Comment organiser la collaboration entre l’IA et les équipes CX

Définir les compétences de l’IA en fonction des risques et du jugement

Selon Qualtrics, 74 % des consommateurs préfèrent les canaux humains pour la résolution des problèmes et l’assistance technique. Ce constat impose une contrainte claire à l’automatisation de l’expérience client. Les clients continuent de privilégier le contact humain lorsque l’issue est cruciale ou que le problème se complique.

Une unité d’automatisation appropriée correspond à une tâche bien délimitée. L’IA fonctionne efficacement lorsque les données d’entrée sont claires, que les règles sont définies et que le résultat attendu est prévisible. Elle peut classer les intentions des clients, extraire des informations validées, résumer des conversations, fournir des mises à jour sur les commandes et guider les clients à travers des processus standard. Ces tâches définissent clairement les limites de fonctionnement du système.

Le niveau d’autorité devrait diminuer à mesure que la gravité des conséquences augmente. En cas de remboursement, de crédit ou de modification de compte, l’IA peut collecter des informations et recommander une action. Un intervenant humain peut approuver les dossiers dépassant un seuil financier ou de risque défini. En cas de contestation de frais, de suspicion de fraude, de demandes d’aménagements inhabituelles et de défaillances graves du service, les employés doivent conserver le pouvoir de décision. Ces cas nécessitent une interprétation des règles, un pouvoir d’appréciation ou une évaluation des circonstances qui peuvent ne pas ressortir de la demande explicite du client.

Chris Rozum, fondateur d’Insite Managed Solutions, a clairement défini cette limite : « Si le jugement humain influe sur le résultat, il faut maintenir une personne à ce poste, même si la tâche semble routinière à première vue. »

Cette distinction est importante car les schémas de processus peuvent masquer le travail de jugement. Un flux de travail peut paraître répétitif, alors que des collaborateurs expérimentés détectent systématiquement des informations contradictoires, déduisent une préoccupation non exprimée ou appliquent une exception. L’automatisation des étapes visibles peut faire disparaître le travail de jugement qui permet au processus de fonctionner.

Les dirigeants doivent donc définir l’autonomie en fonction de chaque cas d’utilisation avant le déploiement. Chaque workflow d’IA doit avoir un périmètre clairement défini, une condition de remontée et un seuil d’approbation. La question fondamentale est simple : que se passe-t-il si le système prend une mauvaise décision ? Les pertes financières, les risques de non-conformité et l’atteinte à la confiance des clients justifient un contrôle humain plus strict.

Un volume de contacts élevé reste utile pour identifier les possibilités d’automatisation. Il ne doit toutefois pas déterminer à lui seul le champ d’application de l’IA. Le modèle opérationnel le plus performant allie le potentiel d’automatisation au coût et à la réversibilité d’une erreur. Cela permet à l’IA de supprimer les tâches routinières tout en concentrant le jugement humain là où il apporte le plus de valeur.

Concevez des transferts de l’IA vers un humain dans le cadre du processus de résolution

Selon l’étude « CX Trends 2026 » de Zendesk, 74 % des consommateurs trouvent frustrant de devoir répéter leur histoire à différents agents. La remontée vers l’IA pose le même problème lorsque le contexte du client est perdu lors du transfert.

Une remontée d’un cas de l’IA vers un intervenant humain peut constituer un comportement normal du système. L’IA a atteint une limite prédéfinie, et le flux de travail a transféré le dossier à une personne disposant d’une autorité ou d’un pouvoir de décision plus important. La réussite dépend de la capacité de l’employé à poursuivre immédiatement le processus de résolution.

Trois éléments d’information doivent suivre le client : l’historique des échanges, les actions déjà entreprises et le motif de la remontée. Les collaborateurs doivent également avoir une visibilité sur les décisions pertinentes prises par l’IA. Ils doivent pouvoir déterminer quelles informations le système a utilisées, ce qu’il a recommandé ou modifié, et pourquoi il a transféré le dossier.

