L’IA a fondamentalement transformé la nature des logiciels d’entreprise, en particulier dans le domaine du service client. Traditionnellement, la maintenance des logiciels d’entreprise était surtout la responsabilité de l’éditeur. Avec l’essor des logiciels pilotés par IA, cette responsabilité est désormais partagée entre lui et l’entreprise cliente. Celle-ci doit donc effectuer beaucoup plus de travail qu’auparavant.

Cet article a été rédigé par Adrian Swinscoe, conseiller en expérience client, auteur, intervenant, Workshop Leader, et Aspirant Punk et fondateur de Punk CX.

L’IA a fondamentalement transformé la nature des logiciels d’entreprise, en particulier dans le domaine du service client.

Traditionnellement, la maintenance des logiciels d’entreprise était surtout la responsabilité de l’éditeur. Avec l’essor des logiciels pilotés par IA, cette responsabilité est désormais partagée entre lui et l’entreprise cliente. Celle-ci doit donc effectuer beaucoup plus de travail qu’auparavant.

De plus, la maintenance inclut non seulement la conception, les tests, le monitoring, la gestion et l’optimisation des logiciels, mais également tous les aspects du data sourcing, du nettoyage des données et de la génération de contenu, lesquels constituent le moteur de tout système d’IA. Ces efforts additionnels exigent donc des ressources et un investissement supplémentaires de la part de l’entreprise.

Cette redistribution des cartes ne va pas sans poser certains problèmes aux organisations, qui doivent démontrer le retour sur investissement (ROI) et opérationnaliser les solutions d’IA au-delà de la phase pilote ou de preuve de concept (PoC). Des études récentes menées par Accenture et IBM indiquent que les initiatives et investissements des entreprises en matière d’IA génèrent actuellement des résultats mitigés.

Accenture a passé à la loupe plus de 2 000 projets d’IA générative et constaté que seulement 36 % des 3 000 membres de Comex interrogés étaient parvenus à déployer des solutions d’IA générative à grande échelle. De plus, seulement 13 % déclarent avoir créé une « valeur significative au niveau de l’entreprise ». De son côté, IBM a interrogé plus de 2 000 PDG à travers le monde et découvert que seulement 16 % d’entre eux avaient réussi à industrialiser leurs initiatives d’IA dans toute l’entreprise. Seuls 25 % déclarent que leurs initiatives d’IA ont permis d’obtenir le retour sur investissement attendu au cours des dernières années.

Bien que ces données mettent en évidence certaines des difficultés globales auxquelles les entreprises sont confrontées lors de l’implémentation de systèmes d’IA au sein de leur service client, elles ne se penchent pas sur les problèmes spécifiques rencontrés au niveau des responsables CX et du service client.

Cet article présente les témoignages de quatre entreprises qui illustrent les difficultés que les responsables CX ont pu rencontrer au moment d’intégrer l’IA au service client, les leçons à en tirer, et des critères pour libérer le potentiel de l’IA et de vos collaborateurs.

Résistance à l’IA dans le secteur des services financiers

Le premier témoignage est celui d’une société de services financiers qui a tenté d’implémenter un chatbot piloté par IA afin d’assister les clients en self-service. Comme de nombreux autres chatbots de ce type, celui-ci devait être soumis à une supervision humaine (HITL) pour faciliter l’entraînement du modèle et s’assurer que les réponses fournies étaient bien en phase avec les valeurs de la marque et les politiques de l’entreprise.

Les conseillers devaient également pouvoir intervenir lorsque l’IA s’avérait incapable de traiter une requête. Cependant, le projet a échoué, car les représentants du service client ont refusé d’utiliser la solution. Ils se sentaient menacés par la nouvelle technologie et avaient l’impression de former leurs remplaçants.

Entraînement de l’IA : réticence liée à une redéfinition des missions des conseillers 

Le deuxième témoignage provient du directeur des opérations de service client d’une enseigne du retail. La direction et le conseil d’administration le poussaient à intégrer l’IA à ses opérations quotidiennes afin d’améliorer les résultats et la productivité du service. Cependant, cela nécessitait de détourner les conseillers de leurs missions de première ligne et de les recentrer sur la conception, l’entraînement, la gestion, les tests  et la supervision de ces nouveaux outils.

Ainsi, cette redistribution des ressources aurait affecté les indicateurs clés de performances (KPI) et les accords de niveau de service (SLA) de l’entreprise. Les performances en auraient pâti, et les conseillers auraient été privés des récompenses qu’ils auraient reçues en atteignant leurs objectifs. Par conséquent, ce directeur a décidé de ne rien faire avant de recevoir le budget et les ressources supplémentaires nécessaires pour entreprendre ce projet.

