L’IA générative : une révolution pour la relation client

L’intelligence artificielle est en passe de révolutionner l’expérience et la relation client ; et de plus en plus d’entreprises l’ont compris.

C’est en particulier le cas avec l’avènement de l’IA générative, des technologies NLP (traitement du langage naturel), des LLM comme ChatGPT, Claude ou Bard, et plus récemment, l’arrivée des GPTs, la nouvelle révolution annoncée par Open AI début novembre 2023. Cet article traite de tous ces sujets, sans être trop technique : il ouvre ainsi une certaine réflexion sur les impacts de l’IA dans la relation client – réflexion que nous menons depuis un moment chez Partoo. 

Si vous cherchez à comprendre les bases techniques de l’IA, voici un article que j’ai écrit sur ce sujet et qui vous intéressera sûrement.

Pour ce qui est de celui-ci, nous allons dans un premier temps étudier comment le commerce conversationnel et les messageries instantanées vont peu à peu révolutionner l’expérience client entre les marques et les consommateurs. Puis nous regarderons comment il est possible d’automatiser tout ou une partie des interactions clients via des outils d’IA générative. Enfin, nous expliquerons comment les “GPTs” lèvent un des freins à la mise en place d’agents conversationnels par les entreprises.

L’expérience client conversationnelle

Les 3 composantes de la relation client omnicanale

La relation client omnicanale peut être décomposée en trois grands ensembles que sont la relation client physique (1), la relation client téléphonique (2) et la relation client digitale (3).

Au cours des 20 dernières années, la relation client s’est polarisée sur le digital, notamment via l’explosion du trafic des sites web, l’usage des réseaux sociaux, et l’utilisation intensive des emails. Tous les secteurs ont vu émerger des « pure-players » digitaux. Les banques en ligne sont venues concurrencer les banques traditionnelles, Amazon a bousculé les acteurs historiques du retail, les restaurants ont découvert les « dark kitchens »… même la grande distribution a dû faire face à l’afflux de startups du Quick Commerce comme Gorillas, Flink our Getir.

Mais force est de constater que la relation client physique a de beaux jours devant elle : les acteurs « brick and mortar » ont ainsi bien résisté et ont rapidement développé leur expertise digitale. On peut ici penser aux succès des transformations de Decathlon, de Carrefour ou de la Fnac. Réciproquement de nombreux “pure players” ouvrent maintenant des points de vente physiques (Nespresso, les DNVBs, le slip français, Asphalte…)

L’enfer du téléphone

Si beaucoup s’accordent sur la complémentarité entre relation client physique et relation client digitale, le standard téléphonique reste encore aujourd’hui le chat noir de la relation client. C’est un centre de coûts qu’il faut donc maîtriser.

Pourtant, beaucoup de consommateurs continuent d’appeler les entreprises : ils valorisent ainsi leur réactivité sur ce canal (vs. le mail), et ce, malgré le temps d’attente parfois infernal et le taux élevé de « non-décroché » – qui peut atteindre 50% dans certains secteurs comme l’automobile ou l’immobilier. Et quoi qu’on en dise, ce volume d’appels reste colossal : chaque année, les points de vente du réseau Leclerc reçoivent 20 millions d’appels téléphoniques vers leurs points de vente. Chez Orange, cela dépasse la centaine de million ! La question est donc aujourd’hui de savoir comment le digital peut aider à limiter les coûts que ce canal représente.

Pour étudier cette question, il peut être utile de prendre un peu de recul. Il est en effet probable que la relation client suive la même tendance que les relations inter-personnelles. 

Dans notre vie personnelle, nous avons complètement transformé notre manière d’échanger avec nos proches. Il y a 100 ans, on échangeait principalement lorsqu’on se voyait ; l’avènement du téléphone a ainsi bouleversé les relations humaines. Mais depuis maintenant 10 ans, on s’appelle moins : on s’écrit. Et on ne s’écrit pas des mails ; on s’envoie des textos, des Whatsapp, des messages Facebook, etc. Ainsi, 80% des interactions avec nos proches se font par messageries instantanées. Et même constat dans notre vie professionnelle : Slack & Teams ont révolutionné la manière dont les employés collaborent. Avant on travaillait tous dans le même bureau ou bien on s’appelait : aujourd’hui on envoie 100 fois plus de messages instantanés que d’emails. C’est une vraie tendance de fond : chez Partoo par exemple, les employés s’envoient plus de 20 000 messages Slack par jour.

