Ce que les architectures hybrides révèlent sur la maturité CX

L’adoption de l’IA devient un critère de moins en moins pertinent pour distinguer les organisations d’expérience client les plus matures. Five9, un fournisseur de technologies pour centres de contact ayant un intérêt commercial dans l’adoption des technologies CX, indique dans son « 2026 Business Leaders CX Report » que 90 % des organisations CX mènent des projets pilotes d’IA ou la déploient. Five9 indique également que les répondants se répartissent presque à parts égales entre plateformes end-to-end, environnements hybrides et solutions best-of-breed.

Les entreprises peuvent atteindre des niveaux similaires d’adoption de l’IA tout en faisant des choix différents concernant les systèmes, les modèles et l’infrastructure sous-jacents. À ce niveau, l’adoption seule en dit peu. L’architecture constitue elle aussi un test de maturité incomplet, car l’IA peut fonctionner selon plusieurs approches. Un test plus solide consiste à déterminer si les dirigeants peuvent produire une valeur mesurable tout en maîtrisant la sécurité, l’intégration, la fiabilité, la conformité et le risque client à mesure que la technologie évolue.

L’adoption de l’IA converge. L’architecture CX reste diverse.

Une architecture standard n’a pas encore émergé parallèlement à l’adoption généralisée de l’IA. Five9 décrit les approches de déploiement comme étant presque également réparties entre modèles end-to-end, hybrides et best-of-breed. Une approche end-to-end consolide les capacités au sein d’une plateforme plus large, tandis qu’un environnement best-of-breed sélectionne des composants individuels pour des besoins spécifiques. Un environnement hybride conserve un mélange de systèmes ou de modèles de déploiement.

L’architecture détermine le coût et la difficulté des changements futurs. Une entreprise qui choisit une plateforme large unique peut réduire une partie du travail d’intégration et de gouvernance, tout en devenant plus dépendante des choix technologiques de cette plateforme. Une entreprise qui conserve plusieurs composants peut préserver davantage d’options, tout en assumant plus d’intégration et de coordination opérationnelle. Ce sont des arbitrages de gestion.

La question pratique est de savoir si la conception actuelle permet à l’entreprise d’intégrer l’IA dans des workflows utiles, de manière sûre et économique. Les dirigeants doivent aussi comprendre ce qu’impliquerait le remplacement d’un modèle, d’un fournisseur ou d’un composant en matière de travail sur les données, d’intégration, de tests, de sécurité et de gouvernance. L’architecture devient alors un moyen de piloter les décisions technologiques dans la durée.

Les signaux de maturité traditionnels deviennent moins utiles

La migration vers le cloud a fourni une mesure intuitive de la modernisation : déplacer les charges de travail hors des systèmes on-premises et réduire le backlog de migration. Les conclusions de Five9 compliquent cette mesure pour le service client. L’entreprise indique que 84 % des organisations se trouvent à un stade ou un autre de la transition des systèmes on-premises vers le cloud, tandis que les environnements actuels de service client restent fortement hybrides.

Ces chiffres affaiblissent les tentatives de classer toute organisation hybride comme un retardataire technologique. L’IA est déjà testée en projet pilote ou déployée dans la plupart des organisations CX, alors même que 74 % des environnements de service client restent hybrides. Ces deux mesures évoluent à des rythmes différents au sein de la population interrogée par Five9. Cette coexistence ressort clairement des données publiées, même si l’enquête ne permet pas d’établir pourquoi chaque répondant reste hybride.

Un parc hybride peut résulter de décisions de gestion différentes. Certains systèmes peuvent être conservés parce que les dirigeants valorisent les options disponibles ou jugent aujourd’hui le risque de migration trop élevé. D’autres peuvent rester en place parce qu’une migration difficile n’est pas terminée. Une même architecture visible peut refléter des contraintes et des décisions différentes ; les dirigeants doivent donc examiner les raisons sous-jacentes.

Cela modifie la question de la maturité. Les dirigeants doivent être capables d’identifier quelles charges de travail restent en place à la suite d’une décision de conception active, lesquelles restent parce que leur déplacement créerait un risque inacceptable, et lesquelles attendent la résolution de travaux techniques non finalisés. Ces réponses montrent si l’architecture est activement pilotée et où une intervention est nécessaire.

Les frictions de migration font de la ligne d’arrivée une mesure peu pertinente

Five9 fait état d’obstacles à la migration liés à la sécurité, à l’intégration, aux données, à la fiabilité, à la conformité, aux coûts, aux compétences et à l’expérience client. Seules 4 % des organisations déclarent ne rencontrer aucun défi de migration. L’ampleur de ces obstacles rend difficile de déduire qu’un service client hybride généralisé reflète une préférence commune pour une architecture hybride de long terme.

