectifs métiers et les données contextuelles pour déterminer le chemin optimal à suivre sans recourir à des scripts prédéfinis ni à une intervention manuelle. La responsabilité et le transfert des tâches se font de manière dynamique entre les conseillers intelligents, les décisions étant prises en coopération entre les rôles et les domaines. À mesure que les systèmes poursuivent des objectifs communs, ils alignent les décisions entre les services, les canaux et même les réseaux de partenaires, en exécutant des actions à grande échelle en toute harmonie. La plupart des besoins opérationnels, qu’ils soient de front ou de back-office, sont résolus automatiquement grâce à une collaboration intelligente et multi-acteur.
  • Augmentation – Bien que l’IA gère la plupart des tâches de manière indépendante, les humains restent essentiels à la supervision, à l’élaboration de règles et au jugement stratégique. Les copilotes vont chercher les résultats de manière proactive, résument les mesures qui ont été prises et les mettent en forme à des fins d’audit ou d’intervention. Dans certains scénarios, les copilotes anticipent les besoins et proposent de réaliser des tâches en fonction de ce qui est généralement approuvé. Ainsi, ils élargissent leur rayon d’action. Mais surtout, les copilotes et les conseillers autonomes peuvent collaborer en se transférant des insights et des décisions intermédiaires en toute fluidité pour soutenir les acteurs humains et optimiser l’efficacité. Les collaborateurs bénéficient d’une intelligence orchestrée qui s’adapte à leur rôle, à leur contexte et à leur workflow. Ainsi, les acteurs humains deviennent des contributeurs à fort impact, axés sur la prise de décision.
  • Personnalisation – Les expériences sont orchestrées par des administrateurs, superviseurs et conseillers virtuels qui apportent tous des perspectives, un contexte et des fonctions uniques. Ces systèmes intelligents s’appuient sur les interactions antérieures, les connaissances de l’entreprise et l’évolution des signaux comportementaux pour adapter les expériences en temps réel. La personnalisation, dynamique et distribuée, ne repose pas sur un seul système mais sur des co-acteurs pilotés par IA qui coordonnent leur compréhension des objectifs, des préférences et de l’état du parcours du client. Que ce soit au sein d’une seule marque ou à travers plusieurs écosystèmes, les conseillers virtuels synchronisent leurs réponses et leurs décisions afin d’assurer la continuité, la pertinence et l’alignement des intentions à chaque point de contact.
  • Optimisation – L’optimisation devient autonome, distribuée et axée sur les objectifs. Chaque système d’IA contribue à l’amélioration des performances non pas de manière isolée, mais dans le cadre d’un réseau d’apprentissage collaboratif continu. Ils perfectionnent les workflows et les modèles de décision en fonction de boucles de feedback partagées, de données de performances et d’indicateurs de réalisation des objectifs. La logique d’orchestration s’adapte de manière fluide à l’évolution des priorités organisationnelles et les conseillers IA travaillent ensemble à redistribuer les efforts, rééquilibrer les stratégies et optimiser les résultats à grande échelle. Ce fonctionnement crée une couche d’intelligence autonome dans laquelle l’orchestration évolue avec l’environnement sans nécessiter de configuration manuelle ou de formation supplémentaire.

Le modèle de maturité des niveaux d’orchestration de l’expérience illustre comment une entreprise peut passer d’opérations entièrement manuelles à des systèmes intelligents pilotés par IA, capables de gérer et d’améliorer CX et EX en complète autonomie. Chaque niveau représente une avancée importante dans les capacités et la valeur potentielle de l’IA, allant de l’automatisation isolée des tâches à des systèmes capables de planifier, de raisonner et d’agir pour atteindre les objectifs de l’entreprise.

À mesure qu’elles développent cette orchestration de l’expérience, les entreprises ont tendance à opérer sur plusieurs niveaux à la fois, en fonction de leurs priorités commerciales, segments clients, contraintes opérationnelles et risques spécifiques. Certaines expériences restent hautement structurées et supervisées par l’humain, tandis que d’autres bénéficient davantage du fonctionnement et de l’orientation autonomes.