Car cette « instantanéité » a permis de remplacer le téléphone. Et cette tendance est en passe de transformer les relations des marques avec leurs clients : on parle d’ailleurs de « conversationnal commerce ». Il s’agit ici de faire du « commerce » par messagerie instantanée que ce soit sur son site web, par SMS ou via les messageries de certaines plateformes comme Facebook, Snap, Instagram, Whatsapp, Google Maps, etc. 

Chez Partoo nous travaillons donc depuis 3 ans sur notre produit “Messages” qui centralise et simplifie la gestion des messages provenant de toutes les plateformes en ligne.

Quel intérêt à passer au conversationnal commerce ?

Pour les entreprises, cela a deux principaux avantages.

• (1) Tout d’abord cela facilite le traitement des demandes des internautes : cela prend moins de temps et coûte donc moins cher. C’est aussi gérable en asynchrone et surtout, cela peut être automatisé ! 
• (2) Par ailleurs, passer au commerce conversationnel est une opportunité d’augmenter ses ventes et d’améliorer sa conversion en adaptant sa relation client aux attentes des consommateurs. 

Et à ce sujet, un chiffre en dit long : 90% des consommateurs préfèrent échanger avec une entreprise par messages que par téléphone. En effet, au-delà de l’instantanéité, l’expérience est bien plus agréable qu’au téléphone : fini les musiques d’attente et les serveurs vocaux interactifs (SVI) pour lesquels il faut enchaîner quatre numéros avant d’être redirigé vers un formulaire en ligne.

Vous avez un doute ? C’est sûrement lié à votre expérience décevante des chatbots des années 2000. Des boutons sur lesquels cliquer, pas de réponse en temps réel, une impossibilité d’être recontacté sans laisser son mail ou son téléphone. 

Il est donc utile ici de rappeler que ChatGPT a complètement changé la donne et que les nouvelles technologies d’IA ouvrent selon moi la voie à une redécouverte des chatbots. De la même manière que ce qu’il s’est passé en 2022 avec les QRcode, je suis convaincu que les chatbots vont renaître de leurs cendres – sans doute sous un nouveau nom pour faire oublier leur passé peu glorieux.

A noter que le “commerce conversationnel” peut aussi être une solution au non décroché au téléphone en point de vente. Concrètement, lorsqu’un client appelle un point de vente, il n’a pas de réponse une fois sur deux : un SVI peut alors lui demander d’appuyer sur 1 s’il accepte de continuer cette conversation par SMS (c’est cette fonctionnalité que nous avons développé chez Partoo sous le nom de “call-deflector”). Il peut alors échanger avec le responsable du point de vente par SMS en asynchrone : le responsable en local a d’ailleurs accès à une seule application Partoo dans laquelle sont centralisés les messages provenant de ces appels manqués, du site web, et de toutes les plateformes de messagerie instantanée comme Google Maps, Facebook, Instagram ou WhatsApp.

Comment sublimer l’expérience client ?

Pour gagner en efficacité, et automatiser tout ou une partie des échanges avec ses clients, il existe plusieurs possibilités.

La première chose à faire consiste à mettre en place des templates de réponse sur la base des questions récurrentes à traiter. Cela va principalement faire gagner du temps aux agents humains en charge de répondre aux messages des internautes : c’est d’ailleurs ce que nous avons mis en place chez Partoo pour nos clients. Une autre manière de répondre à ce même cas d’usage : travailler sur de la suggestion de réponse par intelligence artificielle. L’agent humain qui traite le message entrant va alors se voir suggérer une réponse et pourra ensuite la valider ou l’éditer.

