Intelligence artificielle et service client : la forme du problème
Précédemment sur le blog d’Hubware : les données décrivent la réalité, et sont la matière première de l’apprentissage par les machines.
Or, un baril de pétrole ne vous explique pas comment marche un moteur à combustion interne. De même, avoir un tas de données ne nous dit pas comment une machine apprend.
À vrai dire, connaître le fonctionnement d’un moteur n’est pas suffisant pour en dessiner les plans. Passer de la théorie de l’intelligence artificielle à la pratique n’est pas évident.
Nous avons l’ambition, chez Hubware, d’injecter toute la puissance de l’IA dans le service client, de dépasser ses limites actuelles. Cela demande une bonne dose de réflexion sur la forme du problème à résoudre.
Voici notre méthode.
Système complexe, piège local
J’ai décrit l’apprentissage par la modélisation de la réalité : nous décrivons dans les grandes lignes la relation entre nos observations et le résultat voulu, et nous laissons la machine en préciser les détails grâce à un tas d’exemples.
Quelle est cette relation, pour le service client ? Peut-on la décrire simplement ?
Du point de vue d’un client, l’interaction avec un service après-vente, un secrétariat, un support technique, ressemble à ceci :
Du point de vue du conseiller, tout est très différent. Dans l’exemple (simplifié) d’un e-commerce :
Le conseiller, pour bien faire son travail, est en relation avec de nombreuses sources d’informations :
- le client, dont il faut comprendre le problème ;
- le système informatique (SI) de l’entreprise, qui indique ce que le client a acheté, le statut de ses livraisons, ses opérations, etc. ;
- le responsable du service, qui indique comment doivent être gérés les problèmes, et arbitre/redirige les cas ambigus.
Les chatbots les plus simples ignorent la partie droite du schéma et automatisent l’interaction, comme ceci :
Or, ce n’est pas suffisant ! Considérez les scénarios suivants :
- « Mon colis doit arriver sous 8 jours. Comment savoir où il se trouve ? »
- « Mon colis est en transit depuis 15 jours d’après le suivi colis. Où est-il ? »
- « Mon colis est arrivé hier en point relais d’après votre message, or il n’y était pas ce matin quand je suis allé le chercher. Où est-il ? »
- « Mon colis a été renvoyé à l’expéditeur car le point relais n’existe plus, mais je n’en ai pas été informé. Où est-il ? »
… parmi bien, bien d’autres.
Tous ces messages posent la même question : « où est mon colis ? » mais ne doivent surtout pas être répondus identiquement.
Impossible, même pour un humain, de répondre correctement sans contexte. Le monde réel est une source inépuisable d’imprévus et de complexité. Afin de résoudre un problème, une machine, tout comme l’humain, doit avoir accès à des données pertinentes. Si cela vous semble évident, gardez-le à l’esprit. Le mythe « il suffit d’ajouter plus d’exemples » a la vie dure. Il faut les bonnes données.
Une fois cette leçon retenue, votre essai suivant peut ressembler à ceci :
Dans le domaine de l’assistance personnelle, ceci correspond à Google Now, Siri (Apple) ou Alexa (Amazon) qui entend « Quel temps fera-t-il ce soir ? », comprend que la question concerne la météo en fin de journée, et fait ce que son programme lui indique de faire dans ces cas-là, à savoir envoyer une requête d’information au service météorologique du coin et à renvoyer la réponse.
C’est un processus qui marche merveilleusement bien, pour certaines tâches bien précises. Ce qui n’est pas le cas du service client dans le cas général.
Dans les cas atypiques, un humain peut toujours demander à son responsable, utiliser son bon sens, voire fournir une réponse personnalisée au client, ce qui prend un temps précieux.
Une machine, ne comprenant pas aussi bien le langage qu’un humain, échouera plus souvent à détecter ces anomalies, et répondra avec un message préformaté. La base de connaissances sur laquelle elle s’appuie doit être mise à jour régulièrement, augmentée d’exceptions et de particularités toujours plus nombreuses. Un enfer à maintenir.
Afin de gérer les cas ambigus, un humain doit être présent dans le processus de réponse. Le service client est encore loin d’être une tâche où l’humain peut se faire remplacer à performance égale.
Quel est l’intérêt de l’IA, alors ? Mettre les machines « en première ligne » et les humains en soutien ne facilite pas le travail de ces derniers. En leur « épargnant » les cas simples à résoudre, ils ne rencontrent que les problèmes les plus pénibles.
L’Assistance par l’augmentation
L’intelligence artificielle peut, et doit, mieux faire. Notre approche, chez Hubware, est la suivante :
Le client n’interagit plus avec une machine, mais avec un conseiller augmenté d’un Assistant. Ce que la machine déduit, le conseiller le voit. La machine ne se substitue pas à l’humain, mais le rend plus puissant. Le responsable interagit avec la combinaison des deux, ce qui ouvre de nouvelles possibilités.