Ce chemin vers la maturité implique également une collaboration accrue entre les systèmes intelligents. Les conseillers pilotés par IA doivent se coordonner les uns aux autres pour résoudre des tâches complexes, partager du contexte et s’adapter de manière dynamique à tous les parcours. Ces conseillers interconnectés, qu’ils prennent en charge les clients, les superviseurs ou les administrateurs, constituent la base d’une orchestration évolutive et adaptative. Dans ce modèle, l’intelligence n’est plus isolée sur un système ou une interaction unique. Il s’agit d’une fonctionnalité distribuée, capable d’apprendre, de partager et d’améliorer en permanence tout le paysage expérientiel. 

Conclusion 

Les niveaux d’orchestration de l’expérience constituent un modèle de maturité structuré qui aide les entreprises à mener à bien leur transformation. Selon notre framework, la plupart des entreprises opère actuellement aux niveaux 1 ou 2. La voie à suivre est claire – et le rythme s’accélère.

Les entreprises qui investissent dans l’orchestration agentique prennent une avance qui pourrait bien générer une valeur exponentielle : automatisation et évolutivité renforcées, collaborateurs plus autonomes et fidélisation plus poussée des clients.

À quel niveau votre entreprise opère-t-elle aujourd’hui ? Comment passer au niveau supérieur ?

Genesys est là pour vous guider vers l’étape suivante – des expériences orchestrées et émotionnellement intelligentes à grande échelle.

 

1 Il s’agit d’un document de travail et non d’une feuille de route produit. Genesys ne s’engage pas à fournir les fonctionnalités décrites dans ce document. 

* Cet article, initialement publié le 14 mai 2024, a été mis à jour.  

Auteurs :

Tony Bates est le PDG de Genesys. Il gère la stratégie, l’orientation et les opérations de l’entreprise, présente dans plus de 100 pays, et supervise une équipe internationale de plus de 6 000 collaborateurs.

Fort d’une expérience de plusieurs dizaines d’années, Tony Bates a dirigé de nombreuses entreprises de type « business-to-business » et « business-to-consumer » dans des contextes de transitions de marché majeures et d’évolutions rapides. Technologue passionné dans l’âme, Tony Bates a commencé sa carrière dans l’exploitation des réseaux et les infrastructures Internet, tout en s’initiant au codage de façon autonome pendant ses trajets quotidiens en train. Il a rapidement acquis un sens aigu des affaires qui lui a permis d’accéder à des postes de direction de premier plan dans certaines des entreprises SaaS les plus respectées au monde.

Parmi les faits marquants de sa carrière, on peut citer la direction de l’activité Service Provider de Cisco, le développement de sa division Enterprise and Commercial, dont le chiffre d’affaires annuel dépasse les 20 milliards de dollars, et le poste de PDG de Skype, où il a été responsable de l’expansion de l’entreprise. Après l’acquisition de Skype par Microsoft, Tony est devenu président, en charge des communications unifiées, avant d’occuper le poste de vice-président exécutif chargé du développement commercial et des développeurs. Outre son rôle chez Genesys, Tony siège au conseil d’administration de VMWare.

Peter Graf est vice-président directeur de la stratégie chez Genesys. Dans le cadre de ses fonctions, il est responsable du développement, de la communication et du maintien de la stratégie Genesys.

Avant de rejoindre Genesys en 2017, Peter a occupé divers postes de direction dans les domaines de la stratégie, du développement et du marketing pendant plus de 25 ans dans le secteur mondial des logiciels d’entreprise, notamment en tant que vice-président exécutif de la multinationale SAP. Peter a obtenu un doctorat en intelligence artificielle à l’Université de la Sarre et un master en informatique et en économie à l’Université technique de Kaiserslautern en Allemagne.