Une documentation peu claire et incohérente nuit à la valeur de l’IA

Le troisième témoignage est tiré du service client d’une société de services aux entreprises qui souhaitait déployer une technologie d’assistance aux conseillers pour améliorer leur productivité et leur efficacité. L’entreprise a acheté la technologie et téléchargé une multitude de documents (politiques, supports de formation, FAQ) pour entraîner le modèle d’IA et s’assurer que ses suggestions étaient conformes aux valeurs de la marque.

Cependant, après la période d’implémentation et d’entraînement, ils ont découvert que les résultats de cette nouvelle technologie d’assistance étaient largement inefficaces, car la documentation n’était ni claire, ni cohérente. Les conseillers humains étaient confrontés quotidiennement à ce même problème, mais avaient jusqu’ici réussi à fournir des réponses efficaces et appropriées grâce à leur connaissance de l’entreprise.

L’IA permet de se recentrer sur le client

Le quatrième témoignage provient du service client d’une entreprise d’e-commerce, qui a implémenté avec succès un chatbot piloté par IA pour offrir à la fois le self-service à ses clients et une assistance avec messagerie automatisée à ses conseillers. Grâce à l’IA et à l’automatisation, l’entreprise peut désormais répondre automatiquement à un grand nombre de requêtes simples et directes, qui occupaient auparavant la majeure partie du temps de l’équipe.

Cette technologie a également permis au service client de rétablir les communications téléphoniques, qu’il avait dû abandonner en raison de contraintes de capacité et de ressources. Cela a permis aux conseillers de passer plus de temps à parler aux clients, à résoudre des problèmes plus délicats, à renforcer les liens et à générer de la valeur.

1. Ralliez vos conseillers à votre projet

Vous devez encourager vos conseillers à vous suivre en leur expliquant la technologie que vous souhaitez implémenter, pourquoi vous souhaitez l’implémenter, quel sera son rôle, ce qu’elle va changer et comment vous les aiderez à s’y adapter. Sinon, il est possible que votre initiative échoue ou, dans le meilleur des cas, n’atteigne pas ses objectifs.

Une étude menée par McKinsey vient étayer ce propos. En effet, elle révèle que plus de 70 % des projets de transformation échouent principalement en raison d’un sous-investissement dans trois domaines essentiels : la communication, le comportement et la formation. Pour ceux qui ont déjà mené à bien un projet de transformation, ce n’est pas nouveau, mais il est toujours utile de le rappeler.

2. Alignez vos indicateurs et dotez vos implémentations des ressources nécessaires

On ne le répétera jamais assez : avec l’arrivée de solutions pilotées par IA, la nature des logiciels d’entreprise a changé. Pour libérer tout le potentiel de l’IA et optimiser vos chances de succès, vous devez disposer des bonnes ressources et les aligner sur vos objectifs, vos indicateurs et vos incitations internes.

3. Assurez-vous de disposer de données de qualité

« Garbage in, garbage out » (« à données médiocres, sorties médiocres » ou GIGO) : cette expression utilisée en informatique s’applique non seulement aux données quantitatives, mais également aux données qualitatives utilisées pour sous-tendre votre solution d’IA.

Comme le montre notre troisième témoignage, rédiger des politiques, des procédures et des FAQ ne garantit pas leur efficacité. Avant d’accorder une confiance aveugle dans la qualité des documents officiels de votre entreprise, faites l’effort de vérifier la clarté et la cohérence de vos données, en particulier la documentation à laquelle vous devrez vous fier. N’oubliez pas : la qualité de votre solution d’IA dépend de celle de ses données d’entraînement.

4. Soyez clair sur les choix que vous faites

De nombreuses entreprises choisissent d’implémenter l’IA afin d’améliorer l’efficacité et la productivité, et de réduire les coûts d’exploitation. Bien que cela ne soit pas toujours évident dès le début, cela entraîne souvent une réduction des effectifs en raison des gains d’efficacité et de productivité obtenus grâce à l’utilisation de l’IA.

Cependant, d’autres entreprises, comme dans le quatrième témoignage cité dans cet article, exploitent différemment cette capacité accrue de leurs équipes. Elles choisissent de l’utiliser non seulement pour résoudre les problèmes complexes des clients, mais aussi pour échanger et resserrer les liens avec eux. Elles sont convaincues que cela produira de la valeur pour l’entreprise sur des marqueurs clés comme la fidélisation, le chiffre d’affaires et la rentabilité.

Conclusion

L’implémentation d’un logiciel piloté par IA ne se fait pas en vase clos. Vous devez vous montrer clair sur vos choix et sur vos raisons.

Malgré l’engouement actuel autour de l’IA, cette révolution n’est encore qu’à ses débuts. Si vous cherchez à implémenter l’IA pour améliorer le service et l’expérience client, donnez-vous les moyens de réussir en suivant ces quelques conseils.

Pour en savoir plus, consultez le blog d’Adrian, téléchargez un épisode de son podcast ou envoyez-lui un e-mail.