Mais il s’agit ici plus d’une aide au traitement qu’une vraie automatisation. Pour automatiser le traitement des messages entrants il existe 3 autres méthodes :

• Les arbres de décision
• La reconnaissance d’intention et les FAQs
• Les LLMs et l’IA générative

Les arbres de décision

Chez Partoo, nous avons commencé par aborder le sujet de l’automatisation par cet angle d’attaque via une fonctionnalité que nous avons appelée « Conversation Starter ». L’idée est de proposer aux internautes plusieurs choix de sujets comme « suivre ma commande », « réserver un rendez-vous » ou « voir le menu ». Quand le client clique sur le bouton une réponse prérédigée va lui être donnée pour lui détailler le menu ou bien le rediriger vers une interface de prise de rendez-vous. Si le client n’a pas la réponse à sa question, un agent humain prend alors le relais : on parle dans le langage technique de « hand-over ».

Mais il s’agit ici que du niveau 1 d’un arbre de décision : en effet, le client pourrait cliquer sur « acheter un produit », puis « des chaussettes », puis « taille 43 » etc. Chaque choix le fait alors avancer dans un arbre de décisions permettant au chatbot de répondre plus précisément à sa question.

La reconnaissance d’intention et les FAQs

Les algorithmes d’IA existaient bien avant l’IA générative : ils permettaient notamment de faire de l’extraction de texte ou de la reconnaissance d’intention. En fournissant à un chatbot un ensemble de questions et de réponses, les algorithmes d’IA des années 2010 pouvaient déjà reconnaître le sujet d’une question posée et piocher dans des réponses prérédigées pour traiter certaines demandes.

Par exemple, si l’internaute veut savoir s’il y a un parking, et que l’entreprise a renseigné la question « Avez-vous un parking ? » et la réponse « Oui », un client demandant « je viens voiture, disposez-vous d’un parking ? » obtiendra la réponse « Oui ». Mais on voit bien que les algorithmes d’extraction d’information sont très limités car ils reconnaissent l’intention simple mais ne peuvent pas apporter de vraie intelligence dans leur réponse.

L’IA générative et les LLM

L’intelligence artificielle est généralement divisée en trois branches d’applications : la technologie de « Computer Vision » (images et vidéos), la robotique et le traitement du langage naturel (NLP). C’est cette 3^ème branche d’application qui a connu les plus grandes avancées cette année avec l’avènement d’outils comme ChatGPT.

ChatGPT est un LLM (Large Langage Model) c’est-à-dire un algorithme d’intelligence artificielle permettant de comprendre l’intention d’une question complexe, de chercher l’information demandée et de la retranscrire dans une réponse inédite et intelligible. Pour la relation client, c’est une vraie révolution !

Prenons l’exemple d’une base de données dans laquelle serait renseignée l’information suivante : « nous avons un parking qui est situé à gauche de l’église quand vous sortez de l’autoroute et dispose de 150 places. Il est assez libre sauf le mardi et le dimanche. Dans ce cas-là, vous pouvez vous garer à la sortie de l’autoroute ». Un internaute qui poserait la question « je viens en voiture, comen je me gare ? » (avec une faute d’orthographe) se verrait répondre par l’IA « il y a un parking à côté de l’église mais qui est parfois complet. Quel jour souhaitez-vous venir ? ».

La vraie question qui se pose alors n’est plus celle de l’intelligence (qui est déjà au bon niveau pour traiter ces demandes) mais de l’information : comment fournir aux intelligences artificielles les bonnes informations pour qu’elles puissent répondre aux besoins des internautes ?

Base de données et cas d’usage

Les GPTs : une révolution ?

Un LLM est une intelligence générative, préalablement entraînée sur un grand corpus de texte : pour ChatGPT, il s’agit d’internet à une date fixée.

Mettre à jour les données d’un LLM suppose de le ré-entrainer, ce qui coute extrêmement cher. Il était historiquement difficile de « nourrir » une IA spécifique à une entreprise par des données mises à jour en continue – car il faudrait continuellement entrainer le LLM ce qui couterait très cher et prendrait trop de temps. Une solution existe : faire de l’extraction de données sur la base d’une question spécifique et intégrer ces données comprenant la réponse, dans le prompt envoyé aux LLM.

