Pourquoi utiliser de l’IA dans le support :

L'évolution rapide des intelligences artificielles génératives telles que ChatGPT, a profondément transformé le domaine du support client. Mais est-ce que l'IA peut véritablement remplacer un agent humain ?

À ce stade, il semble y avoir consensus sur le fait que la question technique est largement adressée, mais les solutions disponibles sur le marché demeurent très souvent incomplètes. Toutes reconnaissent la satisfaction client comme enjeu majeur, mais très peu y contribuent réellement, préférant optimiser les coûts du support. Cette mesure, bien que simple en apparence, se révèle extrêmement complexe à évaluer : elle repose généralement sur un échantillon peu représentatif de la population globale, calculée selon des méthodes hétérogènes. L’absence de définition absolue de cette métrique permet à chacun de la manipuler dans l’objectif de valider n’importe quelle approche.

Les clients finaux veulent de l’humain :

La notion de satisfaction client est un enjeu crucial dans le domaine du service client, et les différentes données montrent une complexité dans la compréhension des préférences des consommateurs. Imaginons que notre objectif soit d'invalider une approche Chatbot, en une simple multiplication nous arrivons à nos fins grâce à notre fameuse satisfaction client.

Si l'on prend l'exemple du bot de Toyota, qui selon COMETE.AI satisfait 98% de ses utilisateurs, cela semble être une réussite. Cependant, une enquête de PwG révèle que 80% des répondants préféreraient interagir directement avec un agent de service client plutôt qu'avec un ChatBot ou tout autre service de réponse automatisé. Ces résultats sont en accord avec ceux de Forbes, qui rapporte que 86% des consommateurs préfèrent l'interaction humaine aux ChatBots. 

Ainsi, on peut en déduire que la satisfaction de 98% des utilisateurs ne s'applique qu'à 20% de la population globale (les autres 80% de la population n'ayant pu s'exprimer réellement sur leurs préférences). On trouve au final une satisfaction client de 19,6% - il est légitime de remettre en question l'efficacité de cette technologie en tant que compromis satisfaisant. 

IA dans le support

L’IA dans le support est utilisée de manière quasi exclusive via des Chatbots : 

La très grande majorité des solutions disponibles, pour ne pas dire la totalité, suivent le fonctionnement de ChatBot. Mais les Chats constituent une partie minime du volume de tickets traité par nos agents, avec plus de 70% des demandes faites par mails.

Les ChatBots utilisant l'IA représentent une solution ingénieuse pour contourner la plupart des problèmes liés au traitement des tickets. L'intelligence artificielle se contente de fournir des réponses partielles, sollicitant l'utilisateur final à chaque incertitude pour progresser dans sa réflexion. Ces ChatBots sont en fait des Foires Aux Questions intelligentes et dynamiques, capables de répondre de manière satisfaisante uniquement aux demandes d'information simples, qui représentent un faible pourcentage du trafic d'un service client standard. 

Dans le contexte d’emails, l'IA n'a qu'une seule chance de fournir la bonne et se doit de ne solliciter l'utilisateur que lorsque cela est vraiment nécessaire.

L’IA est encore peu répandue car c’est un vrai challenge d’automatiser :

Installer une intelligence artificielle est une tâche qui se révèle être un défi majeur pour la plupart des entreprises. Seuls quelques grands comptes disposent des ressources nécessaires pour aborder cette problématique de front. Le travail sur les données requises pour automatiser ce processus est crucial, mais il est souvent entravé par la complexité de la récupération des données et le respect strict des réglementations en matière de protection des données (RGPD). La mise en place d'une telle solution est loin d'être simple et nécessite généralement un budget conséquent ainsi qu'une restructuration technologique, ce qui conduit souvent à l'externalisation des développements. La principale difficulté réside dans la scalabilité de l'outil : automatiser les processus dans un environnement de données fermé est relativement simple ; cependant, traiter les tickets provenant d'une multitude de clients avec des processus, des outils et des structures de données variées représente  une tâche bien plus complexe. C'est là que réside le véritable défi des BPO (Business Process Outsourcing). C'est dans ce contexte que s'inscrit l'ambition de Onepilot : mettre l'intelligence artificielle au service du plus grand nombre pour le traitement efficace de tous les tickets.

IA chez Onepilot

Notre vision :

Chez Onepilot, nous sommes convaincus que l'intervention humaine reste essentielle pour garantir une satisfaction client authentique. L'IA, bien qu'un outil précieux, ne peut être considérée comme une solution complète en soi.

Notre approche vise à optimiser le travail de nos freelances plutôt que de les remplacer. En effet, notre IA agit en backstage, “soufflant” à nos agents les bonnes réponses au bon moment. Cependant, c'est toujours sous contrôle de l’être humain qu’est formulée la réponse à l'utilisateur final. 

Pour nos clients, cela signifie une tranquillité d'esprit totale : ils nous confient leurs demandes et nous nous occupons du reste, de la modélisation des processus à la mise en place des modèles d'intelligence artificielle adaptés. Notre souci principal est la productivité, mais toujours dans l'optique de servir au mieux le client. Nous appliquons un suivi minutieux du temps de traitement des tickets, ce qui nous permet d'adopter une tarification dynamique et juste. Plus le temps nécessaire pour résoudre un problème est court, plus le coût final pour le client est faible. Ainsi, toute valeur créée en interne se répercute sur nos services, offrant ainsi à nos clients un niveau de qualité exceptionnel à un prix concurrentiel.

