Pourquoi les agents IA exigent un contexte client partagé

Une IA plus performante peut rendre l’expérience client plus difficile à coordonner. Les entreprises ajoutent des agents IA, la Voice AI et l’automatisation sur les canaux de messagerie, vocaux et numériques plus vite que l’architecture sous-jacente n’évolue. Gaurav Anand, responsable mondial de la Customer Interaction Suite chez Tata Communications, résume le problème ainsi : « L’orchestration est le nouveau défi de la CX à l’ère des agents IA » et ajoute : « Dans la précipitation pour déployer l’IA, les organisations ont largement greffé l’IA conversationnelle sur des systèmes legacy. » Anand indique que de nombreuses entreprises utilisent désormais des outils numériques, tandis que « très peu » disposent de plateformes réellement intégrées et déployées à l’échelle, capables de les orchestrer de manière fluide.

Davantage d’IA peut créer un problème de coordination CX plus important

L’architecture legacy est importante parce que les systèmes CX traditionnels ont été conçus autour d’un routage linéaire piloté par des personnes. L’IA modifie ce modèle opérationnel, car des systèmes autonomes, des data lakes, des applications et des collaborateurs peuvent tous participer à une même interaction client et ont besoin d’informations les uns des autres en temps réel. Ajouter de l’IA conversationnelle tout en conservant l’architecture sous-jacente revient à faire travailler chaque participant avec des systèmes aux données et aux décisions fragmentées.

Cette fragmentation devient visible lorsque des agents humains récupèrent un client depuis un système d’IA et doivent reconstituer ce qui s’est passé. Ils peuvent devoir chercher dans des outils déconnectés simplement pour découvrir ce que l’IA a déjà dit au client, ce qui augmente la charge cognitive et fait perdre un contexte utile lors du transfert. D’un canal à l’autre, cette même défaillance crée de la latence, des parcours incohérents et des interactions répétées, ce qui peut affecter la confiance envers la marque et la fidélité des clients.

La Voice AI peut reproduire le même problème structurel lorsqu’elle se place devant un ancien système de centre de contact. Le client peut d’abord être pris en charge par un agent IA, alors que le parcours continue de suivre les menus téléphoniques déterministes que la Voice AI était censée remplacer. Anand soutient que les avantages utiles de l’IA sont l’échelle, la rapidité et l’orchestration ; conserver les anciennes hypothèses de routage limite donc ce qu’un déploiement peut réellement changer.

La contrainte, c’est la coordination

Une fois que plusieurs systèmes d’IA peuvent effectuer un travail utile, accroître leurs capacités individuelles ne résout pas le problème du transfert. Anand décrit ainsi ce changement : « La complexité opérationnelle actuelle ne consiste plus à ajouter davantage d’intelligence. Il s’agit de coordonner l’intelligence existante à l’échelle de l’entreprise, afin que le client de l’entreprise ne ressente jamais les frictions de ces silos internes. » Selon lui, cela exige une couche de contexte partagée grâce à laquelle les systèmes d’IA, les applications et les personnes travaillent à partir d’une compréhension commune du client comme de l’entreprise.

Cette couche partagée fait de l’orchestration un objectif architectural plus large que l’automatisation des tâches. « L’automatisation résout des tâches individuelles, tandis que l’orchestration les relie pour produire des résultats de bout en bout », explique Anand. Il définit l’étape suivante comme une orchestration contextuelle, dans laquelle les agents IA, les applications et les personnes partagent une connaissance des clients, des processus métier et de l’intention métier au lieu d’agir à partir d’enregistrements système distincts.

Le besoin d’orchestration augmente à mesure qu’une entreprise accumule bots, agents et autres outils d’IA. Anand affirme que la complexité de gestion augmente de façon exponentielle à mesure que ces systèmes se multiplient, ce qui rend la collaboration, l’escalade et les transferts intelligents plus importants comme sources d’avantage concurrentiel. Selon lui, la conception CX devrait donc évaluer si le résultat global pour le client reste cohérent à mesure que le travail passe entre systèmes et personnes.

Un contexte partagé a besoin d’une signification partagée

Coordonner ce résultat exige plus que de déplacer des données entre applications, car chaque participant doit interpréter l’information dans le même contexte métier. Une identité client peut exister dans un système, une transaction dans un autre, une conversation ailleurs, et la politique pertinente ou l’état du parcours ailleurs encore. La couche de contexte proposée par Anand relie les identités clients, les interactions, les transactions, les politiques, les parcours et les systèmes opérationnels afin que la compréhension partagée survive aux frontières entre applications.