Sergey Matikaynen, cofondateur de GoGloby, qualifie les échecs de ce processus de « manque de contexte ». Il a déclaré : « Un transfert réussi préserve l’historique complet de la conversation et la trace du raisonnement, offrant ainsi aux agents humains une visibilité étape par étape sur ce que l’IA a fait et les raisons pour lesquelles elle a transmis le dossier à un niveau supérieur. »

Cette visibilité présente un intérêt opérationnel. Un collaborateur qui reçoit la transcription d’une conversation sans connaître les actions précédentes de l’IA peut être amené à réexaminer l’interaction depuis le début. Cela allonge le temps de traitement et alourdit la charge de travail du client. Cela peut également rendre les erreurs liées à l’automatisation plus difficiles à détecter et à corriger.

Le contexte à lui seul ne suffit pas lorsque le collaborateur ne dispose pas des pouvoirs nécessaires. Un client peut être mis en relation avec un interlocuteur humain et se retrouver néanmoins dans une impasse si cette personne n’est pas en mesure d’annuler une décision automatisée erronée, d’accorder une dérogation appropriée ou de résoudre le problème sous-jacent lié au compte. La conception du processus d’escalade doit donc associer les informations aux pouvoirs de décision.

Les responsables de l’expérience client doivent tester l’ensemble du processus de transfert en tant que flux de travail unique. Mesurez le temps nécessaire pour joindre un collaborateur. Vérifiez si l’identité du client, son historique et ses actions précédentes sont correctement transférés. Assurez-vous que le collaborateur peut comprendre pourquoi l’IA a transmis le dossier. Vérifiez ensuite que le collaborateur dispose des autorisations nécessaires pour résoudre le dossier.

Cela modifie la manière dont les responsables doivent interpréter les taux d’escalade. Un transfert peut indiquer que les contrôles des risques fonctionnent comme prévu. Les indicateurs les plus importants sont la qualité de l’escalade, l’effort demandé au client et la résolution finale. Une opération associant humains et IA bien conçue sait à quel moment l’automatisation doit s’arrêter et veille à ce que la personne suivante dispose du contexte et de l’autorité nécessaires pour mener à bien la tâche.

Préserver l’accès à un interlocuteur humain et garantir la responsabilité des actions de l’IA

Selon l’étude de consommation 2025 réalisée par SurveyMonkey, 89 % des personnes interrogées estiment que les entreprises devraient toujours proposer la possibilité de s’entretenir avec un interlocuteur humain. Pour les responsables de l’expérience client, l’accès à un interlocuteur humain devrait constituer un élément à part entière du modèle opérationnel.

Les clients ont besoin d’un moyen clair de contacter un collaborateur lorsque l’automatisation ne permet pas de résoudre un problème, lorsqu’ils contestent un résultat généré par le système automatisé ou lorsque le dossier implique des circonstances sensibles. Ce parcours doit être visible et facile à utiliser. Obliger les clients à passer par des étapes automatisées répétitives alourdit la tâche au moment même où le système a atteint ses limites.

L’intervention humaine doit également s’accompagner d’un pouvoir de décision. Les collaborateurs chargés de traiter les cas d’escalade doivent être habilités à examiner les actions de l’IA, à corriger les erreurs, à appliquer les exceptions appropriées et à résoudre le problème sous-jacent. Sans ces autorisations, l’entreprise ne fait qu’ajouter une interaction supplémentaire au parcours client.

La responsabilité exige la mise en place d’un historique fiable des décisions automatisées. Les entreprises doivent être en mesure de déterminer quelles informations l’IA a utilisées, quelle action elle a entreprise, si un employé a approuvé ou modifié cette action et ce qui s’est passé par la suite. Ces pistes d’audit revêtent une importance particulière lorsque l’IA est en mesure d’accorder des crédits, de modifier les informations relatives à un compte ou de prendre d’autres mesures ayant des conséquences financières, réglementaires ou sur la clientèle.