Du point de vue de l’intelligence artificielle, le problème à résoudre change complètement.
L’objectif n’est plus d’aider directement le client, mais d’aider le conseiller à aider le client.
Si une machine navigue aisément dans le système d’information d’une entreprise, mais qu’elle ne peut rien en déduire, elle peut quand même en faire profiter le conseiller. La valeur de ces opérations n’est pas perdue.
L’intelligence artificielle peut ainsi intervenir sur chaque sous-tâche, chaque opération faite par le conseiller, dans tous les cas, au lieu de devoir résoudre un processus entier (en croisant les doigts pour que le cas soit simple).
Le service client d’une entreprise est un système complexe, faisant communiquer des rôles humains divers avec des interfaces multiples, afin de résoudre des problèmes variés. Le fonctionnement quotidien de ce service implique des douzaines de tâches différentes. Notre ambition est d’automatiser celles qui peuvent l’être.
Système complexe, vision globale
Un des nombreux avantages de mettre de l’IA partout où cela est possible, est qu’elle donne une vue transversale du service :
- Quels sont les types de messages les plus longs à traiter ?
- Comment les conseillers novices et expérimentés utilisent-ils leurs outils ?
- Quel est le degré de personnalisation des réponses ?
Il ne s’agit pas seulement d’un nombre de messages traités, d’un temps de réponse moyen, mais d’une vision précise sur le fonctionnement interne de votre système, une vue « sous le capot ».
Car, dans une vision globale du service client, chaque interaction, chaque processus compte, et les humains sont au cœur de cette activité.
Notez bien qu’ici, la machine est un outil d’analyse. Il s’agit de décomposer, de comprendre comment l’humain travaille, et bien sûr, les responsables d’un service pourront profiter de ces observations.
Il s’agit ensuite d’aller plus loin, de pointer les sources de pénibilité : passer d’une fenêtre à une autre pour chercher des informations ; copier-coller du texte ; détecter une question fréquente dans une masse de texte. Puis, de laisser la machine le faire pour vous.
Ces tâches sont dites de bas niveau. Elles sont partout, bien définies, et prennent un temps précieux par leur accumulation. Elles sont la clé d’une intelligence qui s’adapte.
Lorsque vous déménagez, vous n’avez pas à réapprendre à vous servir d’une table, d’un placard, d’une salle de bains : les « briques de base » sont les mêmes. Si un service évolue, que de nouvelles problématiques apparaissent, les tâches de bas niveau seront toujours là, et l’IA pourra s’adapter à ce nouveau fonctionnement.
Ces mêmes outils permettent également une plus grande créativité. Des réponses personnalisées, habituellement trop difficiles à harmoniser et à produire, seront accessibles grâce à l’assistance de la machine.
Autre avantage, la formation de nouveaux conseillers est accélérée par l’aide à la décision fournie par la machine, et par une prise en main facilitée des outils de l’entreprise.
L’intelligence artificielle, au lieu de « décharger » les conseillers, augmente leur contrôle, à chaque étape, pour chaque client, même dans les situations les plus difficiles.
La forme du problème
En début d’article, nous posions la question : peut-on décrire simplement la fonction d’un service client ?
La réponse est non. Nous voulons modéliser la réalité, mais celle-ci est complexe. Nous ne sommes pas face à un problème bien cadré comme un jeu d’échecs. Il y a ici des interactions nombreuses, un langage ambigu, des processus, des priorités plus ou moins bien définies.
Afin de permettre à l’IA de nous aider, nous devons accepter la forme du problème, pour mieux nous y adapter. L’IA intervient à plusieurs niveaux, partout où elle le peut, accompagnant l’humain à chaque étape de son travail.
Si l’idée vous paraît bonne… nous pouvons aller encore plus loin !
Comprendre et enrichir le travail d’un conseiller est une bonne chose. Nous voulons pousser cette logique jusqu’au bout : comprendre le métier du service client, assister conseillers et responsables dans leurs décisions, globalement.
Comment est-ce possible, alors qu’il y a tant de difficultés à comprendre le langage humain ? Alors que les machines sont encore incapables de reproduire la subtilité des décisions humaines ?
Nous insistons sur ce point :
l’intelligence artificielle n’est pas là pour se substituer aux humains, mais pour leur venir en aide là où elle le peut.
La marge de progression est immense sur ce domaine. Dans le service client, comme ailleurs.
L’IA n’est pas seulement une affaire de mathématiques, de volume de données et de puissance de calcul. C’est aussi une expertise, celle d’identifier et de résoudre le bon problème.
Dans notre prochain article, nous irons voir de plus près à quoi ressemble cette résolution, nos outils techniques et nos méthodes.
Ces sujets vous concernent ? Vous souhaitez en savoir plus ?
Contactez-nous dès maintenant !
En attendant, retrouvez nous sur Twitter, Facebook, LinkedIn et notre site hubwa.re !
☞ Si vous aimez cet article, 👏 ci-dessous.
