La technologie d’agent conversationnel (VAT) est la combinaison du traitement automatique du langage naturel, de la recherche intelligente et de l’automatisation robotisée des processus (RPA) dans une interface utilisateur conversationnelle unique (généralement un chatbot), ayant pour fonctions d’automatiser le dialogue avec les utilisateurs finaux, fournir des informations et exécuter directement des actions pour répondre aux requêtes des utilisateurs.
Les principales solutions d’agents conversationnels représentent une évolution majeure dans le domaine des chatbots. Les avancées récentes en matière d’IA conversationnelle, appliquées parallèlement aux solutions Speech to Text, à la reconnaissance optique de caractères (OCR) et à l’analyse des sentiments, permettent aux agents virtuels d’interpréter les entrées utilisateur ouvertes et d’identifier avec précision l’objectif spécifique de l’utilisateur, aussi appelé « intention ». Lorsqu’ils sont intégrés dans des systèmes de back-end pertinents, comme une plateforme CRM ou une infrastructure de facturation, les agents conversationnels peuvent souvent automatiser les actions pour atteindre cet objectif sans autre intervention humaine.
Certaines techniques de machine learning et d’automatisation qui alimentent les agents conversationnels existent depuis des années, mais c’est l’assemblage de ces éléments constitutifs dans un système autonome unique qui renforce la polyvalence et la productivité de la VAT.
Découvrez les principaux avantages des assistants d’IA générative d’IBM, comment les évaluer par rapport à leurs concurrents et comment vous lancer.
Obtenir l’e-book sur l’IA générative
Il existe certains traits communs entre les utilisations et les caractéristiques des agents conversationnels, des chatbots et des assistants virtuels et l’absence de définitions formelles de ces termes, et d’autres termes apparentés, a parfois pour effet de les utiliser de manière interchangeable.
Malgré cette ambiguïté, il existe un consensus général sur les distinctions technologiques qui séparent chacun de ces outils connexes.
Chatbot est un terme générique désignant un programme qui simule une conversation humaine en temps réel avec l’utilisateur. Les chatbots fonctionnant par le biais d’invites vocales plutôt qu’écrites sont connus sous le nom de systèmes de réponse vocale interactive (SVI). En général, un chatbot gère les interactions avec les clients à l’aide d’un flux d’arbre de décision. Cela n’implique pas nécessairement une intelligence artificielle ; de nombreux chatbots s’appuient sur un ensemble préprogrammé d’entrées qui peuvent être reconnues, chacune déclenchant une réponse correspondante préprogrammée. Les chatbots rudimentaires, incapables d’analyser les entrées qui ne correspondent pas exactement à leur programmation en termes de reconnaissance, obligent l’utilisateur à choisir parmi une série d’options simples rédigées à l’avance, plutôt que d’écrire (ou d’énoncer) les entrées avec ses propres mots.
Alors que la plupart des technologies des agents virtuels (VAT) impliquent un chatbot qui reçoit des demandes et y répond, tous ne proposent pas de véritable fonctionnalité de VAT. De nombreux chatbots et systèmes SVI ne servent qu’à fournir ou à recueillir des informations de base, comme transmettre les heures d’ouverture des magasins ou déterminer où acheminer un client via un centre d’appel.
L’assistant virtuel ne fait pas référence à un logiciel, mais à un être humain fournissant une assistance à distance, c’est-à-dire virtuelle. Ce qui prête à confusion, c’est que « assistant virtuel » (ou « logiciel d’assistant virtuel ») est également utilisé de temps en temps comme terme générique pour désigner tous les produits virtuels fournissant une assistance, y compris des services tels que Siri d’Apple ou Alexa d’Amazon (également appelés assistant vocal ou assistant digital).
Les agents conversationnels, également appelés agents conversationnels intelligents (IVA) ou assistants virtuels intelligents (IVA), sont bien plus que de simples chatbots hautement sophistiqués. Les agents conversationnels sont définis non seulement par l’IA conversationnelle, qui peut identifier l’intention du texte ou de la parole libre des utilisateurs, mais aussi par l’automatisation des étapes pour répondre à cette intention, et améliorer continuellement sa capacité à le faire. Alors qu’un chatbot ne peut que répondre, un agent conversationnel peut comprendre, apprendre et agir.
