Les clients veulent un meilleur service, pas davantage d’IA

L’IA doit améliorer l’expérience client

Les clients accordent de l’importance au résultat d’une interaction avec le service client. Ils souhaitent obtenir une réponse plus rapide, fournir moins d’efforts et bénéficier d’une résolution complète. L’IA apporte de la valeur lorsqu’elle permet d’atteindre ces résultats.

Chad Anderson, responsable du service client et de l’assistance routière chez Mercedes-Benz USA, a clairement exposé la question : « Les clients ne réclament pas l’IA, ils réclament de meilleures expériences. » Cette distinction devrait orienter les décisions d’investissement. Un système d’IA qui réduit les coûts d’exploitation tout en compliquant le parcours client peut engendrer un problème commercial plus grave en affaiblissant la confiance et la fidélité des clients.

Une automatisation mal conçue renvoie souvent la charge de travail vers le client. Les utilisateurs fournissent des informations à un système d’IA, ne parviennent pas à résoudre le problème, sont mis en relation avec un agent humain, puis doivent répéter les mêmes informations. L’entreprise a peut-être automatisé une partie de l’interaction, mais cela a allongé le parcours global. Pour les dirigeants, l’effort global fourni par le client constitue donc une contrainte de conception plus utile que le pourcentage de contacts traités par l’IA.

Mercedes-Benz USA applique trois critères à ses initiatives en matière d’IA : faire gagner du temps au client, lui épargner des efforts et dépasser ses attentes. M. Anderson a déclaré que les déploiements qui ne satisfont pas à ces critères ne sont pas mis en œuvre. Ce cadre relie les investissements en IA à la valeur apportée au client et protège une marque dont les relations reposent largement sur la confiance.

Michael Darwal, directeur de l’IA et du numérique chez ibex, a soulevé un problème connexe. Il a cité une étude du MIT qui a révélé que la majorité des déploiements d’IA échouent ou n’atteignent pas les résultats escomptés. M. Darwal a attribué ces échecs à une conception insuffisante du parcours client. Les entreprises ont souvent recours à la « déviation », c’est-à-dire à une automatisation qui empêche une interaction client d’aboutir à un agent humain, sans chercher au préalable à comprendre ce qu’il en résulte pour le client.

Cela modifie la problématique stratégique. L’objectif pertinent est de parvenir à une résolution efficace tout en minimisant l’effort requis de la part du client. Les économies de coûts doivent découler d’une meilleure conception des processus plutôt que de constituer le seul objectif de cette conception.

Considérez l’IA et le service humain comme un seul et même système d’exploitation

L’IA n’a pas besoin de mener à bien l’intégralité d’une interaction avec le client pour créer une valeur mesurable. Michael Darwal, directeur de l’IA et du numérique chez ibex, décrit l’automatisation du service client comme un spectre. Différentes parties d’une même interaction peuvent être confiées à l’IA ou à des agents humains en fonction de leur complexité.

Cette distinction est importante. De nombreux appels de service commencent par des tâches prévisibles : vérifier l’identité, recueillir les informations relatives au compte, déterminer la raison de la prise de contact et acheminer la demande. L’IA peut effectuer ces étapes avant qu’un humain n’intervienne. L’agent peut alors entamer la conversation en disposant d’emblée du contexte du client.

M. Darwal a déclaré que l’automatisation de ces tâches initiales pouvait réduire le temps de traitement par les agents humains de 30 % ou plus. Il s’agit là d’un levier opérationnel significatif. Cela permet d’augmenter la capacité des agents sans pour autant que l’IA doive résoudre chaque problème client de manière autonome. Cela permet également de décharger les agents des tâches répétitives.

Le déploiement d’ibex pour Philippines Airlines en est un exemple concret. L’entreprise a mis en place des agents IA en six semaines et a pris en charge trois langues, dont le tagalog et le taglish. Le système a traité des demandes fréquentes et relativement simples, telles que les changements de siège et les modifications de vol. Les interactions gérées par l’IA ont obtenu un score de satisfaction client de 4,7 sur 5, contre 4,3 sur 5 pour les interactions classiques avec des agents humains.

Ces résultats plaident en faveur d’une stratégie d’automatisation plus précise. Les tâches répétitives et prévisibles constituent un excellent point de départ, car les actions requises et les résultats attendus sont plus faciles à définir. Les cas plus complexes ou plus délicats peuvent être confiés à des agents humains, qui s’appuieront sur le contexte recueilli par l’IA.

La principale contrainte technique réside dans le transfert. L’authentification, l’intention du client, les informations déjà fournies et les actions déjà entreprises doivent être transférées au cours de l’interaction. Sans cette continuité, les clients doivent se répéter et une grande partie de l’efficacité est perdue.