Le mécanisme proposé par Anand pour établir cette compréhension commence par une ontologie d’entreprise. Une ontologie est un vocabulaire partagé et un ensemble de concepts métier qui donnent aux systèmes une signification commune pour les informations qu’ils échangent. Ici, elle couvre les données clients, les produits, les politiques, les procédures opérationnelles standard (SOP), les transactions et les workflows, permettant à des plateformes autrement déconnectées de représenter l’entreprise en termes compatibles.

Cette signification commune alimente des graphes de contexte, qui relient les relations entre clients, interactions, produits, politiques, décisions et résultats à travers les silos organisationnels. Le graphe peut fournir à un agent IA les relations nécessaires pour comprendre comment des enregistrements individuels se rattachent à l’interaction en cours. Anand soutient que les systèmes d’IA et les collaborateurs peuvent alors prendre des décisions plus précises, effectuer des transferts plus fluides et offrir aux clients une expérience plus cohérente, parce que chaque participant part de la même base contextuelle.

Ces relations doivent aussi persister à mesure que le client progresse dans un parcours. Une architecture pilotée par le contexte relie en continu l’identité, les conversations, les transactions et les informations opérationnelles afin que chaque point de contact puisse hériter de l’état établi plus tôt. Lorsqu’un client passe de la voix à WhatsApp, au chat, à l’e-mail et aux workflows CRM, l’identité, l’intention et les insights dérivés de l’IA accompagnent l’interaction au lieu de rester enfermés dans l’application qui les a d’abord captés.

Cette persistance fait de la couche de contexte une dépendance opérationnelle vivante, car l’état du client peut changer pendant l’interaction elle-même. L’intention du client peut évoluer au cours d’une conversation ; un système d’IA peut parvenir à une nouvelle décision ; une transaction peut modifier le statut du client ; et une politique peut déterminer l’action suivante autorisée. L’historique de conversation, les données d’entreprise, l’intention et les décisions de l’IA doivent donc rester synchronisés à mesure que le travail passe entre canaux et systèmes.

Tata Communications utilise son Interaction Fabric comme illustration produit de cette architecture. L’entreprise décrit Interaction Fabric comme une couche d’orchestration combinant centre de contact, messagerie, collaboration, IA et données clients, tout en coordonnant en temps réel les agents IA, les canaux et les systèmes d’entreprise. Tata Communications a un intérêt commercial à ce que les entreprises adoptent ce modèle, car Interaction Fabric est son produit, et l’entreprise positionne ce produit comme une couche connective entre clients, employés et systèmes d’entreprise, tout en conservant le contexte à travers leurs interactions.

L’architecture proposée demande donc à l’intégration de fournir une interprétation commune autant qu’une connectivité technique. Les API peuvent rendre l’information accessible, tandis qu’une ontologie fournit une signification commune, que les graphes de contexte préservent les relations pertinentes et qu’une propagation continue maintient l’état courant disponible là où une personne ou un système d’IA doit prendre une décision. Ensemble, ces mécanismes visent à maintenir des participants distincts alignés sur la situation actuelle du client.

La rapidité devient alors une composante de cette même architecture CX, car un état partagé perd sa valeur opérationnelle lorsque les mises à jour arrivent trop tard. Anand appelle « gravité des données » le problème créé par des réseaux legacy incapables de gérer la fréquence moderne des données : l’état du client et les décisions de l’IA peuvent prendre du retard à mesure que les utilisateurs passent d’un canal à l’autre, produisant de la latence et des parcours incohérents. Un transfert techniquement connecté peut malgré tout produire une mauvaise expérience client lorsque le système récepteur agit avant que le contexte pertinent ne lui parvienne.

Pour Anand, une propagation en temps utile fait de l’interaction synchrone une exigence d’infrastructure. « Le réseau sous-jacent doit être conçu pour être aussi agile que les systèmes d’IA qui fonctionnent au-dessus de lui », dit-il. « Les interactions restent synchrones et la technologie elle-même devient invisible, ne laissant qu’une expérience qui semble sans effort. » Dans ce modèle, les systèmes ont besoin d’une signification commune, d’un état persistant et d’une synchronisation suffisamment rapide pour que chaque participant puisse agir sur la même situation.

L’orchestration change la place des humains dans le parcours

Une fois que l’IA et les personnes partagent cette situation, les entreprises peuvent placer le jugement humain là où l’interaction l’exige. Cette visibilité partagée commence par l’expérience agent, car les informations recueillies par une IA ou un humain dans une interaction restent disponibles dans la suivante, quel que soit le canal ou le système concerné. Cette continuité réduit le travail de reconstitution qui apparaît lorsque des agents héritent de conversations issues d’une automatisation déconnectée.

