Quelles décisions confier à l’IA dans les centres de contact

Les feuilles de route IA ont besoin d’une gouvernance opérationnelle

Un centre de contact peut disposer d’une feuille de route IA actualisée alors que ses agents humains cherchent encore les informations nécessaires pour finaliser une interaction prise en charge par l’IA. Pour les dirigeants qui décident jusqu’où étendre le déploiement, cette recherche révèle un problème de préparation. Lancer l’IA exige des capacités de déploiement ; l’exploiter dans un service client en conditions réelles exige aussi des contrôles sur son comportement, une continuité lorsque la responsabilité change de main et une visibilité sur les résultats.

Ces contrôles deviennent particulièrement importants avec l’IA agentique : des systèmes qui prennent des décisions et exécutent des tâches de service client dans des limites définies. Lorsque des agents humains et des agents IA se partagent ce travail, la gouvernance doit couvrir les décisions autonomes et les transferts entre eux. Une couche de gouvernance de l’IA regroupe les règles, les limites comportementales, les conditions d’escalade et les informations d’interaction nécessaires pour gérer cette responsabilité partagée.

Une étude de CMSWire INSIGHTS et SuccessKPI met en évidence un écart entre l’adoption de l’IA et l’infrastructure nécessaire pour la gouverner. SuccessKPI a un intérêt commercial dans l’adoption des capacités d’IA et d’analytics examinées dans l’étude. L’ampleur des investissements augmente les enjeux : Gartner prévoit que les dépenses mondiales consacrées aux systèmes d’IA dépasseront 2,5 billions de dollars d’ici la fin 2026. Cette prévision couvre l’ensemble des secteurs, tandis que le benchmark conjoint examine la stratégie des centres de contact, les données, l’analytics et la diffusion de l’information.

Le benchmark distingue la planification du support opérationnel

Les conclusions sur les centres de contact donnent aux dirigeants une base pour évaluer séparément la planification et le support opérationnel. CMSWire INSIGHTS, la branche recherche de CMSWire, s’est associé à SuccessKPI pour une enquête et un indice de maturité couvrant les personnes, les processus et la technologie. L’étude se concentre sur la préparation à l’IA et l’expérience des agents afin d’aider les organisations à définir leurs priorités de transformation et à comparer leur position à celle de leurs pairs du secteur.

La planification constituait un point relativement fort parmi les répondants : 34,25 % ont déclaré disposer de feuilles de route de transformation IA entièrement intégrées et actualisées, tandis que 43 % ont indiqué avoir des feuilles de route IA formelles couvrant la plupart des domaines. Dans l’évaluation plus large, la Stratégie, qui inclut la gouvernance, figurait parmi les piliers les plus solides, soutenue par des feuilles de route et une responsabilité claire pour la transformation numérique. L’intelligence en temps réel et le pilier couvrant l’IA, l’analytics et la gestion de la qualité étaient moins avancés.

Parce que la Stratégie inclut la gouvernance, sa forte performance doit être interprétée avec prudence. La gouvernance stratégique fixe les intentions, les responsabilités et les priorités, tandis que la gouvernance opérationnelle applique ces choix au moyen de limites de décision, de relais fiables et d’une supervision continue. Le travail diffère, si bien qu’une organisation peut être bien préparée sur le plan stratégique tout en développant encore les contrôles nécessaires pendant les interactions client.

Les conclusions du benchmark sur les données montrent un obstacle à la mise en pratique de ces contrôles : 53 % des répondants ont déclaré que leurs données manquaient d’organisation ou de centralisation suffisantes pour un usage optimal de l’IA. Les agents IA ont besoin d’informations client exploitables pour accomplir le travail qui leur est confié, et les agents humains en ont besoin lorsqu’ils prennent le relais. À mesure que les organisations étendent les responsabilités de l’IA, des informations fragmentées peuvent donc affecter à la fois le service automatisé et sa poursuite par une personne.

La supervision se heurte à un problème connexe lorsque les informations sur l’activité et les résultats restent déconnectées. Le benchmark conjoint a révélé que 52,25 % des répondants avaient une intégration limitée ou inexistante du reporting et de l’analytics. Cela limite la capacité des dirigeants à relier une action de l’IA ou un transfert client à son résultat, ce qui rend plus difficile de juger si les autorisations de l’agent restent appropriées.

L’information doit aussi arriver alors que quelqu’un peut encore l’utiliser pour prendre une décision de service. Le benchmark conjoint a montré que dans 40,75 % des organisations répondantes, les décisions fondées sur les insights pendant les interactions en direct ne se produisaient qu’occasionnellement, voire jamais. Les rapports produits après coup servent un autre objectif : un humain qui reçoit une escalade a besoin immédiatement du contexte de l’interaction précédente pour continuer à aider le client.

