Que sont les agents conversationnels ?

La technologie d’agent conversationnel s’appuie sur le machine learning et l’intelligence artificielle pour fournir aux représentants du service client des informations pertinentes en temps réel, afin d’améliorer l’efficacité du support client en libre-service. Ces outils peuvent par exemple proposer des réponses aux questions fréquentes et guider l’utilisateur en temps réel à travers plusieurs systèmes pour trouver des réponses et des informations. Leur rôle de copilote est d’améliorer la productivité des agents humains, d’optimiser l’expérience client globale et de réduire les coûts opérationnels dans un espace de travail unique.

Si les chatbots préconfigurés peuvent être utiles pour traiter les questions fréquentes (FAQ), les agents virtuels plus complexes des centres de contact peuvent extraire des informations des données clients et suggérer des solutions possibles aux agents humains à partir du site ou de l’application de l’entreprise. Aujourd’hui, la plupart des centres d’appel ont recours à une forme ou une autre de technologie d’agent conversationnel pour répondre aux demandes des clients, simplifier les workflows et automatiser certaines fonctions du service client.

La technologie d’agent conversationnel est issue des systèmes informatiques de routage automatique des appels et des assistants virtuels intelligents capables d’effectuer des tâches simples telles que régler des minuteries ou récupérer des informations météorologiques. Mais les besoins des clients sont parfois complexes et comportent de multiples composantes. Les chatbots et les agents virtuels ne peuvent souvent pas y répondre seuls, ce qui crée un besoin pour une technologie qui allie les avantages des agents humains à la base de connaissances des outils alimentés par l’IA.

Les agents conversationnels utilisent la technologie de l’IA conversationnelle, telle que le natural language understanding (NLU) et le traitement automatique du langage naturel (NLP), pour analyser les informations et le contexte des problèmes des clients. Ils appliquent également la reconnaissance vocale pour transcrire les appels des clients et fournir des résumés des interactions avec les clients.

L’IA peut ainsi analyser les transcriptions d’appels et identifier des mots-clés et des expressions pour extraire des informations pertinentes sur le compte du client ou sur un document spécifique auquel il fait référence, comme un relevé de facturation ou un reçu. Les agents peuvent alors rationaliser leurs conversations avec les clients et résoudre les problèmes plus efficacement, tout en disposant de données chiffrées à exploiter lors des interactions futures.

Les agents d’IA, qui diffèrent des agents conversationnels, sont également devenus un outil technologique populaire. Un agent d’IA désigne un système ou un programme qui accomplit des tâches de manière autonome ou au nom des utilisateurs. Il s’appuie sur des algorithmes de machine learning pour créer des références et identifier les écarts par rapport à l’entrée initiale.

En plus de rationaliser les workflows et de responsabiliser les agents humains, la technologie d’agent conversationnel peut également aboutir à une assistance client plus personnalisée et fournir des informations exploitables adaptées à chaque utilisateur. Par exemple, l’IA peut fournir un retour d’information sur la satisfaction client en effectuant une analyse des sentiments et suggérer quand l’agent humain doit faire une pause et faire preuve d’empathie ou reconnaître la frustration du client.

Certaines entreprises se basent sur les scores de satisfaction client (CSAT) pour quantifier l’expérience de leur clientèle. L’automatisation est un facteur qui peut améliorer le score CSAT d’une organisation. Si les conversations dévient ou si les suggestions automatisées de l’IA sont incorrectes, les agents humains peuvent prendre le relais.

La technologie d’agent conversationnel peut contribuer à réduire les taux d’épuisement professionnel et à améliorer l’expérience des agents. L’automatisation des tâches répétitives, telles que le marquage d’un problème comme étant résolu lorsqu’elle détecte qu’un client a quitté le chat ou la planification des actions de suivi en fonction de la conversation avec le client, peut avoir un impact significatif sur la réduction de la workload manuelle.

Des études ont montré que le recours aux agents conversationnels réduit le temps de résolution des problèmes de 26 %. Leurs réponses peuvent augmenter la satisfaction des clients d’environ 150 %.

Voici quelques exemples de secteurs dans lesquels cette technologie peut être utilisée.