Pour les DSI, l’ampleur de ces frictions compte. L’intégration avec l’infrastructure IT existante se situe presque au même niveau que la sécurité et la confidentialité, tandis que la migration des données et la fiabilité suivent de près. La migration réunit technologie, contrôles et opérations en contact avec le client dans un même programme de transformation. Les obstacles signalés montrent pourquoi l’avancement de la migration donne une vision incomplète de la qualité d’exécution.

La perturbation de l’expérience client crée une contrainte opérationnelle directe. Une activité de centre de contact doit préserver le service pendant que l’infrastructure évolue en arrière-plan. La fiabilité, la sécurité des données et la conformité réglementaire peuvent affecter à la fois la valeur et le risque de la transition. La qualité de la migration mérite donc un examen distinct de sa vitesse.

Five9 présente ses conclusions comme suggérant que la flexibilité devient une composante de la stratégie. Five9 tire un bénéfice commercial de la poursuite des investissements dans les technologies de centre de contact ; les dirigeants doivent donc considérer cette interprétation comme un cadrage fournisseur plutôt que comme une motivation établie pour chaque répondant. Les données sur la migration étayent une conclusion plus étroite : les environnements hybrides sont courants, et les obstacles concrets à la migration le sont aussi.

L’exécution dans l’incertitude est un signal de maturité plus fort

Five9 fait état de déploiements de l’IA dans plusieurs cas d’usage opérationnels. Les principales applications correspondent à des processus métier identifiables, comme répondre aux demandes, examiner les interactions, analyser les conversations, surveiller la conformité et assister les agents. Ce schéma donne aux dirigeants des workflows concrets dans lesquels évaluer les résultats, les contrôles et le coût de l’échec.

L’assurance qualité illustre cette logique de gestion. Une organisation dispose déjà d’interactions à inspecter, de processus de revue à améliorer et de pratiques humaines par rapport auxquelles le travail assisté par l’IA peut être évalué. L’assistance aux agents insère de la même manière l’IA dans un workflow collaborateur existant. Dans les deux cas, le management peut se demander si l’intervention améliore les opérations et si ses résultats restent fiables.

La rédaction de contenus de connaissance, l’analyse des parcours et la personnalisation affichent des niveaux de déploiement plus faibles dans les chiffres de Five9. Five9 attribue la plus grande difficulté de ces applications à des exigences plus riches en données clients, à une gouvernance plus forte et à une plus grande confiance dans les décisions générées par l’IA. Les chiffres de déploiement établissent l’écart d’adoption observé ; l’explication de Five9 reste une interprétation fournisseur.

Cela soutient un modèle de maturité fondé sur un déploiement sélectif. Les cas d’usage ont des exigences de données, des coûts potentiels d’échec et des besoins de contrôle différents. Les dirigeants peuvent évaluer où l’automatisation est suffisamment fiable pour être utilisée, où une revue humaine est nécessaire et où des contrôles supplémentaires sont requis avant toute extension. Chaque déploiement doit être relié à un résultat opérationnel et à un niveau de risque acceptable.

Five9 fait également état d’évolutions dans le travail des agents. Au total, 45 % des répondants disent que l’IA fournit un meilleur support à la décision fondé sur les données, tandis que 44 % disent qu’elle aide les agents à gérer les exceptions et les arbitrages. Five9 indique que l’IA prend de plus en plus en charge les activités routinières, notamment la documentation des interactions, la récupération de connaissances, la traduction des conversations, la synthèse des interactions et le traitement des demandes en self-service. Cela déplace la question de gestion vers la manière dont l’attention humaine est allouée à mesure que le logiciel exécute davantage de tâches répétables.

Parmi les répondants américains, Five9 indique que 45 % citent l’amélioration de l’efficacité et de la productivité comme principal bénéfice de l’IA, tandis que 42 % font état d’une amélioration de la prise de décision et 42 % disent que l’IA a amélioré la perception que les clients ont de leur organisation. Ces mesures couvrent la performance opérationnelle, le jugement et la réaction des clients. Elles donnent aux dirigeants plusieurs résultats sur lesquels évaluer le déploiement.

La diversité architecturale peut coexister avec ce schéma de déploiement. Les organisations peuvent introduire l’IA dans des workflows individuels pendant que les migrations cloud se poursuivent et que les choix de plateforme restent ouverts. Five9 fait également état d’un intérêt pour des environnements permettant aux organisations d’utiliser différents modèles pour différentes tâches. Une telle conception peut faciliter l’évolution technologique à mesure que les performances des modèles et les exigences métier évoluent, même si les données publiées n’établissent pas pourquoi les organisations ont adopté des architectures diverses.

