IA et CRM, deux termes qui méritent d’être définis avant d’aller plus loin. Et pour ne pas perdre trop de temps là-dessus, soyons lapidaires. L’intelligence artificielle regroupe toutes les techniques permettant de simuler l’intelligence, les facultés de raisonnement. Côté CRM, focalisons-nous sur les outils qui soutiennent ou orchestrent la relation client.
Quelles facettes de l’intelligence artificielle utiliser en CRM ?
L’apprentissage est une composante majeure d’une IA utilisée dans le contexte d’une application professionnelle. Concrètement, le “robot” va proposer des solutions à des problèmes, en analyser l’efficacité et corriger la solution pour optimiser son taux de succès à la prochaine itération.
En CRM, les champs d’application sont nombreux. Nous, humains, avons créé ces activités. Nous ne pouvons pas imaginer autre chose que ce que notre cerveau nous prédispose à faire : apprendre.
Campagnes Marketing et intelligence artificielle
Le ciblage d’une opération de communication peut s’optimiser avec de l’apprentissage. Imaginez que vous envoyiez le même e-mail à vos clients tous les mois. Le premier mois vous ciblez tout le monde. Le modèle déduira des résultats le profil des clients qui y répondent favorablement. Le 2ème mois, celui-ci ne ciblera que les profils pertinents. Ils correspondront aux critères discriminants qui ont été observés lors de la première vague. Vous pourrez alors inventer un autres discours pour les clients non ciblés. Au bout d’un certain temps, vous aurez plusieurs communications, et vous pourrez laisser l’IA choisir à qui envoyer laquelle.
Vous pouvez imaginer aussi une communication type newsletter constituée de blocs à assembler, et laisser la machine choisir quelle combinaison pousser. Ainsi, vous atteignez le rêve de tout Marketeux : un contenu unique pour chaque client.
Reconnaissance vocale ou textuelle
La reconnaissance vocale, démocratisée par Google Assistant, Alexa, Cortana et Siri, exploite également l’IA. Elle permet de rendre possible les commandes vocales dans un serveur vocal interactif, à la place ou en complément de la composition par les touches. Le même mécanisme est décliné dans les chatbots, qui simulent la conversation écrite via messagerie instantanée.
D’autres acteurs utilisent la reconnaissance vocale pour de la recherche sémantique. Une conversation téléphonique est enregistrée, certains mots ou expression sont isolés et classifiés (ex : positif ou négatif). Egalement, le rythme de la conversation est analysé (les interlocuteurs se coupent-ils la parole ?), permettant d’identifier si celle-ci se déroule sereinement ou si le climat est tendu. Ainsi, les responsables de plateau d’appels identifient rapidement les bonnes et mauvaises pratiques, même quand le nombre d’appels est important. La classification sémantique permet de redresser les argumentaires pour obtenir plus de succès, ou éviter l’occurrence de certaines expressions chez le client (“vous êtes des nuls!”).
Enrichissement de base
Prenons l’exemple d’une base d’adresse e-mail que l’on veut nettoyer et corriger ses éléments erronés. Sans IA, on peut mettre des contrôles basiques comme le respect de la structure [email protected]. Mais pas beaucoup plus. Généralement, l’adresse est rejetée, rarement corrigée automatiquement.
Avec de l’IA, on peut comparer l’adresse au nom ou prénom, et tenter de corriger. Ex : je suis Nicolas Oyarbide, et mon adresse est [email protected]. Manifestement, je me suis endormi sur la lettre “l” en tapant mon adresse. L’IA pourrait le corriger, tenter une vérification après du serveur mail, et procéder par itération.
Attention aux “fausses” IA !
“Sky is the limit”… Les applications de l’intelligence robotique sont innombrables. Mais bien souvent, les logiciels B2B vendent des scripts en guise d’IA. Rien de très grave si l’entreprise cliente y trouve son bénéfice, néanmoins cela ne participe pas à une compréhension éclairée des technologies émergentes.
Par exemple, bien souvent on dénomme “chatbot” une arborescence de questions et de réponses prédéfinies, dans laquelle le client navigue comme sur un SVI. Si le client ne tape aucune phrase mais clique juste sur des choix pré-établis, ce n’est pas de l’IA. Si le client saisit quelques mots mais que seule l’expression exacte attendue déclenche l’étape suivante, alors il n’y a pas non plus d’intelligence (ex : “voulez-vous acheter ce produit ? – “oui svp, j’aurai une facture ?” – “Je n’ai pas compris, merci de répondre par oui ou par non”).
Les limites de l’intelligence artificielle
L’IA fait rêver les dirigeants avec la promesse de pouvoir se passer de service client à terme. Réduire le nombre de conseillers clientèle pour un même nombre de clients semble un objectif raisonnable. De bien des manières il est possible de traiter les raisons d’appels les plus fréquentes pour en réduire l’occurrence, comme orienter sur des FAQ bien conçues. Se passer complètement de support humain est encore illusoire.
Un modèle d’apprentissage a besoin d’un “tuteur” humain, connaisseur du métier. Si l’outil est correctement conçu, il répertorie toutes les situations où il n’a pas su réagir correctement. Un expert doit alors l’aider à comprendre ce qui lui a échappé, en élargissant notamment son vocabulaire. Exemple : le chatbot n’a pas su quoi faire de la réponse “yes bro”. Il faut lui indiquer que cela correspond à une validation. Plus le moteur sera exposé à des situations différentes, plus il sera autonome.
Le salaire d’une personne en mesure d’accompagner l’IA dans sa montée en compétence est supérieur à celui d’un chargé de clientèle. Donc les coûts dépassent l’économie générée à la mise en service. De plus, le bénéfice peut se faire attendre longtemps. Le moteur a besoin d’un grand nombre de sollicitations pour s’améliorer. Si les interactions sont rares, l’apprentissage sera long.
Comme bien souvent dans les projets informatiques, l’investissement se consomme immédiatement, les coûts récurrents prennent vite le relais. Le gain, lui, s’apprécie sur la durée. Soyez sûr(e) de votre business plan, et patient(e).