Ce registre permet également d’améliorer les opérations. Les équipes peuvent identifier les erreurs récurrentes, déterminer si les problèmes trouvent leur origine dans les connaissances, les instructions, les itinéraires ou les autorisations système, et adapter le flux de travail. Une correction ponctuelle permet de résoudre un cas client isolé. Un historique consultable peut mettre en évidence une défaillance récurrente affectant de nombreux cas.

Le niveau de contrôle doit être adapté à l’impact potentiel. Les actions à faible risque, régies par des règles bien définies, peuvent bénéficier d’une plus grande autonomie. Les décisions financières, les modifications de compte et les dérogations aux règles peuvent nécessiter des seuils ou une autorisation explicite. Les décisions sensibles et soumises à une réglementation justifient un contrôle et une validation humaine plus rigoureux.

Pour les dirigeants, la question centrale en matière de conception est celle de la responsabilité : qui est responsable du résultat lorsqu’une IA prend une décision ? Cette responsabilité doit rester clairement définie au sein des équipes chargées de l’expérience client, des opérations, de la technologie et de la gestion des risques. L’automatisation permet d’exécuter des décisions à grande échelle, tandis que l’entreprise reste responsable du résultat pour le client.

Évaluez la qualité de la résolution au sein de l’équipe humaine-IA

Le taux de prise en charge par l’IA répond à une question précise : à quelle fréquence le système a-t-il mené à bien une interaction sans la transférer à un collaborateur ? Pour évaluer la performance en matière d’expérience client, il faut adopter une vision plus large de ce qui s’est passé par la suite.

Un taux de fidélisation élevé peut coexister avec des contacts répétés, des réclamations et des problèmes non résolus. Une interaction peut prendre fin au sein d’un canal automatisé parce qu’un client abandonne ou choisit un autre canal par la suite. Les dirigeants doivent donc relier les indicateurs d’automatisation aux résultats finaux pour le client.

Le taux de résolution dès le premier contact indique si le problème sous-jacent a été résolu sans que le client ait à fournir d’efforts supplémentaires. Le taux de contacts répétés identifie les clients qui reviennent avec le même problème. Les indicateurs d’effort client indiquent le travail que les clients ont dû fournir pour obtenir un résultat. La qualité de la remontée évalue si le dossier a été transmis à un collaborateur approprié, disposant d’un contexte suffisant et des compétences nécessaires. Les indicateurs de correction des erreurs permettent de suivre la rapidité avec laquelle les actions incorrectes de l’IA sont détectées, corrigées et expliquées.

La charge de travail des employés s’inscrit dans ce même cadre d’évaluation. L’intelligence artificielle peut prendre en charge les questions courantes, permettant ainsi aux employés de se concentrer davantage sur les cas exceptionnels, les interactions délicates et les dossiers complexes. Ces derniers peuvent nécessiter davantage d’analyse, de discernement et d’investissement émotionnel. Les modèles de dotation en personnel et les objectifs de performance devraient refléter cette évolution dans la composition des dossiers traités.

Le défi de la mesure englobe également des aspects de l’expérience client que les tableaux de bord classiques peuvent négliger. Sarup Paul, vice-président chargé de la gestion des produits pour le CRM et les flux de travail sectoriels chez ServiceNow, a déclaré : « Les dirigeants prennent leurs décisions en s’appuyant sur les indicateurs disponibles : NPS, CSAT, taux de résolution, réduction du nombre d’appels. Ce que ces indicateurs ne permettent pas de déterminer, c’est si le client s’est senti écouté ou si l’interaction lui a semblé empreinte d’empathie. »

Une étude mondiale menée par ServiceNow auprès de 34 000 clients, agents de service et dirigeants met en évidence l’ampleur de ce fossé. La moitié des clients ont cité le manque d’empathie et de compréhension comme leur principale source de frustration. Seuls 23 % des dirigeants ont identifié ce problème comme l’un de leurs principaux défis.

