IA et centres de contact : du libre-service à l’assistance des agents humains

L’intelligence artificielle transforme progressivement les centres de contact. Les systèmes automatisés ne se limitent plus aux menus vocaux demandant d’appuyer sur une touche ou aux robots conversationnels capables de traiter quelques questions prédéfinies. Les nouvelles générations d’agents IA peuvent comprendre des demandes formulées en langage naturel, consulter des bases de connaissances, interagir avec différents systèmes et transférer une conversation vers un employé lorsque la situation l’exige.

Cisco a présenté cette évolution au Sommet Comitti à travers Webex Contact Center, AI Agent et AI Assistant. Plusieurs démonstrations ont permis d’illustrer la manière dont un parcours peut commencer par un clavardage, se poursuivre au téléphone, faire intervenir un agent virtuel puis être transféré à un agent humain sans perdre nécessairement le contexte accumulé. L’automatisation ne concerne donc pas uniquement la prise en charge directe du client : elle peut également servir à assister les employés et à réduire le travail administratif associé aux interactions.

Les objectifs du centre de contact restent relativement constants

Les technologies évoluent, mais les attentes des clients demeurent familières : obtenir rapidement une réponse pertinente, éviter de répéter plusieurs fois les mêmes informations et pouvoir utiliser le canal qui correspond le mieux à la situation. Pour l’organisation, l’objectif consiste à traiter les demandes efficacement tout en maintenant un niveau de service cohérent.

L’intelligence artificielle ajoute de nouvelles possibilités à cette architecture. Un agent virtuel peut prendre en charge certaines demandes simples, tandis qu’un assistant peut accompagner l’employé humain pendant une conversation. Plusieurs agents logiciels spécialisés peuvent également collaborer entre eux lorsque la réalisation d’une tâche nécessite différentes compétences ou différents systèmes.

Cette distinction est importante. Un agent IA n’a pas nécessairement besoin de maîtriser tous les processus de l’entreprise. Une architecture peut utiliser plusieurs agents spécialisés : l’un répond aux questions générales, un autre consulte un calendrier et un troisième interagit avec une application métier. Leur orchestration permet de construire des parcours plus complexes.

La meilleure interaction peut parfois être celle qui n’a pas lieu

L’automatisation du centre de contact peut également intervenir avant que le client demande de l’aide. Les communications proactives permettent à une organisation d’utiliser les informations dont elle dispose pour prévenir une demande ou transmettre une solution avant l’appel.

Un exemple présenté concernait une réservation de voiture. Un voyageur arrive à destination et découvre seulement sur place que le véhicule prévu n’est pas disponible et qu’il doit se rendre chez un autre fournisseur. Si l’organisation dispose déjà de cette information, elle peut prévenir le client avant son arrivée à l’aide d’un message contenant les nouvelles instructions.

Le centre de contact ne doit donc pas être envisagé uniquement comme un environnement réactif. Une partie de l’expérience client peut être améliorée en supprimant la nécessité même de contacter le service lorsque l’information permettant de résoudre la situation est déjà disponible.

Maintenir le contexte lorsque le canal change

Les clients peuvent aujourd’hui utiliser la voix, le SMS, le courriel, le clavardage, WhatsApp ou différentes interfaces Web. La prise en charge de ces canaux constitue une première étape, mais elle ne suffit pas à créer une expérience véritablement omnicanale. Le principal enjeu est de conserver le contexte lorsque l’utilisateur passe de l’un à l’autre.

Une personne peut commencer par poser une question sur un site Web, poursuivre la conversation par téléphone et terminer avec un employé. Si chaque canal fonctionne indépendamment, le client doit fournir de nouveau les mêmes informations. Une architecture intégrée cherche au contraire à transmettre le contexte accumulé au fur et à mesure du parcours.

La démonstration présentée utilisait un scénario fictif d’agence de voyage. Après avoir rencontré un temps d’attente important auprès d’une première entreprise, le client consultait le site d’une autre agence et commençait son interaction par clavardage. Le caractère urgent de la demande était détecté et un passage vers la téléphonie était ensuite proposé.

Un agent virtuel peut également effectuer des actions

Une fois au téléphone, le client pouvait formuler sa demande en langage naturel et obtenir des informations sur différentes destinations. Lorsque le parcours nécessitait une opération plus spécialisée, l’interaction pouvait être confiée à un autre agent capable de consulter un calendrier en temps réel.