La capacité utile est le changement maîtrisé. Une entreprise peut tester si un nouveau modèle améliore une charge de travail spécifique, déterminer quelles données il nécessite, évaluer ses exigences en matière de sécurité et de conformité, et calculer le coût de son introduction ou de son remplacement. Les dirigeants peuvent alors examiner l’optionalité en termes pratiques : quel composant peut changer, quel est le coût du changement, quels risques il crée et quels contrôles doivent être répétés. L’architecture devient un ensemble de décisions que le management peut examiner.

Un ROI positif est un signal de maturité

Les retours financiers rendent le sujet plus net. Pour chaque cas d’usage de l’IA mesuré, environ neuf répondants sur dix déclarent un ROI positif, selon Five9. Dans le même temps, seuls 4 % disent n’avoir rencontré aucun défi significatif de mise en œuvre de l’IA. L’intérêt commercial de Five9 dans les technologies de centre de contact activées par l’IA est pertinent lorsqu’on évalue sa présentation de ces retours.

Le profil des défis montre pourquoi le ROI n’est qu’une mesure parmi d’autres. Five9 indique que la sécurité des données est la principale préoccupation liée à la mise en œuvre de l’IA, à 31 %. La fiabilité, la scalabilité et le consentement client préoccupent chacun 27 % des répondants, tandis que l’éthique, la conformité réglementaire, l’infrastructure, l’expertise en IA, les contraintes budgétaires et l’inconfort des clients dépassent tous 20 %. Les retours déclarés et les préoccupations de mise en œuvre coexistent dans les conclusions de l’enquête.

Pour un PDG ou un DSI, des retours positifs établissent un argument en faveur de l’examen d’un cas d’usage pour déterminer s’il mérite d’être étendu. Le passage à l’échelle exige toujours des preuves distinctes sur la fiabilité, le consentement client, la sécurité, l’infrastructure et la conformité. Les dirigeants doivent aussi savoir avec quelle facilité les modèles et composants critiques peuvent évoluer à mesure que les exigences changent. Un programme mature rend visibles ces coûts, ces contrôles et ces dépendances avant que l’extension ne crée des engagements plus difficiles à inverser.

Attendre que chaque choix architectural soit stabilisé peut avoir un coût d’opportunité. Five9 fait état de retours positifs sur les usages actuels de l’IA alors même que les répondants continuent de signaler des difficultés de migration et de mise en œuvre. Le problème pour les dirigeants est celui de l’allocation continue : décider quels gains justifient un déploiement immédiat, quels risques exigent davantage de contrôle et quels engagements technologiques rendraient les changements futurs trop coûteux. Ces décisions peuvent être réexaminées à mesure que les preuves, les modèles et les exigences métier évoluent.

Points clés

• Piloter l’architecture pour le changement : les organisations CX convergent vers l’adoption de l’IA tout en restant réparties entre environnements end-to-end, hybrides et best-of-breed. Les DSI peuvent évaluer l’architecture à l’aune du coût, du risque et de l’effort nécessaires pour changer de modèles, de fournisseurs ou de composants.
• Diagnostiquer pourquoi les systèmes hybrides persistent : alors que 74 % des environnements de service client restent hybrides, la migration cloud seule fournit une mesure incomplète de la maturité. Les responsables technologiques peuvent distinguer les choix architecturaux délibérés des contraintes de risque et des travaux de migration non résolus.
• Mesurer la qualité de la migration : sécurité, intégration, migration des données, fiabilité, conformité et perturbation client créent toutes des frictions significatives dans la migration. Les DSI peuvent évaluer si les changements d’infrastructure préservent le service et les contrôles tout en suivant l’avancement de la migration.
• Déployer l’IA de manière sélective : la maturité en IA dépend de la mise en production de cas d’usage adaptés, avec des résultats mesurables et des contrôles appropriés. Les responsables CX peuvent faire correspondre chaque workflow à ses besoins en données, à ses coûts d’échec, à la supervision humaine requise et au niveau de risque acceptable.
• Tester le ROI en parallèle du risque opérationnel : environ neuf répondants sur dix déclarent un ROI positif sur les cas d’usage de l’IA mesurés, alors que les défis de mise en œuvre restent répandus. Les PDG et les DSI peuvent utiliser les retours pour identifier les candidats à l’extension, puis tester la sécurité, la fiabilité, la conformité, le consentement client et les dépendances technologiques avant le passage à l’échelle.