Pour en finir avec les sujets techniques, la bonne nouvelle est, qu’il y a quelques jours, ChatGPT a sorti une fonctionnalité permettant de nourrir un LLM avec de la donnée mise à jour en continu et même de la connecter avec d’autres bases de données. Et cela ouvre le champ des possibilités dans ce que nous développons chez Partoo, à savoir des outils de gestion de messageries instantanées !

Quelles données pour nourrir votre IA ?

Pour « nourrir » une intelligence artificielle spécialisée dans le traitement de demandes d’internautes, il est indispensable de considérer différentes sources de données.

La première source que nous considérons chez Partoo est la base de données points de vente : nous gérons cette donnée pour près de 1000 enseignes clientes dans le monde (Leroy Merlin, Toyota, LCL…). Via notre technologie de « Presence Management », nous stockons et diffusons sur internet, et en particulier sur Google Maps, les informations de près de 300 000 points de vente. Il s’agit de leurs horaires, adresses, numéros de téléphones, menus, services, photos, liens de réservation… Nous avons aussi la possibilité d’ajouter des champs additionnels dans notre base de données permettant de stocker d’autres data utiles pour nos clients comme la présence d’un parking dans l’exemple que nous prenions précédemment.

En fournissant cette base de données à une IA spécifiquement entrainée pour un client, nous pouvons répondre à des questions comme « à quelle heure ouvrez-vous dimanche prochain ? » ou encore « proposez-vous la vidange dans votre concession ? ». Mais la donnée brute ne permet pas de nourrir une IA pour tous les types de questions. Il est alors nécessaire de recourir à la création d’une base de connaissance spécifique sous format textuel ou autre : c’est ce sujet que nous regardons actuellement.

Après avoir connecté l’agent conversationnel à notre base de données Partoo et une base de connaissance spécifique, il peut être utile de brancher d’autres bases de données disponibles dans les écosystèmes de nos clients. Chaque base de données est généralement associée à un outil et un acronyme : CRM, OMS, ERP, PIM, etc.

Quels cas d’usage ?

Prenons quelques cas d’usage pour être plus concret.

En connectant un PIM (Product Information Management) couplé à des données de stocks en points de vente, il est possible de répondre à toutes les questions liées aux produits : Disposez-vous de jus de fruit Tropicana en stock ? Quel est le prix de 1L de jus de fruit Andros ? Y-a-t ’il des promotions sur ces produits ? Quel est leur nutri-score ?

Et on pourrait même imaginer conseiller les clients dans leur choix de produits ! L’agent conversationnel boosté à l’IA serait capable de répondre à des questions comme : « je souhaite courir un marathon dans 6 mois, quelle paire de chaussures me conseillez-vous ? ». Il pourrait affiner la demander via un échange par messages dans le but de mieux comprendre le besoin du client et l’aiguiller vers le bon produit, quitte à le vendre à la fin en e-commerce ou click&collect !

Et pour suivre sa commande une fois la paire de chaussure choisie, rien de plus simple : il suffira que l’enseigne connecte sont OMS, Order Management System. On pourrait alors imaginer que le client fournisse ses codes d’accès pour savoir où en est l’acheminement de son colis.

* * * * *

Le potentiel de l’IA en lien avec la relation client est infini : il peut être source d’inquiétude ou d’excitation. Une chose est sûr, les entreprises doivent s’y préparer. Chez Partoo, nous avons la conviction que la relation client de demain sera conversationnelle et que pour prendre ce virage, les enseignes doivent travailler trois aspects :

• Construire des bases de données propres et à jour pour nourrir l’intelligence artificielle, en particulier les données locales – via notre technologie de Presence Management.
• Travailler à la conduite du changement pour sensibiliser les directions générales à cette transformation
• Activer le « commerce conversationnel » sur tout ou une partie des canaux / points de vente pour étudier les impacts et se préparer

Si vous voulez aller plus loin sur ce sujet, n’hésitez pas à vous renseigner sur Google SGE (Search Generative Experience) : parmi les convictions que nous portons chez Partoo, c’est qu’au-delà de l’expérience client, c’est Internet dans son ensemble qui devient aujourd’hui conversationnel. Et pour vous en convaincre, j’ai aussi rédigé un article à retrouver en cliquant sur ce lien.