Les dirigeants devraient donc évaluer l’IA au niveau des processus de travail. Une résolution entièrement assurée par l’IA est l’un des résultats possibles, mais elle ne doit pas devenir le critère par défaut de réussite. Le temps de traitement, l’effort demandé au client, la qualité de la résolution, la satisfaction et la qualité des transferts de l’IA vers un intervenant humain offrent une vision plus large des performances de l’entreprise. L’objectif est de mettre en œuvre l’automatisation là où elle permet d’obtenir un meilleur résultat pour le client, tout en rendant plus productive l’expertise humaine, qui est une ressource rare.

L’IA rend le travail humain restant plus complexe

À mesure que l’IA prend en charge les demandes routinières, les agents humains se voient confier un nombre croissant de cas complexes. Cela modifie la rentabilité et l’organisation du centre de contact. La formation, les technologies d’assistance aux agents, les modèles de dotation en personnel et les indicateurs de performance doivent évoluer en fonction de la charge de travail.

Chad Anderson, responsable du service client et de l’assistance routière chez Mercedes-Benz USA, s’attend à ce que les postes en contact direct avec la clientèle évoluent à mesure que l’IA agentique prendra en charge davantage de tâches routinières. « Nous devons veiller à former nos collaborateurs afin qu’ils puissent s’y préparer et renforcer leurs compétences, car de nombreux postes ne sont pas nécessairement supprimés, mais ils évoluent à mesure que l’IA est de plus en plus mise en œuvre », a-t-il déclaré.

La contrainte sous-jacente réside dans les capacités des agents. Les interactions complexes peuvent impliquer des informations incomplètes, des demandes inhabituelles, des clients mécontents et des décisions nécessitant un certain discernement. Lorsque ces situations occupent une part croissante de la journée d’un agent, la formation classique, conçue autour de processus de service standardisés, perd de son efficacité. Les entreprises ont besoin d’une connaissance plus approfondie des produits, de compétences accrues en matière de résolution de problèmes et de procédures d’escalade claires.

ibex utilise l’IA pour aider ses conseillers lors de ces conversations plus délicates. Michael Darwal, directeur de l’IA et du numérique chez ibex, a déclaré que son équipe avait développé des outils de bureau capables d’écouter les appels en temps réel. Le logiciel identifie les réponses possibles et propose des suggestions avant même que le client n’ait fini de parler. Cela permet de réduire le temps que les conseillers passent à effectuer manuellement des recherches dans les bases de connaissances pendant que le client attend.

« L’objectif est de pouvoir utiliser cette technologie pour faciliter le travail de l’agent, même lors d’interactions plus complexes », a déclaré M. Darwal. Il s’agit là d’une deuxième application importante de l’IA dans le service client. L’automatisation permet de supprimer les interactions routinières de la file d’attente. L’assistance par IA peut également améliorer le traitement humain des dossiers restants.

Ce changement a des implications pour la gestion de la performance. Genelle Chamberlain, responsable informatique chez PrimeSource, a averti que les indicateurs clés de performance (KPI) établis pour les centres de contact risquaient de devenir moins représentatifs à mesure que la complexité des dossiers augmentait. Le temps moyen de traitement en est un exemple évident. Un agent chargé de traiter des cas exceptionnels difficiles peut avoir besoin de plus de temps pour parvenir au résultat escompté. Le taux de résolution dès le premier appel peut également évoluer lorsque les dossiers restants nécessitent davantage d’investigation, de coordination ou l’intervention d’un spécialiste.

Le moral des agents mérite une attention similaire. Les employés habitués à traiter à la fois des demandes simples et complexes peuvent finir par consacrer la majeure partie de leur temps à des dossiers exigeants. Cela crée un environnement de travail différent. Les dirigeants devraient suivre la complexité de la charge de travail, la qualité des résultats, l’expérience des employés et leur fidélisation, parallèlement aux indicateurs de productivité classiques.

La priorité de la direction est claire : repenser le rôle de l’humain parallèlement à la mise en place d’un flux de travail automatisé. Les entreprises qui automatisent les tâches routinières sans adapter la formation, les outils et les indicateurs clés de performance risquent de créer un environnement de travail plus difficile pour les personnes chargées de résoudre les problèmes les plus complexes de leurs clients.

La gouvernance détermine si l’IA peut évoluer en toute sécurité

Un déploiement rapide de l’IA nécessite une préparation rigoureuse. Il est indispensable de bien comprendre le parcours client avant de lancer l’automatisation. L’accès aux données doit faire l’objet de contrôles explicites. Le comportement de l’IA doit faire l’objet d’une surveillance continue. Les exigences réglementaires et celles liées à l’image de marque doivent être intégrées dès le départ dans les décisions de déploiement.

