Loin d’être une simple tendance, l’arrivée de l’intelligence artificielle est une véritable révolution pour la relation client. Elle représente désormais une opportunité pour les entreprises d’améliorer considérablement le service proposé aux usagers et consommateurs, en instaurant un parcours client réactif et sans couture.
Pour mieux comprendre le jargon utilisé, nous vous aidons à y voir plus clair à travers un décryptage des termes les plus utilisés qui suscitent un grand nombre d’interrogations.
Une Intelligence Artificielle orientée vers un parcours omnicanal
Le téléphone reste le canal le plus utilisé, et ce depuis de nombreuses années, par les clients et usagers qui attendent une réponse immédiate de la part des entreprises et organisations. Malheureusement, lignes saturées et temps d’attente longs, peuvent être particulièrement irritants, souvent à l’origine de frustration et d’insatisfaction profonde.
Grâce aux technologies développées, les solutions permettent de supprimer les tâches répétitives des conseillers pour les laisser se concentrer sur les tâches à forte valeur ajoutée.
Intelligence Artificielle ou IA ou AI
C’est une branche de l’informatique dédiée à la conception de machines capables d’effectuer des tâches comme l’apprentissage ou le raisonnement à la manière d’un cerveau humain. Le but est de parvenir à faire imiter par une machine les capacités cognitives d’un être humain. Techniquement, l’intelligence artificielle est une manière de programmer complètement à l’opposé de celle du développement classique. Au lieu de partir des règles pour aller vers les données on part des données pour aller vers les règles. Les algorithmes d’intelligence artificielle sont capables de conceptualiser des règles à partir de données.
Avec l’IA on apprend aux machines à apprendre, à reconnaître leur environnement et à atteindre des objectifs.
Il ne s’agit plus de coder les règles manuellement mais de laisser les ordinateurs les découvrir par corrélation et classification sur la base d’une quantité massive de données. Autrement dit, l’objectif de l’apprentissage automatique n’est pas réellement d’acquérir des connaissances déjà formalisées mais de comprendre la structure de données et de l’intégrer dans des modèles, notamment pour automatiser des tâches.
L’intelligence artificielle se base sur des algorithmes de Machine Learning et de Deep Learning.
Machine Learning
Auparavant, on programmait des règles pour imiter l’intelligence humaine, les développeurs tentaient d’apprendre aux ordinateurs les moindres détails de chaque décision qu’ils devaient prendre.
Par exemple, pour qu’une machine soit capable de reconnaître un oiseau, on construisait des règles de reconnaissance telles que c’est un animal à deux pattes, avec des ailes, des plumes et qui vole. A l’inverse, en utilisant l’intelligence artificielle et les algorithmes de Machine Learning, on fournira à la machine une quantité énorme d’images d’oiseaux en lui spécifiant que chaque image représente un oiseau, c’est ce que l’on appelle entraîner l’algorithme. Charge ensuite à l’ordinateur de les analyser afin de déterminer les caractéristiques communes des ces images pour acquérir la capacité de reconnaître par lui-même un oiseau en analysant une nouvelle image.
Le Machine Learning est un ensemble d’algorithmes d’apprentissage statistique programmé pour chercher les relations entre des données.
Deep learning
Le Deep Learning est un sous-ensemble du Machine Learning. Il résulte de la combinaison de l’appropriation de la connaissance des réseaux neuronaux et de l’ascension de puissance de calcul des ordinateurs, devenue disponible à moindre coût. La machine apprend toujours à partir de données mais elle s’inspire du fonctionnement des neurones et des synapses du cerveau humain en faisant appel à plusieurs couches de traitement, chacune intégrant progressivement des représentations de données de plus en plus complexes. Le deep learning est une véritable révolution dans la reconnaissance visuelle et le traitement du langage naturel par exemple.
L’intelligence artificielle a permis de révolutionner la relation humain-machine en s’appropriant des compétences jusqu’alors réservées aux humains : la compréhension et l’utilisation du langage naturel, la traduction, la reconnaissance de la parole, etc.
Conseiller hybride ou conseiller augmenté
C’est la faculté du bot à pouvoir traiter une partie de l’appel et à le basculer vers un conseiller physique si cela est nécessaire. Mais aussi d’apporter au conseiller des éléments de réponse au fil de la conversation grâce à l’analyse des data. Ce qui lui permet de gagner en efficacité et en pertinence dans sa relation client.
Superviseur augmenté
C’est une technologie basée sur l’intelligence artificielle permettant une supervision en temps réel de l’ensemble des conversations gérées par l’agent conversationnel. Le superviseur augmenté consiste en une mesure automatique et qualitative des conversations.
Cette solution génératrice de valeur permet aux superviseurs soit d’identifier les conversations à risque pour les reprendre ou les transférer, soit au contraire de capitaliser sur les bonnes pratiques.
Intelligence Artificielle Conversationnelle
L’intelligence artificielle permet désormais de mettre en place un système de reconnaissance de la parole et plus généralement des mots associés à des bots conversationnels afin d’améliorer l’expérience client.
Avec un conseiller ou avec un bot, les utilisateurs veulent dialoguer avec leur service client comme ils parlent au quotidien, c’est-à-dire en langage « naturel», pas dans un langage de machine ou de robot.
Pour fonctionner et instaurer un dialogue fluide, les technologies ont recours à un système de traitement du langage naturel. C’est le moment d’en apprendre plus sur son fonctionnement.
NLP
Le NLP ou « Natural Language Processing » est un ensemble de solutions de reconnaissance textuelle qui permet de comprendre les mots et les phrases formulées par les utilisateurs. Le but étant de comprendre un besoin et d’y répondre.
Concrètement, le NLP permet de comprendre ce que l’humain dit, de traiter la donnée qui est dans le message et d’y apporter une réponse en langage naturel
NLU
Le Natural Language Understanding (NLU) consiste à prendre un texte écrit ou prononcé en langage naturel et à en comprendre les intentions. Il s’agit donc d’un sous-ensemble du NLP.
Le NLP interprète littéralement ce que le client dit ou écrit, alors que le NLU identifie les intentions et la signification profonde.
Intelligence Artificielle paralinguistique
L’IA paralinguistique consiste à utiliser l’IA pour détecter des caractéristiques de la personne autre que le contenu verbal prononcé : l’âge, le genre, la tonalité ou encore les émotions d’une conversation écrite ou orale.
L’IA émotionnelle
L’IA émotionnelle est un des aspects de l’IA paralinguistique mais sûrement l’un des plus complexes et passionnants.
Elle se définit par la capacité à détecter un état émotionnel (la colère, le stress, la joie, l’agacement…) et à raisonner en prenant en compte ces émotions .
Les robots n’étant pas des humains, ils ne sont pas naturellement dotés d’empathie. L’IA émotionnelle pallie cela et introduit la gestion des émotions dans les conversations humain-machine afin de répondre de manière plus adaptée aux besoins du client en prenant en compte son état d’esprit. Concrètement s’il est en colère ou encore dans une situation de stress intense, le bot l’orientera instantanément vers un humain. De la même manière, à l’écrit, en utilisant les verbatims et les mots employés par le client, le bot peut en déduire un état émotionnel pour y apporter une réponse contextualisée.