Une fois cette continuité en place, l’IA orientée agent peut fonctionner à l’intérieur du workflow commun. Les résumés d’appels automatisés donnent au collaborateur suivant l’état pertinent de la conversation, l’analyse de sentiment en temps réel met en évidence les changements dans la réponse du client, et l’assistance par IA peut faire remonter des informations exploitables et suggérer les prochaines étapes pendant que l’interaction est en cours. Ces fonctions influencent ce qu’un agent peut décider au moment du transfert, car le collaborateur reçoit un état utile au sein de l’interaction active.

La répartition du travail peut alors suivre la nature de l’interaction. L’IA peut traiter les demandes routinières et à fort volume, comme les réinitialisations de mot de passe, le suivi de livraison et les mises à jour de compte. Les agents humains peuvent se concentrer sur les situations où le jugement, l’empathie et une communication soignée influencent le résultat pour le client, l’orchestration décidant quand cette transition doit avoir lieu.

Une transaction frauduleuse rend cette frontière concrète. « Si un client fait face à une crise soudaine comme une transaction frauduleuse, l’IA peut bloquer instantanément la carte, mais elle ne peut pas apporter le réconfort émotionnel et la communication délicate nécessaires dans ce moment de panique », explique Anand. Dans son scénario, l’IA exécute l’action technique urgente, l’analyse de sentiment en temps réel identifie la détresse, et l’orchestration achemine l’interaction vers un expert humain.

Cette séquence fait de la participation humaine une partie planifiée du workflow. Anand décrit la réponse comme une « orchestration intelligente, plutôt qu’un choix entre systèmes ». L’objectif métier est de capter l’efficacité de l’IA tout en préservant le jugement et la communication qui soutiennent la confiance envers la marque et la fidélité lorsque l’interaction devient sensible.

Le problème de mise en œuvre couvre l’architecture, le réseau et l’organisation

Construire ce modèle opérationnel exige des entreprises qu’elles dépassent les expérimentations d’IA fragmentées. La première étape proposée par Anand consiste à consolider les données et les solutions ponctuelles fragmentées sur une plateforme unifiée, cloud-first, afin de réduire le nombre d’endroits distincts à partir desquels l’état du client doit être reconstitué. Les API de communication doivent ensuite se situer au sein du cœur de l’entreprise afin que les fonctions métier puissent s’appuyer sur un contexte client commun à mesure que les interactions traversent l’organisation.

Une fois l’intégration de base établie, une ontologie partagée et des graphes de contexte peuvent créer une signification commune entre les systèmes de CX, d’opérations, de ventes, de service et d’IA. L’architecture contextuelle qui en résulte donne à ces fonctions une base cohérente pour interpréter l’état du client et l’intention métier. Le réseau doit ensuite maintenir cet état synchronisé à la vitesse exigée par les interactions en temps réel.

La frontière organisationnelle découle de ces dépendances techniques, car les équipes CX conçoivent les parcours clients tandis que les équipes IT contrôlent une grande partie de l’infrastructure et de l’intégration qui les sous-tendent. « Les équipes IT et CX doivent travailler de manière plus collaborative », affirme Anand. Un parcours qui traverse l’IA, l’infrastructure de communication, les données d’entreprise, les politiques et le service humain dépend de l’alignement de ces équipes sur leurs hypothèses opérationnelles à mesure qu’elles modernisent les composants.

Cette dépendance place le travail de modernisation sur trois couches connectées : les logiciels et les données ont besoin d’une signification métier partagée, les réseaux doivent préserver une synchronisation en direct, et les équipes doivent aligner les systèmes autour du même résultat client. Chaque couche dépend des autres. Un graphe de contexte ne peut pas produire un transfert fluide en temps réel lorsque l’infrastructure introduit un décalage significatif, tandis qu’une infrastructure rapide ne peut pas réconcilier des interprétations incompatibles des données client et des données de politique.

Au-delà de l’architecture propre à chaque entreprise, Anand voit dans la consolidation parmi les fournisseurs de centres de contact un signal de marché, affirmant que les fournisseurs établis acquièrent des entreprises nativement IA pour combler des lacunes de capacités et élargir leurs offres CX. Tata Communications, qui est en concurrence commerciale sur le marché de la CX et des communications et bénéficie de la demande pour des plateformes d’orchestration plus larges, interprète cette orientation comme la preuve que les entreprises veulent de plus en plus une couche d’intelligence capable de coordonner l’IA, les personnes, les données et les workflows à l’échelle de l’entreprise.