Les assistants vocaux comme Siri ou Alexa peuvent être considérés comme des agents virtuels selon cette définition, mais le terme « agent conversationnel » fait plus généralement référence à l’utilisation organisationnelle et à l’intégration personnalisée avec les systèmes d’entreprise. En d’autres termes, les assistants vocaux agissent généralement comme une extension de vous-même : ils automatisent les actions que vous feriez, comme envoyer un texte, rechercher une information publique ou jouer une musique. Les agents conversationnels sont une extension de votre entreprise : ils automatisent les actions des clients ou des employés, comme le paiement d’une facture ou la mise à jour d’identifiants de connexion.
Les entreprises qui cherchent à optimiser leurs activités grâce à la technologie des agents virtuels disposent d’un large éventail d’options. Chacun d’entre eux offre différents degrés de personnalisation et d’intégration et nécessite différents niveaux de main-d’œuvre et de sophistication pour l’implémentation et la maintenance. La meilleure solution d’agent conversationnel pour votre entreprise dépend des besoins spécifiques auxquels la VAT répondra et des ressources disponibles pour l’obtenir et la gérer.
- Solutions de bout en bout : offres de service complètes avec assistance professionnelle des fournisseurs pour gérer la mise en œuvre, la maintenance et l’intégration dans les applications, les systèmes et les workflows pertinents.
- Outils de développement professionnels évolutifs : les plateformes accessibles via une API sont les mieux adaptées aux organisations disposant de ressources techniques dédiées et de développeurs pour gérer directement des implémentations complexes.
- SaaS low-code et no-code : des solutions de VAT flexibles conçues pour être simples à créer et à gérer sans expertise technique spécialisée.
- Solutions intégrées : fonctionnalités complémentaires directement intégrées dans les outils d’entreprise propriétaires, tels qu’un chatbot intégré à un logiciel de centre de contact.
Une compréhension approfondie de votre parcours client est essentielle pour qu’un agent conversationnel fonctionne efficacement. En identifiant correctement l’intention du client et les étapes nécessaires pour y parvenir, vous pouvez configurer votre agent conversationnel pour qu’il s’adapte naturellement à ces étapes.
Se tromper dans les objectifs limitera le potentiel de votre agent conversationnel, tout comme une portée trop large ou trop étroite. En termes de récurrence, quels problèmes, questions et tâches consomment mobilisent le service client de manière démesurée ? Quels sont les besoins des employés qui ne sont pas satisfaits ? Quels services de votre entreprise bénéficieraient le plus d’économies de coûts ou de gains de temps ? La section FAQ de votre site Web constitue souvent une base de connaissances utile pour commencer.
L’agent conversationnel résout-il un problème connu de votre site Web ou votre application ? A-t-il pour objectif de réduire le volume d’appels téléphoniques à votre centre d’appel ? Répond-il aux questions souvent posées sur Slack ? Les canaux par lesquels les utilisateurs finaux interagissent avec votre agent conversationnel doivent naturellement s’aligner sur les intentions qu’il sert. Les canaux de messagerie peuvent également affecter la manière dont les intentions des utilisateurs sont exprimées, la manière dont l’IA conversationnelle de votre agent conversationnel doit les interpréter et y répondre, ainsi que les outils et systèmes pertinents disponibles pour l’intégration.
Votre agent conversationnel doit être capable d’interpréter avec précision les requêtes des clients et de reconnaître l’intention de l’utilisateur. Pour y parvenir sans restreindre l’utilisateur à des sélections basées sur des menus, il faut une compréhension du langage naturel sophistiquée : les utilisateurs humains réels exprimeront rarement leurs objectifs avec les mots exacts, ou même avec la bonne orthographe. Les chatbots les plus courus utilisent ensuite de plus en plus l’IA générative, qui est entraînée pour représenter fidèlement votre marque et ainsi maintenir la conversation en cours.