Mercedes-Benz USA illustre les exigences en matière de gouvernance d’une grande entreprise internationale. Chad Anderson, responsable du service client et de l’assistance routière chez Mercedes-Benz USA, a expliqué que l’héritage de la marque, vieux d’environ 140 ans, justifiait une mise en œuvre mûrement réfléchie. Les différences entre les cadres réglementaires aux États-Unis et en Europe ajoutent à la complexité, tandis que les attentes des clients varient également d’un marché à l’autre.

« Nous devons faire preuve d’une grande prudence et ne pas nous précipiter pour agir simplement parce qu’il s’agit de la prochaine grande tendance, mais plutôt réfléchir de manière réfléchie à la manière dont cela peut contribuer à renforcer encore davantage l’héritage de notre marque », a déclaré M. Anderson.

Pour les dirigeants de haut niveau, la gouvernance va donc au-delà de la simple conformité. Les erreurs générées par l’IA, les accès inappropriés aux données, les mauvaises expériences client et les décisions de déploiement incohérentes peuvent exposer l’entreprise à des risques opérationnels et nuire à sa réputation. Les contrôles doivent être clairement attribués à des responsables et rester en place une fois que le système est mis en production.

Genelle Chamberlain, responsable informatique chez PrimeSource, a décrit ce défi à la lumière de l’expérience de l’entreprise avec Microsoft Copilot. « Nous avons notamment constaté qu’avec Copilot, le système continuait à puiser dans [des sources externes] ; même si nous avions mis en place ces mesures de protection et défini ces limites, il essayait toujours d’accéder à des sources extérieures », a-t-elle déclaré.

Cette expérience met en évidence une limite pratique des contrôles statiques. La définition des limites constitue une première mesure de gouvernance. Les équipes doivent ensuite vérifier si ces limites fonctionnent en conditions réelles d’utilisation, surveiller tout comportement inattendu et adapter les règles d’accès à mesure que les systèmes et les environnements de données évoluent.

PrimeSource a mis en place un comité interfonctionnel dédié à l’IA, composé de représentants des services chargés des données, de la logistique, du service client et du marketing. Cette structure permet aux décisions relatives à l’IA de s’appuyer sur les contributions des différents services opérationnels, qui maîtrisent les données pertinentes, les flux de travail, les implications pour les clients et les risques opérationnels. Elle permet également d’éviter une adoption fragmentée, dans laquelle chaque service mettrait en place de manière indépendante des pratiques incompatibles entre elles.

Michael Darwal, directeur de l’IA et du numérique chez ibex, établit un lien entre la gouvernance et la rapidité de déploiement. Son équipe consacre d’importants efforts à la cartographie du parcours client avant de mettre en place l’automatisation. Il a déclaré que cette préparation avait permis à ibex de déployer des agents IA pour Philippines Airlines en six semaines, dans trois langues, tandis que ses concurrents passaient des mois à se débattre avec des « hallucinations ». En IA générative, le terme « hallucination » désigne la production par le système d’informations qui semblent plausibles mais qui sont incorrectes ou non étayées.

« L’objectif est de pouvoir agir à la fois de manière réfléchie et rapide », a déclaré M. Darwal. « N’importe qui peut faire quelque chose de mal très vite, mais l’objectif est de pouvoir le faire correctement une seule fois et d’obtenir le meilleur résultat possible. »

La leçon à retenir est que la préparation et la rapidité peuvent se renforcer mutuellement. Des parcours clients clairs, des limites de données bien définies, des procédures de test, un examen réglementaire et la désignation de responsables permettent de réduire le nombre de problèmes qui apparaissent à un stade avancé du déploiement. La gouvernance fonctionne au mieux lorsqu’elle fait partie intégrante de la conception du système et des pratiques opérationnelles dès le début.

L’initiation à l’IA doit commencer par des cas d’utilisation concrets et adaptés à chaque poste

. La réussite de la mise en œuvre de l’IA dépend de la capacité des collaborateurs à utiliser efficacement cette technologie dans leur travail quotidien. Le simple fait d’y avoir accès ne suffit pas à développer cette capacité. Les collaborateurs ont besoin d’exemples concrets liés à des tâches qu’ils maîtrisent déjà, accompagnés d’une formation qui renforce leur confiance grâce à une utilisation répétée.

Chad Anderson, responsable du service client et de l’assistance routière chez Mercedes-Benz USA, a déclaré que l’entreprise organisait chaque semaine des rencontres consacrées à l’IA. Les collaborateurs y partagent la manière dont ils utilisent l’IA dans le cadre de leurs fonctions et discutent des avancées dans l’ensemble du secteur. Cela offre aux collaborateurs un cadre régulier leur permettant d’apprendre à partir d’exemples concrets et de voir comment leurs collègues mettent en œuvre cette technologie.