Le système ne se contentait donc pas de répondre à une question. Il pouvait vérifier des disponibilités, proposer un créneau puis créer un rendez-vous. Cette capacité distingue progressivement les agents IA des anciens systèmes de réponse automatisée. La compréhension de la demande devient le point de départ d’une action réalisée dans un autre système.

Cette architecture peut être étendue à de nombreux processus. Selon les intégrations disponibles et les permissions accordées, un agent pourrait consulter une commande, rechercher une information client, modifier un rendez-vous ou déclencher une autre opération sans demander à un employé de passer manuellement d’une application à l’autre.

Le CRM fournit une partie du contexte nécessaire

Pour personnaliser une interaction, le système doit pouvoir identifier le client et accéder aux informations appropriées. Le CRM joue donc un rôle important dans l’architecture du centre de contact. Il peut fournir l’historique de la relation, certaines informations de profil et le contexte des interactions précédentes.

Dans la démonstration, le système pouvait reconnaître l’utilisateur et adapter certaines parties de l’échange. Les agents pouvaient également lire ou écrire certaines informations dans le CRM selon leurs permissions.

Cette intégration devient particulièrement utile lors d’une escalade vers un employé. L’agent humain peut recevoir non seulement l’appel, mais aussi les informations déjà recueillies pendant les étapes automatisées. Le transfert devient alors une continuité du parcours plutôt qu’un nouveau départ.

L’agent humain reste nécessaire dans de nombreux scénarios

L’automatisation n’implique pas que chaque interaction doive être prise en charge intégralement par un agent virtuel. Certaines situations nécessitent davantage de jugement, d’expertise, d’empathie ou de responsabilité. Le client doit également pouvoir demander une intervention humaine lorsque le parcours automatisé ne répond pas à son besoin.

L’enjeu consiste alors à effectuer correctement l’escalade. Si un agent virtuel a déjà passé plusieurs minutes à recueillir des informations, celles-ci doivent pouvoir accompagner le transfert. Un résumé peut être généré afin que l’employé comprenne rapidement la situation et évite de demander au client de recommencer son explication.

Cette logique peut également s’appliquer lorsqu’une communication est interrompue. Si le client rappelle, les informations de la conversation précédente peuvent être utilisées pour reconstruire le contexte et accélérer la reprise du traitement.

AI Assistant accompagne l’employé pendant la conversation

L’agent IA qui communique directement avec le client ne doit pas être confondu avec l’assistant destiné aux employés du centre de contact. AI Assistant intervient comme un outil de soutien pendant le travail de l’agent humain. Il peut notamment produire une transcription en temps réel, fournir des informations contextuelles, générer un résumé ou rechercher des éléments pertinents dans la documentation.

Cette assistance peut réduire la quantité d’informations que l’employé doit rechercher manuellement tout en lui laissant la responsabilité de la conversation. Dans un environnement complexe, l’agent humain peut ainsi disposer de suggestions ou de connaissances complémentaires sans devoir placer le client en attente pendant qu’il navigue entre plusieurs applications.

L’intelligence artificielle peut également aider à maintenir la continuité pendant les transferts. Le nouvel agent dispose d’un résumé des éléments déjà discutés et peut reprendre la conversation avec davantage de contexte.

Automatiser une partie du travail après l’appel

Une interaction avec un client ne se termine pas toujours lorsque la communication prend fin. Les agents doivent souvent documenter ce qui s’est passé, sélectionner un motif de clôture, ajouter des notes et mettre à jour plusieurs systèmes. Ces tâches peuvent représenter une part importante du temps consacré à chaque dossier.

L’intelligence artificielle peut produire automatiquement une première synthèse et proposer certains éléments de classification. L’employé peut alors vérifier et corriger le résultat plutôt que de rédiger entièrement la documentation. L’objectif n’est pas nécessairement d’éliminer toute intervention humaine, mais de réduire le temps consacré à des tâches répétitives.

Cette automatisation peut également contribuer à améliorer la cohérence des informations enregistrées lorsque des structures communes sont utilisées pour les résumés ou les motifs de clôture.

La qualité doit également être mesurée pour les agents IA

Les centres de contact disposent depuis longtemps de mécanismes destinés à évaluer les interactions des agents humains. Échantillonnage d’appels, grilles de qualité et analyse de différents indicateurs permettent aux superviseurs d’identifier les problèmes et les besoins de formation.

