Les essentiels du webinaire « Améliorer le support client grâce à l’IA générative »

Lors de notre dernier webinaire intitulé « Améliorer le support client grâce à l’IA générative », nous avons vu comment l’IA peut transformer les pratiques métiers en renforçant la précision des interactions. Voici un récapitulatif des points importants de cette présentation.

Le potentiel de l’IA dans la relation client est particulièrement prometteur. Pour cela, celle-ci doit être adossée à une base de connaissances afin de permettre des réponses basées sur des données précises.

1 – Répondre aux besoins de la relation client

Travailler sur des ensembles de documents 

Par défaut l’IA ne travaille que sur ce qui est indiqué dans un prompt. Elle ne connait rien des données internes, privées. Il faut donc lui indiquer à partir de quels documents travailler ; d’autant que les éditeurs d’IA s’engagent à ne pas conserver de données clients. Celles-ci doivent donc être stockées en interne.

Or, il est souvent difficile de savoir où et comment aller les chercher.  Ex : des informations dont les commerciaux ont besoin — historique des échanges, comptes-rendus de réunions, informations produits, marché… Tout cela implique de pouvoir choisir précisément les documents sur lesquels l’IA doit travailler. Or, ces documents sont potentiellement issus de plusieurs sources : CRM, SIRH, bases de données, documents commerciaux… Cette diversité de sources nécessite de décloisonner l’information – en toute confidentialité bien sûr – afin de traiter de problématiques transversales.

Traiter de problématiques transversales

Au-delà de la relation client, sont concernés la gestion de projets, la gestion des collaborateurs, la formation… Je pense aussi à tout ce qui est pilotage de la performance : analyses, synthèses, tendances, benchmark. Toutes ces tâches impliquent de croiser des sources d’information, d’historiser, de travailler sur des ensembles précis de documents…

Exploiter l’IA nécessite donc d’intégrer l’ensemble sources nécessaires aux métiers – CRM, SIRH, GED, bases de données, portails d’entreprise… — mais aussi des sources externes non publiques telles que des documents clients, fournisseurs, études…

2 – Intégrer l’IA dans une organisation de travail

Faciliter la collaboration sur les problématiques transversales que je viens d’évoquer, mais aussi intégrer dans la base de connaissances des documents générés par l’IA. Je pense par exemple à des analyses récurrentes, afin de ne pas multiplier les appels à l’IA et de permettre à d’autres utilisateurs, voire même à l’IA de les réutiliser : analyses sur les produits, les clients, mais aussi images d’illustration, dont la création est très gourmande en ressources informatiques. Les documents générés par l’IA doivent pouvoir être exploités par d’autres utilisateurs.

Mutualiser des éléments de dossiers, communs à plusieurs thématiques : introductions types, présentations de produits, documents de référence à utiliser par l’IA pour mettre en forme sa réponse.

3 – Optimiser les coûts d’exploitation

Optimiser la volumétrie des échanges avec l’IA

Utiliser l’IA a un coût, lié au nombre de mots échangés à la fois pour son entrainement, mais aussi générés dans sa réponse. Il est donc impératif d’optimiser cette volumétrie. On pourra par exemple remplacer des documents volumineux par des synthèses générées par l’IA elle-même, ou stocker des réponses générées par l’IA pour ne pas devoir répéter les mêmes questions.  On pourra aussi optimiser le volume d’information envoyé à l’IA grâce à l’indexation unifiée des contenus dans la base de connaissances et au moteur de recherche.

Simplifier les interfaces en réduisant les appels vers les systèmes sources — requêtes dans des bases de données et bases documentaires.

4 – Garantir la confidentialité des informations

Gérer les droits d’accès à la base de connaissances en lien par exemple avec un annuaire d’entreprise, ou avec les droits déjà attribués dans les sources documentaires.

Comment alors structurer l’information ?

L’objectif est de faciliter la recherche d’information. Comme pour la data, on a choisi de privilégier le principe de l’indexation analytique. Elle consiste à catégoriser l’information par produit, client, marché, fonction… Chaque utilisateur peut alors, grâce au moteur de recherche, indiquer précisément à l’IA le corpus de travail à partir duquel travailler. 

En conclusion

L’intégration de l’IA générative dans les processus métiers offre des avantages indéniables en termes de productivité, de qualité des réponses et de réduction des coûts d’exploitation. Pour tirer pleinement parti de cette technologie, il est crucial de l’adosser à une base de connaissances correctement structurée.

— Franck Gryson, Fondateur