M. Anderson considère que la précision est essentielle. « À moins d’être un véritable passionné de technologie ou simplement très intéressé et curieux, vous n’allez pas vous lancer de votre propre initiative dans l’IA », a-t-il déclaré. « Les dirigeants doivent se concentrer sur des cas d’utilisation concrets permettant à leurs collaborateurs d’exploiter l’IA, plutôt que de se contenter de dire : “Voilà l’IA, utilisez-la.” »

La contrainte réside dans la compréhension pratique. Les collaborateurs doivent savoir quelles tâches l’IA peut améliorer, quelles informations ils peuvent fournir en toute sécurité, comment rédiger des instructions efficaces et à quel moment les résultats générés doivent être vérifiés. La formation doit donc refléter le travail concret de chaque fonction. Les équipes du service client, les responsables marketing, les analystes et les collaborateurs des opérations sont confrontés à des flux de travail, des risques liés aux données et des exigences de qualité différents.

Genelle Chamberlain, responsable informatique chez PrimeSource, a décrit un modèle similaire. Le comité interfonctionnel dédié à l’IA de PrimeSource organise des formations basées sur des scénarios réels de travail et adapte ces scénarios aux différents postes. Certaines applications sont délibérément simples. Un collaborateur peut, par exemple, utiliser l’IA pour modifier le ton d’un e-mail. Ces petites tâches bien définies permettent aux collaborateurs d’acquérir clairement des compétences utiles.

« Beaucoup d’entre eux ont même peur de se lancer dans l’IA, comme s’ils ne savaient tout simplement pas par où commencer », a déclaré M. Chamberlain. Une formation structurée permet de surmonter cet obstacle en proposant un point de départ précis et des attentes claires quant à une utilisation appropriée.

Pour les dirigeants, la maîtrise de l’IA revêt également une fonction de gouvernance. Les collaborateurs qui comprennent les cas d’utilisation approuvés, les limites en matière de données, les exigences de vérification et les procédures d’escalade sont mieux à même d’utiliser l’IA dans le respect de la politique de l’entreprise. La formation et la gouvernance doivent donc évoluer de concert. À mesure que les outils acquièrent de nouvelles capacités, tant les cas d’utilisation approuvés que les compétences requises des collaborateurs évolueront.

Les dirigeants doivent évaluer l’adoption de ces solutions à l’aune des résultats opérationnels. Parmi les indicateurs utiles, on peut citer le gain de temps réalisé sur des flux de travail spécifiques, les améliorations en matière de qualité, l’utilisation par les collaborateurs dans le cadre des processus approuvés et la réduction des tâches répétitives. Ces indicateurs permettent d’établir un lien entre l’investissement dans la formation et les performances opérationnelles.

La priorité consiste à faire de la maîtrise de l’IA une compétence organisationnelle. Un apprentissage régulier entre pairs, des formations adaptées aux différents postes, des règles d’utilisation claires et des exemples concrets offrent aux collaborateurs un parcours structuré, allant de l’expérimentation de base à une utilisation productive. Cela permet de créer une base plus solide pour le déploiement de l’IA à l’échelle de l’entreprise.

Faits marquants

• Donnez la priorité aux résultats pour le client : déployez l’IA là où elle réduit l’effort demandé au client, fait gagner du temps et améliore la résolution des problèmes. Considérez les économies de coûts comme faisant partie de l’analyse de rentabilité, sans pour autant qu’elles ne compromettent la confiance ou la qualité du service.
• Concevez conjointement l’IA et le service humain : automatisez les étapes prévisibles telles que l’authentification, la collecte d’informations et l’acheminement, puis fournissez aux agents le contexte complet. Selon ibex, ce modèle permet de réduire de 30 % ou plus le temps de traitement par les agents humains.
• Préparez les agents à faire face à une charge de travail plus intense : à mesure que l’IA prend en charge les demandes routinières, les agents traiteront une part plus importante de dossiers complexes. Investissez dans des formations avancées, dans une assistance par IA en temps réel et dans des indicateurs clés de performance (KPI) tenant compte de la complexité croissante des dossiers.
• Intégrez une gouvernance dès le déploiement : définissez les parcours clients, les limites relatives aux données, les exigences réglementaires, les tests et la responsabilité avant de déployer l’IA à grande échelle. Une gouvernance interfonctionnelle et une surveillance continue permettent de réduire les risques opérationnels et de réputation tout en favorisant une exécution plus rapide.
• Adaptez la formation à l’IA à chaque poste : proposez aux collaborateurs des cas d’utilisation concrets en lien avec leur travail quotidien, étayés par des données claires et des règles de vérification. Évaluez l’adoption de ces outils à l’aune de l’amélioration des processus, de la qualité et du gain de temps, plutôt que sur la seule base de leur utilisation.