• Les ressources humaines 
• Les centres d’assistance informatique
• Centre de support
• Les services financiers 
• Soins de santé

Lors du processus de recrutement, l’agent conversationnel peut conseiller le personnel des RH sur les recommandations salariales lors des appels de négociation de contrat. Dans le cadre de l’intégration des nouveaux employés, cette technologie peut aider les RH à se consacrer à des tâches plus importantes en automatisant les réponses aux questions relatives aux politiques RH. Elle peut également prendre en compte les différences de politiques en fonction de chaque rôle et du lieu où se trouve l’employé dans le monde.

Étude de cas : East and North Hertfordshire NHS Trust fait appel aux agents conversationnels pour aider son personnel des RH à traiter les demandes des employés concernant la formation des cadres, les politiques et réglementations, les horaires et les salaires.

Les centres d’assistance informatique peuvent utiliser les agents conversationnels pour les aider à organiser leur système de tickets. Alors que les spécialistes du centre d’assistance aident les clients à résoudre leurs problèmes, l’agent conversationnel peut identifier les problèmes logiciels courants et suggérer des instructions détaillées pour diagnostiquer le problème. Il peut également récupérer des informations pertinentes à partir de la documentation de l’application et des guides vidéo.

Étude de cas : dans un article rédigé par des chercheurs d’IBM (lien externe à ibm.com), la technologie d’agent conversationnel pourrait fournir des solutions rapides liées à la documentation de l’application, aux systèmes de gestion des tickets et aux enregistrements vidéo de transfert de connaissances. Celle-ci a été utilisée dans 650 projets au sein d’IBM.

Les centres d’appel du service client peuvent se servir des agents conversationnels pour traiter les réclamations des clients. Cette fonctionnalité peut aider les représentants humains à comprendre la réclamation du client et à extraire l’historique d’achat, les habitudes, les préférences et les interactions précédentes pertinentes afin de suggérer des offres de prix ou des remises personnalisées pour fidéliser la clientèle. Les centres d’appel peuvent également se servir de l’IA générative pour répondre aux appels des clients et les orienter vers l’agent humain ou le service compétent.

Étude de cas : la banque brésilienne Bradesco fait appel aux agents conversationnels pour répondre à 283 000 questions de service client par mois sur 62 produits différents. Le taux de précision atteint 95 %, le temps de réponse est de quelques secondes et seuls 5 % des appels demandent une assistance supplémentaire.

Grâce aux agents conversationnels, les banques peuvent alléger la charge de travail des conseillers clientèle en leur évitant d’avoir à mémoriser les détails des différents produits, services et offres bancaires, pour qu’ils puissent se concentrer sur la relation client. Les prestataires de services hypothécaires peuvent ainsi se servir de cette technologie pour suggérer des polices et répondre à des questions complexes liées à chaque police spécifique.

Étude de cas : le Crédit Mutuel se sert des agents conversationnels pour trier et répondre à la moitié des 350 000 e-mails quotidiens reçus par ses conseillers clientèle. Grâce à cette technologie, les conseillers ont pu trouver des réponses jusqu’à 60 % plus rapidement.

Les administrateurs de soins de santé peuvent recourir aux agents conversationnels pour les aider dans leurs tâches quotidiennes, notamment la saisie de données, la prise de rendez-vous par téléphone, la vérification des informations d’assurance, la révision des directives de visite à l’hôpital que les patients doivent suivre et la facturation de divers services de santé. Ils peuvent également aider les assureurs à répondre aux questions des patients sur les régimes de soins de santé, les polices de couverture pour certains services et les ressources pour des pathologies spécifiques. Pour les patients intéressés par les essais cliniques, la technologie d’agent conversationnel peut permettre aux coordinateurs cliniques de répondre aux questions sur l’éligibilité, les exigences et le calendrier de l’étude.

Étude de cas : Humana utilise un agent conversationnel entraîné à la terminologie des soins de santé pour aider les prestataires de soins de santé à obtenir des réponses relatives à la couverture d’assurance des patients à travers différents points de données. Il peut traiter 7 000 appels vocaux de 120 prestataires par jour ouvré.