Votre agent conversationnel ne doit pas (et ne peut pas) traiter toutes les demandes. Il est préférable de proposer des solutions de haute qualité à un petit ensemble de problèmes au lieu de mal répondre à une liste de demandes très élargie. Lorsque l’intention d’un utilisateur est hors champ, connectez l’utilisateur à la personne appropriée pour lui fournir une assistance.
Chaque demande dans le champ d’application doit être associée aux outils et aux processus nécessaires pour y parvenir. Pour répondre aux demandes d’informations, cela signifie une recherche intelligente connectée à toutes les sources de données pertinentes. Les demandes basées sur l’action nécessitant Robotic Process Automation (RPA) peuvent impliquer l’intégration à des systèmes tels que des plateformes CRM, des infrastructures de paiement, des logiciels de planification ou des portails informatiques en libre-service.
Une fois que votre agent conversationnel est opérationnel et génère des données de résultat, continuez à l’affiner et à l’améliorer. Ces améliorations peuvent reposer sur la technologie (par exemple, grâce au machine learning, qui fait évoluer la capacité de votre IA à identifier les demandes), ou sur des objectifs stratégiques, en évaluant les demandes mal desservies, les flux défectueux ou les opportunités d’étendre la portée de votre agent conversationnel.
Il a été prouvé qu’une VAT mise en œuvre avec succès a un impact positif sur les finances, la logistique et le moral des employés de votre entreprise.
- Satisfaction client accrue : dans une enquête menée auprès de 1 005 personnes dans 12 secteurs d’activité et dans 33 pays, réalisée par IBM Institute for Business Value (IBV) en collaboration avec Oxford Economics, 99 % des organisations utilisant une technologie d’agent virtuel basée sur l’IA ont fait part d’une augmentation de la satisfaction client . En moyenne, les organisations concernées ont bénéficié d’une amélioration de 8 % de la satisfaction client et de 4 % du NPS.
- Gain de temps pour les employés : en confiant aux agents conversationnels les tâches les plus répétitives et les plus chronophages, la VAT améliore souvent l’efficacité des agents humains. L’étude IBV/Oxford susmentionnée a révélé que la VAT a réduit le temps de traitement des agents humains de 12 % en moyenne.
- Réduction des coûts : la réduction du temps nécessaire aux agents humains pour résoudre les contacts a pour avantage supplémentaire de réduire les coûts associés au service. Une récente étude de Forrester Consulting a estimé qu’une grande organisation1 pourrait économiser en moyenne 6 dollars par conversation grâce à IBM watsonx Assistant. La même étude a révélé que les agents conversationnels acheminant correctement les conversations téléphoniques permettaient d’économiser 7,75 dollars par appel correctement acheminé.
- Amélioration de la satisfaction des employés : les agents du service client dotés des outils et de l’assistance appropriés sont plus susceptibles de se sentir valorisés par leur organisation. Ils sont également plus susceptibles d’offrir une meilleure expérience aux clients. L’amélioration du moral des employés favorise également leur fidélisation, ce qui a son propre impact financier : l’étude de Gallup (lien externe à ibm.com) a révélé que le coût du remplacement d’un employé peut varier de 50 à 200 % du salaire annuel de l’employé sur le départ.
Les agents conversationnels offrent de nombreuses opportunités pour améliorer l’expérience client, les opérations commerciales orientées vers le marché, ainsi que la productivité et la coordination internes.
- Service client : les agents conversationnels, sous la forme de chatbots textuels ou de systèmes de réponse vocale interactive (SVI), sont souvent utilisés comme représentants automatisés du service client sur divers canaux, des sites Web détenus et exploités aux réseaux sociaux, en passant par les plateformes de messagerie telles que Slack et WhatsApp.
- Ressources humaines : les organisations utilisent des agents conversationnels pour fournir aux employés un accès intégré aux plateformes internes et aux portails en libre-service, ainsi que des réponses rapides aux questions courantes.