Cette différence prend davantage d’importance à mesure que l’IA modifie la répartition du travail. Les systèmes automatisés traitent de plus en plus les demandes transactionnelles, tandis que les employés se voient confier les situations impliquant des exceptions, des échecs antérieurs et des clients qui ont besoin d’être rassurés ou de bénéficier d’une certaine souplesse. L’interaction humaine peut donc représenter une part disproportionnée de la relation client dans son ensemble.

Les dirigeants devraient gérer les services fournis par le personnel et par l’IA comme s’il s’agissait d’un seul et même système d’exploitation. L’analyse des cas traités reste utile pour comprendre l’activité et la capacité d’automatisation. La résolution des problèmes, les contacts répétés, l’effort demandé au client, la qualité de la remontée des problèmes, la correction des erreurs et la charge de travail des collaborateurs permettent de déterminer si cette automatisation génère de meilleurs résultats.

L’objectif doit être de parvenir à une résolution durable. L’IA apporte de la valeur lorsqu’elle réduit les tâches routinières tout en garantissant une prise en charge efficace des cas complexes. Cette norme offre aux dirigeants une base plus claire pour déterminer si l’automatisation améliore l’expérience client, réduit les coûts d’exploitation et préserve la confiance des clients.

Repenser les postes de première ligne dédiés à l’expérience client pour favoriser le jugement et la supervision de l’IA

L’IA transforme les tâches qui incombent désormais aux collaborateurs du service client. Les demandes courantes sont de plus en plus souvent traitées par des systèmes automatisés. Les agents humains consacrent ainsi une part plus importante de leur temps aux exceptions, aux cas ambigus, aux escalades et à la restauration des relations.

Cette évolution renforce l’importance du jugement humain. Les collaborateurs doivent être capables d’identifier les réponses incomplètes ou erronées fournies par l’IA, d’examiner les informations contradictoires et de déterminer quand la politique de l’entreprise autorise une dérogation. Ils doivent également corriger les informations erronées avant qu’elles n’affectent davantage de clients. Une communication efficace reste essentielle, car de nombreux clients dont le dossier a été transmis à un niveau supérieur arrivent après qu’un processus automatisé a déjà échoué à résoudre leur problème.

Jourdan Hathaway, directrice des opérations chez General Assembly, a décrit ce problème en s’appuyant sur l’expérience de son entreprise en matière de centre de contact : « Lorsque nous avons mis en place l’IA dans notre centre de contact, nous nous sommes rapidement rendu compte que le système ne pouvait pas s’adapter à un contexte pour lequel il n’avait pas été formé. Tout écart par rapport au script habituel nuisait à l’expérience client. »

M. Hathaway a déclaré que les situations ambiguës étaient mal acheminées, ce qui réduisait les taux de résolution et la satisfaction client. Cette expérience met en évidence une contrainte majeure de l’automatisation de l’expérience client : un système d’IA fonctionne dans le cadre des informations, des instructions et des flux de travail dont il dispose. Les circonstances imprévues nécessitent donc un processus de remontée conçu autour du jugement humain.

La formation doit évoluer en fonction de cette responsabilité. Les agents ont besoin d’une expérience pratique pour examiner les résumés générés par l’IA et des recommandations générés par l’IA, à identifier les éléments de contexte manquants ou contradictoires, à appliquer la politique en vigueur et à consigner les erreurs d’automatisation. Ils doivent savoir dans quelles circonstances ils peuvent passer outre une recommandation de l’IA et comment remonter les cas qui dépassent leur propre champ de compétence.

Les responsables sont confrontés à un changement connexe. Ils doivent de plus en plus gérer à la fois les performances des collaborateurs et les flux de travail basés sur l’IA. Cela nécessite des compétences en matière d’assurance qualité, de supervision de l’IA, d’accompagnement et d’analyse des causes profondes. Lorsqu’une interaction échoue, les responsables doivent déterminer si la cause réside dans une décision prise par un collaborateur, des connaissances erronées, un acheminement inadéquat, des autorisations système insuffisantes ou tout autre problème lié au flux de travail.