Quelques chiffres : 

Un mois typique chez Onepilot, se caractérise par un volume de plus de 500.000 e-mails à traiter, nécessitant l'intervention de plus de 1200 agents. L'introduction d'Autopilot, avec ses recommandations de messages, s'est avérée très prometteuse dès son lancement en Novembre 2023. Ce nouvel outil a permis de diviser par 6 le temps de traitement de la moitié des tickets sur lesquels il était déployé, passant ainsi de 6 minutes à seulement 1 minute en moyenne. Forts de ces résultats, nous entamons maintenant la phase de mise à l'échelle de l'ensemble de nos clients. D'ici la fin de l'année, notre objectif est de gérer 50 % des tickets de type e-mail via Autopilot. Cette transition se traduira par un doublement de notre capacité de traitement des tickets, tout en garantissant une satisfaction inchangée des utilisateurs finaux, et ce, sans aucune action nécessaire du côté du client. 

Débloquer l'utilisation équitable de l'IA : Nos avantages 

Le déploiement de notre algorithme cœur sur la partie IA “Autopilot” représente une avancée majeure dans la résolution des problématiques liées au traitement des tickets. En effet, il nous permet d’interpréter automatiquement les bases de connaissances de nos clients et s'intègre parfaitement avec les principaux outils de ticketing. Il offre ainsi la possibilité de récupérer les informations contextuelles essentielles telles que le statut des commandes ou les délais de livraison. Cette solution repose sur plusieurs millions de messages annotés avec soin par nos agents, ainsi que sur des centaines de bases de connaissances maintenues et régulièrement actualisées, décrivant minutieusement l'ensemble des processus de nos clients à l’aide d’une structure de donnée propriétaire et adaptée à l’IA.

Graphique 1 : 70% des tickets chez Onepilot sont des mails, et le traitement de plus de 56% des tickets chez Onepilot nécessite une interaction avec un outil externe (de type back office ou transporteur le plus souvent)

Notre panel d’outils IA : 

Dès réception d'un ticket, Autopilot parcourt automatiquement la base de connaissances associée au client pour que l’agent soit dans la position la plus avancée possible pour y répondre. Si l'algorithme est en mesure de résoudre toutes les étapes nécessaires, il suggère une réponse créée manuellement par l'un de nos Account Managers, offrant également une alternative générée par LLM pour accroître la personnalisation. Dans le cas où l'algorithme ne dispose pas de suffisamment d'informations pour finaliser le processus, mais a réussi à traiter certaines étapes, l'agent est directement orienté vers la première étape non traitée automatiquement. De plus, pour chaque étape sautée, l'agent reçoit un résumé justifiant les choix de l'algorithme. 

Soucieux de la protection des données personnelles, nous avons mis en place des mesures rigoureuses telles que l'anonymisation en temps réel des messages via une détection d’entités nommées très précise. Les données, ne contenant plus aucune information personnelle, peuvent ainsi être sauvegardées sans limite de temps et peuvent être envoyées vers le LLM de notre choix. Afin de garantir la qualité du travail de nos agents, un autre algorithme d'IA spécialisé analyse tous les messages envoyés et sélectionne ceux qu'il considère de qualité insuffisante. Cet algorithme transmet ainsi chaque semaine jusqu’à 10% des messages à notre équipe qui vérifie manuellement ces tickets et annote leur qualité. Cet outil est utilisé pour garantir un niveau de satisfaction client élevé et interviendra à moyen terme en contrôle d’Autopilot.

Notre algorithme coeur : Autopilot

Notre approche repose sur l'exploitation conjointe de modèles de langage à grande échelle et des techniques classiques de l’apprentissage supervisé. Pour ce faire, nous avons mis en place un enchaînement de modèles réentrainés de manière hebdomadaire intégrant ainsi les derniers tickets disponibles. 

Grâce à un algorithme d'augmentation de données, nous sommes en mesure de générer des données synthétiques, enrichissant ainsi notre ensemble d'apprentissage, même avec des échantillons relativement modestes. Trois points seulement peuvent suffire à notre algorithme pour appréhender un processus. Cette approche présente plusieurs avantages, notamment la possibilité d'intégrer de nouveaux clients rapidement et de prendre en compte les évolutions dans les processus clients avec réactivité. Chaque modèle est spécialisé dans une tâche précise et limité dans son domaine pour garantir sa pertinence. Nous combinons les LLMs, le RAG (Retrieval-Augmented Generation ) et la classification supervisée pour aboutir à des modèles performants. À chaque nœud de l'arbre de connaissance représentant le processus client, plusieurs modèles sont associés et sélectionnés par un mécanisme de vote. Ainsi, pour chaque client, plusieurs dizaines de modèles sont entraînés automatiquement, suivant des architectures et des contraintes définies dans le cadre de notre preuve de concept.

Nous mesurons la pertinence de notre algorithme via le % d’utilisation des suggestions par nos agents et sur la phase de POC nous atteignons 85% de suggestions qui sont les bonnes. Cette mesure s’oppose à la satisfaction client par son côté absolu et vérifiable.

Graphique 2 : Avec une précision moyenne de 85% et malgré un scope restreint de 2% des tickets prédits, notre preuve de concept “Autopilot” a déjà fait gagner plus de 3500 heures à nos agents. Nous ambitionnons de multiplier ce chiffre par 25 grâce à la mise à l’échelle de l’outil.

Conclusion : 

L'intégration d'Autopilot chez Onepilot a été une véritable révolution dans le domaine du traitement des tickets. Les résultats impressionnants obtenus dès le début de cette initiative témoignent de son efficacité incontestable. En poursuivant sur cette lancée, nous aspirons à redéfinir les standards de gestion de tickets pour nos clients, en leur offrant une expérience encore plus fluide et efficace. Avec Autopilot désormais disponible dans toutes les langues, nous sommes prêts à relever tous les défis, tout en maintenant notre engagement absolu envers la satisfaction de nos utilisateurs finaux.