- E-commerce et ventes : des agents conversationnels peuvent être déployés pour améliorer les entonnoirs de vente et la génération de prospects en les qualifiant et en réalisant des transactions dans divers environnements de vente au détail.
- Productivité du personnel : les agents conversationnels peuvent contribuer à augmenter la productivité des employés en automatisant les tâches et les requêtes répétitives, ce qui leur permet de consacrer du temps à des tâches plus complexes. Ils peuvent également aider à rationaliser la collaboration, les workflows et la gestion de projet en automatisant la planification, en gérant et transcrivant les réunions informelles et en améliorant les fonctionnalités des outils de communication sur le lieu de travail tels que Slack et Microsoft Teams.
Bien qu’une évaluation vraiment complète de l’efficacité de la mise en œuvre de la technologie des agents virtuels dépende des défis et des objectifs spécifiques de votre entreprise, voici trois indicateurs clés permettant de déterminer dans quelle mesure la VAT répond aux attentes en matière de performance.
- Reconnaissance des intentions : quelle est la précision avec laquelle votre agent conversationnel interprète les intentions de l’utilisateur ? Les utilisateurs expriment souvent leurs besoins de manière unique, du choix des mots à la syntaxe en passant par l’orthographe. Un client peut demander : « comment régler le solde de mon compte ? » lorsque votre agent conversationnel est programmé pour « payer ma facture. » La gestion appropriée des écarts naturels dans la manière dont les utilisateurs expriment leurs intentions est essentielle pour une mise en œuvre réussie, et dépend souvent des capacités de traitement automatique du langage naturel (NLP).
- Segment concerné : quel pourcentage des demandes utilisateur entrantes, en supposant que leur intention ait été identifiée avec précision, correspond à l’intention pour laquelle votre agent conversationnel est programmé ? Si la plupart des demandes correspondent à ce pour quoi votre VAT a été programmé, son calibrage est conforme aux besoins de vos utilisateurs. Si la plupart des demandes ne sont pas prises en compte, vous devrez peut-être réévaluer votre stratégie en matière de VAT. L’enquête IBV/Oxford Economics a révélé que, sur l’ensemble des personnes interrogées, la proportion moyenne de contacts entrants dans le champ d’application de la VAT était de 63 %.
- Confinement : combien de fois la VAT est-elle en mesure de résoudre avec succès un cas donné sans aucune escalade vers un agent humain ou intervention de sa part ? Il s’agit d’un indicateur nuancé : le dénominateur peut ou non inclure les demandes avec des intentions hors champ ; le numérateur peut ou non compter les cas avec plusieurs intentions dans lesquelles certaines intentions (mais pas toutes) sont contenues avec succès. L’étude IBV/Oxford Economics, qui a défini le confinement comme « la part du total des contacts que la VAT a été formée à gérer » qui sont résolus sans escalade, a calculé le confinement moyen pour les personnes interrogées concernées à 64 %. Une différence de 38 % sépare les chiffres de confinement les plus élevés et les plus bas.
Offrez une assistance client cohérente et intelligente sur tous les canaux et points de contact grâce à l’IA conversationnelle.
Trouvez des réponses et des informations essentielles à partir de vos données métier grâce à une technologie de recherche d’entreprise alimentée par l’IA.
Rencontrez un chatbot IA en langue naturelle qui comprend les conversations humaines et améliore l’expérience client.
Exploitez des modèles pré-entraînés, adoptez des opérations omnicanales et évitez les pièges courants des chatbots pour la réussite des assistants virtuels.
Découvrez la puissance de l’intégration d’une stratégie de data lakehouse dans votre architecture de données, avec des améliorations pour dimensionner l’IA et des possibilités d’optimisation des coûts.
Notes de bas de page
1 Pour les besoins de l’étude, Forrester a regroupé les expériences des personnes interrogées et des répondants à l’enquête et a combiné les résultats en une seule organisation composite qui est une société de services financiers et d’assurance générant un revenu de 7 milliards de dollars par an.