Karl Phenix, vice-président chargé de la stratégie mondiale Microsoft et de la mise sur le marché chez TTEC Digital, a déclaré que les chargés de service client traitent de plus en plus « des dossiers complexes, des exceptions, des escalades et des activités visant à établir des relations ». Il a ajouté que la réflexion critique, la prise de décision, l’assurance qualité, la supervision de l’IA et l’accompagnement prennent de plus en plus d’importance à mesure que l’IA s’intègre dans les opérations. Selon lui, l’agent de demain deviendra « davantage un solutionneur de problèmes et un défenseur des intérêts des clients ».

Ce changement a également des répercussions sur la planification des effectifs. La baisse du volume des contacts courants peut amener les collaborateurs à devoir gérer une proportion plus importante d’interactions difficiles, sensibles et chronophages. La durée moyenne de traitement des dossiers pourrait augmenter, car les dossiers restants nécessitent davantage d’analyse et de discernement. Le volume de dossiers peut également devenir un indicateur moins fiable de la contribution individuelle lorsque la complexité varie considérablement d’une interaction à l’autre.

Les dirigeants devraient adapter la gestion de la performance à la nouvelle répartition des tâches. Des indicateurs tels que la qualité des résolutions, la gestion efficace des exceptions, les résultats des remontées hiérarchiques et l’identification des erreurs peuvent offrir une vision plus précise de la contribution des collaborateurs. L’accompagnement devrait viser à améliorer la qualité des décisions et la supervision de l’IA, tout en renforçant la communication avec les clients.

La décision plus générale concernant les effectifs porte sur la répartition des compétences. L’IA est capable d’effectuer des tâches standardisées à grande échelle. Les collaborateurs qualifiés peuvent ainsi consacrer leur temps aux situations où le contexte, le pouvoir d’appréciation et la responsabilité ont une incidence sur le résultat. Les organisations qui repensent la formation, les autorisations, la dotation en personnel et les indicateurs de performance en fonction de cette répartition des tâches peuvent tirer parti des gains d’efficacité liés à l’automatisation tout en conservant un soutien humain efficace.

Faits marquants

• Définissez les compétences de l’IA en fonction des risques : automatisez les tâches délimitées et prévisibles, et conservez le pouvoir de décision humain lorsque les risques financiers, de conformité ou de confiance augmentent. Définissez des seuils d’approbation et des conditions d’escalade pour chaque cas d’utilisation de l’IA.
• Veillez à ce que les transferts préservent le contexte : transmettez l’historique des conversations, les actions antérieures de l’IA et le motif de l’escalade pour chaque cas. Accordez aux collaborateurs une autorité suffisante pour corriger les décisions et mener à bien la résolution du problème.
• Garantissez la clarté de l’accès humain et de la responsabilité : offrez aux clients un chemin d’accès visible vers un interlocuteur humain lorsque l’automatisation atteint ses limites. Conservez des pistes d’audit indiquant ce que l’IA a fait, quelles informations elle a utilisées et qui a approuvé ou modifié les actions qui en ont découlé.
• Privilégiez la résolution plutôt que la gestion des cas : suivez la résolution dès le premier contact, les contacts répétés, l’effort client, la qualité de la remontée vers les niveaux supérieurs et la correction des erreurs, parallèlement à la gestion des cas par l’IA. Évaluez l’exploitation conjointe de l’humain et de l’IA comme un système unique lié aux résultats pour le client.
• Repenser les rôles en première ligne pour les tâches complexes : à mesure que l’IA prend en charge les demandes routinières, formez les collaborateurs à faire preuve de discernement, à gérer les exceptions, à superviser l’IA et à rétablir la satisfaction client. Actualisez les formations, les effectifs et les indicateurs de performance afin de refléter la complexité accrue des dossiers gérés par des humains.