Ces contraintes opérationnelles coexistent avec une large adoption de l’IA : seuls 1 % des répondants au benchmark ont sélectionné « No AI » pour leur centre de contact, tandis que 4 sur 10 avaient déployé des projets pilotes IA limités. L’étude conjointe décrit également l’expansion continue de l’IA agentique, y compris des capacités ajoutées sans analytics adéquate ni données propres. Un projet pilote établit un déploiement circonscrit, mais sa seule présence en dit peu sur l’autorité de décision déléguée ou sur la fiabilité des processus de support. Les décisions d’extension ont donc besoin de preuves issues de ces processus.

Définir ce que l’IA peut décider avant qu’elle ne serve les clients

La première preuve dont les dirigeants ont besoin est une description claire des décisions confiées à l’IA. Avant le début des interactions client, ils doivent sélectionner le travail que l’IA agentique exécutera, préciser comment les appels doivent être traités et déterminer à quel moment la responsabilité passe à un humain. La feuille de route de transformation guide ces choix ; des règles écrites pour chaque cas d’usage transforment cette orientation en consignes opérationnelles.

Pour rendre ces consignes exploitables, les dirigeants doivent documenter trois niveaux d’autorité : les décisions que l’IA peut exécuter de manière indépendante, les décisions nécessitant une revue humaine et les actions interdites. Ce modèle à trois niveaux est une recommandation opérationnelle tirée des enseignements du benchmark. Chaque cas d’usage a besoin de ses propres limites, car attribuer une tâche revient aussi à déléguer les décisions nécessaires pour l’accomplir.

Dans ces limites, la revue humaine a besoin d’un déclencheur défini et d’un transfert clair de responsabilité. L’agent IA doit atteindre un point spécifié auquel son rôle indépendant prend fin et où une personne devient responsable de la décision suivante. Les responsables des opérations et du risque doivent examiner ces conditions avant le lancement afin qu’elles reflètent les exigences de service et le niveau de risque acceptable. Sinon, l’escalade dépend d’un comportement que l’organisation a laissé non spécifié.

Des autorisations explicites donnent aussi aux directeurs financiers, aux responsables du risque et aux équipes opérationnelles une base commune pour comprendre l’activité de l’IA. Ces parties prenantes doivent savoir ce que les agents peuvent faire et quand l’intervention humaine devient nécessaire, car des autorisations cohérentes contribuent à rendre le comportement prévisible. Pourtant, une règle imposant une escalade ne peut pas garantir que la personne qui la reçoit dispose de l’interaction précédente du client. Les dirigeants doivent aussi définir quelles informations sont transférées avec la responsabilité.

Les relais humains ont besoin d’un contexte exploitable

Lorsque la responsabilité change de main sans les données d’interaction pertinentes, l’agent humain doit reconstituer le service déjà fourni. Le client peut devoir répéter des informations, ce qui ralentit la résolution et gaspille le travail accompli pendant l’interaction avec l’IA. Un relais gouverné a donc besoin à la fois d’une condition d’escalade et des informations nécessaires pour que la personne suivante puisse agir.

Le benchmark décrit la conséquence pratique d’une faible diffusion de l’information : les agents humains effectuent des recherches manuelles dans les différents systèmes. Ces systèmes peuvent déjà être connectés, tout en restant statiques du point de vue de l’agent parce qu’ils ne fournissent pas ce dont l’interaction en direct a besoin. Sans diffusion des connaissances entièrement intégrée et pilotée par l’IA, la personne doit trouver et assembler les informations. C’est pourquoi cette recherche peut persister même après qu’une organisation a actualisé sa feuille de route IA.

L’intelligence en temps réel comble cet écart en fournissant des informations qui se mettent à jour avec l’interaction client, sans obliger l’agent humain à effectuer une recherche manuelle. Lors d’une escalade, elle donne à la personne qui prend le relais un accès immédiat au contexte précédent. L’agent peut alors reprendre à partir du travail déjà accompli, réduisant le besoin de reconstituer l’interaction.

Une diffusion fiable commence par la préparation des informations sous-jacentes avant que l’IA ne prenne en charge davantage de travail. Les informations client doivent être organisées et connectées, avec des données d’interaction centralisées avant que des responsabilités supplémentaires ne soient attribuées aux agents IA. Des données propres facilitent la circulation entre les systèmes, tandis que des données mal organisées limitent à la fois le travail de l’IA et la capacité de l’agent humain à poursuivre après un transfert.