Une CX plus autonome renforce l’exigence de coordination

Des agents plus autonomes accroissent le besoin d’un contexte commun, car les logiciels prendront et exécuteront de plus en plus de décisions sans attendre qu’une personne réconcilie des informations contradictoires. Anand s’attend à voir la CX passer d’un service réactif vers ce qu’il appelle les « trois P » : engagement proactif, prédictif et personnalisé. Ce modèle opérationnel exige une intelligence en temps réel et un contexte d’entreprise persistant pour suivre les clients, les employés et les agents IA à mesure qu’ils traversent les interactions.

Le timing des décisions CX change également avec ce modèle. Les entreprises peuvent utiliser le contexte en direct pour façonner une interaction pendant qu’elle se déroule au lieu de s’appuyer sur l’analyse d’une conversation terminée pour améliorer la suivante. Anand voit se développer ensemble une plus grande autonomie et une orchestration fluide à travers les points de contact, car l’action autonome devient plus utile lorsque chaque agent dispose d’une connaissance actuelle du parcours et des règles d’entreprise qui le régissent.

Cette orientation conduit Anand à décrire la « simplification » comme la direction déterminante : les données, l’infrastructure et les modèles opérationnels s’alignent sur les résultats clients à mesure que les capacités de l’IA se développent. Il s’attend à ce que les agents alimentés par l’IA et les interactions d’agent à agent passent d’un rôle d’assistance aux personnes à une gestion et une résolution indépendantes des interactions. Les agents humains travailleraient aux côtés de ces systèmes avec une intelligence conversationnelle en temps réel et des recommandations de next-best-action disponibles pendant les échanges avec les clients.

Anand appelle ce modèle opérationnel combiné « Total Experience », réunissant dans une même conception les expériences client, employé et pilotées par l’IA. Tata Communications indique construire vers ce modèle au moyen de Voice AI, d’AI Workers et de son Total Experience Hub. Il s’agit de produits Tata Communications ; l’entreprise a donc un intérêt commercial dans l’approche architecturale plus large qu’elle défend à travers eux.

Ce modèle proposé modifie en fin de compte le moment où l’entreprise intervient dans un parcours client. « En fin de compte, l’engagement client évoluera d’un mode réactif vers un mode prédictif et de plus en plus génératif », affirme Anand. « Les entreprises ne se contenteront pas de répondre aux besoins, mais façonneront et amélioreront activement les parcours clients en temps réel. » À mesure que les systèmes gagnent en autonomie, un contexte persistant donne à ces systèmes indépendants une vue coordonnée du client, des politiques de l’entreprise et les uns des autres pendant qu’ils agissent.

Points clés à retenir pour les dirigeants

• Faire de l’orchestration la priorité de la CX : À mesure que les agents IA, les collaborateurs, les applications et les canaux se multiplient, les systèmes fragmentés créent des transferts et des parcours clients incohérents. Les équipes CX et IT peuvent évaluer les investissements dans l’IA selon leur capacité à coordonner des résultats de bout en bout entre ces composants.
• Construire une couche de contexte partagée : Les agents IA et les employés ont besoin d’une vue commune de l’identité client, de l’intention, des interactions, des politiques et des processus métier. Les architectes d’entreprise peuvent utiliser des ontologies partagées, des graphes de contexte et un état persistant pour préserver cette compréhension à travers les systèmes et les canaux.
• Préserver le contexte en temps réel : L’état du client et les décisions de l’IA perdent leur valeur opérationnelle lorsque des retards réseau ou d’intégration laissent les systèmes récepteurs avec des informations obsolètes. Les équipes infrastructure peuvent concevoir une synchronisation en temps réel afin que le contexte suive les clients à travers la voix, la messagerie, l’e-mail, le CRM et d’autres workflows.
• Intégrer les transferts humains dans les workflows IA : L’IA peut exécuter des tâches routinières et sensibles au temps, tandis que les agents humains gèrent les interactions qui exigent du jugement, de l’empathie ou une communication soignée. Les équipes CX peuvent utiliser le contexte partagé et des signaux tels que le sentiment pour déterminer quand et comment ces transferts doivent avoir lieu.
• Moderniser ensemble l’architecture et les modèles opérationnels : Les plateformes unifiées, les API de communication, la sémantique métier partagée, les réseaux réactifs et une coordination plus étroite entre CX et IT sont des éléments interdépendants de l’orchestration. Les responsables technologiques peuvent aligner les décisions de modernisation sur des parcours clients complets plutôt que sur des déploiements d’IA isolés.
• Se préparer à une CX plus autonome : Un engagement client proactif, prédictif et personnalisé accroît l’importance d’un contexte d’entreprise persistant à mesure que les agents IA prennent davantage de décisions de manière indépendante. Les entreprises qui construisent une CX agentique peuvent mettre en place les fondations d’orchestration et de gouvernance avant que l’autonomie ne s’étende à l’ensemble des parcours clients.