Lorsque les agents virtuels prennent en charge une partie croissante des conversations, leur performance doit elle aussi être mesurée. Cisco a présenté AI Quality Management comme un moyen d’étendre certaines pratiques de gestion de la qualité aux interactions automatisées.

Cette évolution est logique : une organisation ne peut pas évaluer la qualité globale de son service uniquement à partir des conversations humaines si une partie importante du parcours est réalisée par des agents logiciels. Les taux de résolution, les escalades, les erreurs et la satisfaction associée aux parcours automatisés deviennent eux aussi des indicateurs à suivre.

Les garde-fous deviennent essentiels lorsque l’IA accède aux systèmes internes

Un agent connecté à un CRM, une base de connaissances ou d’autres applications peut disposer d’un accès important aux informations de l’entreprise. Il faut donc éviter qu’il utilise ou communique des données qui ne correspondent pas aux droits du client ou au contexte de l’interaction.

Les mécanismes de sécurité doivent s’appliquer aussi bien aux informations reçues par le système qu’aux réponses produites. La journalisation joue également un rôle important. Lorsqu’un agent effectue une action, les équipes doivent pouvoir déterminer quelles informations ont été consultées, quels outils ont été utilisés et quelle opération a été réalisée.

Cette traçabilité est particulièrement importante lorsque l’IA passe de la simple génération de texte à l’exécution d’actions dans les systèmes métiers. L’agent logiciel devient alors un acteur du système d’information dont les droits doivent être contrôlés de manière comparable à ceux d’autres identités numériques.

Flux scriptés et agents autonomes répondent à des besoins différents

Tous les parcours automatisés ne nécessitent pas un grand modèle de langage. Certains scénarios peuvent être traités efficacement avec des flux prédéfinis dans lesquels chaque étape est connue à l’avance. Cette approche offre un comportement prévisible et facilite le contrôle du résultat.

Les agents utilisant davantage l’intelligence artificielle générative peuvent être plus flexibles lorsqu’une demande peut être formulée de nombreuses manières ou lorsque le parcours ne peut pas être entièrement prévu. Cette souplesse introduit cependant d’autres considérations liées au coût, à la gouvernance et à la prévisibilité.

Le choix ne consiste donc pas nécessairement à remplacer tous les flux traditionnels par des agents IA. Une architecture de centre de contact peut combiner plusieurs approches selon la nature du processus et le niveau de contrôle recherché.

Le coût par interaction fait partie de l’analyse

La présentation comportait également un exemple comparant différents coûts de traitement. Les montants utilisés correspondaient à un cas précis et reposaient sur plusieurs hypothèses, notamment la durée des interactions, le volume de transactions et le coût des agents. Ils ne doivent donc pas être considérés comme des valeurs universelles.

L’exercice montrait néanmoins que les différents modes de traitement n’ont pas le même profil économique. Une communication proactive par SMS, une interaction avec un agent virtuel et un appel pris en charge par un employé présentent des coûts différents.

La décision ne peut toutefois pas être fondée uniquement sur ce critère. Une demande simple et répétitive peut être adaptée à l’automatisation, tandis qu’une situation complexe ou sensible peut nécessiter une intervention humaine même si son coût est supérieur.

Orchestrer l’automatisation et l’intervention humaine

L’évolution des centres de contact ne peut donc pas être résumée à la question du remplacement des agents humains. Les scénarios présentés montrent plutôt une répartition des rôles. Un agent virtuel peut traiter une demande simple et effectuer certaines opérations, un assistant IA peut accompagner l’employé pendant une conversation et un humain peut reprendre le parcours lorsqu’un niveau supplémentaire d’expertise ou d’empathie devient nécessaire.

Pour les équipes TI et les responsables de l’expérience client, l’enjeu consiste à déterminer où placer chacune de ces composantes et comment maintenir le contexte entre elles. Les intégrations avec le CRM, les bases de connaissances et les applications métiers deviennent aussi importantes que les interfaces de communication elles-mêmes.

L’intelligence artificielle devient ainsi une nouvelle couche d’orchestration du centre de contact. Sa valeur dépend moins de sa capacité à automatiser le plus grand nombre possible d’interactions que de sa capacité à intervenir au bon endroit, avec les bonnes données, les permissions appropriées et une transition cohérente vers l’humain lorsque celui-ci reste nécessaire.