Une fois cette base en place, les dirigeants peuvent préciser les informations requises pour chaque escalade. Avant le lancement, ils doivent définir quelles conditions déclenchent un transfert et quels détails de l’interaction client doivent l’accompagner. L’agent qui reçoit le transfert a besoin de ces détails sous une forme exploitable au moment du relais ; tester le transfert doit donc inclure la vérification de ce à quoi la personne peut réellement accéder.

L’expérience client, ou CX, l’automatisation, illustre comment cela fonctionne tout au long d’un processus de service. Un client peut commencer avec un chatbot IA en libre-service puis avoir ensuite besoin d’un agent humain. L’automatisation du libre-service gère l’échange initial, tandis que l’intelligence en temps réel fournit à la personne qui le poursuit le contexte pertinent. Relier ces fonctions aide à préserver le travail déjà accompli ; les relier au reporting rend le résultat final disponible pour examen.

Relier les résultats aux décisions de déploiement et d’autorisation

Le reporting étend la gouvernance au-delà du relais individuel en reliant les résultats du service à l’activité qui les a précédés. La gestion de la qualité, c’est-à-dire le processus d’évaluation de la performance du service, offre une autre manière d’évaluer ce travail. Les dirigeants doivent relier l’activité de l’IA aux deux afin de pouvoir évaluer les autorisations d’un agent en parallèle des conséquences de ses décisions.

Le benchmark conjoint recommande de relier l’automatisation du libre-service, l’intelligence en temps réel et le reporting post-interaction. Ces fonctions soutiennent des étapes successives du service : assistance automatisée pour le client, information en temps utile pour un humain qui intervient, puis résultats que les dirigeants peuvent examiner ensuite. Des données propres aident à relier ces étapes entre les systèmes, permettant aux résultats opérationnels d’éclairer les décisions de gouvernance.

Pour que ce retour d’information influence le déploiement, l’autorisation d’étendre l’IA doit dépendre de preuves issues de chaque cas d’usage. Les dirigeants doivent établir si les décisions indépendantes, celles nécessitant une revue et celles qui sont interdites sont explicites ; si les escalades préservent les informations dont un humain a besoin ; et si les résultats peuvent être observés et utilisés pour réviser les autorisations. Les conclusions agrégées du benchmark fournissent un contexte, tandis que les preuves opérationnelles propres à l’organisation déterminent si un déploiement particulier est prêt.

L’approbation a aussi besoin d’un processus de revue continue, car les conditions opérationnelles changent après le déploiement. Les dirigeants doivent planifier des revues de gouvernance au cours desquelles les équipes risque et opérations utilisent les données de performance pour reconsidérer les autorisations et les conditions d’escalade de chaque cas d’usage. Les variations des volumes d’interaction, des politiques et des produits peuvent modifier la performance de l’IA ; les limites fixées lors de la mise en œuvre peuvent donc nécessiter des ajustements. Ces revues doivent pouvoir modifier le niveau de responsabilité confié à un agent IA.

Points clés à retenir pour les dirigeants

• Rendre la gouvernance opérationnelle : Les feuilles de route IA des centres de contact ont besoin de limites de décision applicables, de relais humains fiables et d’une visibilité sur les résultats. Les décisions d’extension dépendent de preuves montrant que ces contrôles fonctionnent pendant les interactions client en direct.
• Évaluer la préparation par capacité : Dans le benchmark conjoint, 53 % des répondants ont signalé des données insuffisamment organisées ou centralisées, et 52,25 % ont signalé une intégration limitée ou inexistante du reporting. Les responsables des opérations doivent évaluer ces capacités pour chaque cas d’usage IA proposé.
• Définir l’autorité de décision de l’IA : Avant le lancement, les responsables des opérations et du risque doivent documenter quelles décisions l’IA peut prendre de manière indépendante, lesquelles nécessitent une revue humaine et quelles actions sont interdites. Des déclencheurs d’escalade explicites établissent le moment où la responsabilité est transférée à une personne.
• Préserver le contexte pendant les relais : Les équipes opérationnelles du service client doivent préciser les détails d’interaction qui accompagnent chaque escalade et tester si les agents qui la reçoivent peuvent y accéder immédiatement. Des données organisées et connectées aident les agents à poursuivre le service sans reconstituer l’échange précédent.
• Utiliser les résultats pour réviser les autorisations : Reliez l’activité de l’IA, les revues qualité et le reporting post-interaction afin que les équipes risque et opérations puissent évaluer les résultats. Des revues de gouvernance planifiées fournissent une base pour ajuster l’autorité de l’IA à mesure que les politiques, les produits et les volumes d’interaction évoluent.