74 % des entreprises françaises considèrent les chatbots comme un levier de transformation digitale et plus d’un tiers en ont déjà déployé un. En 2020, 80 % d’entre elles pourraient ainsi utiliser un assistant conversationnel. Un déploiement massif qui fait écho aux usages des consommateurs : 69 % privilégient en effet le bot à un échange humain. Principal avantage perçu : le gain de temps. Un atout non négligeable face à l’exigence du temps réel imposée par des marchés de plus en plus sous pression. Pour répondre à cette attente, les entreprises doivent accélérer l’automatisation de leurs processus métiers. Mais attention aux écueils lors du passage à l’échelle.
64 % des entreprises en France font de l’automatisation une priorité. De même, 74 % des entités connaissant la Robotic Process Automatisation (RPA) ont même déjà engagé une réflexion ou un projet d’intégration. Appliqués aux départements IT, financiers ou RH, la RPA permettrait ainsi de reproduire un traitement manuel sur des volumes de données de plus en plus importants. Des chiffres qui restent toutefois à relativiser car près d’une entreprise sur trois (29 %) compte toujours moins de 50 % de processus automatisés.
Automatisation métier – NLP : la genèse de l’agent virtuel
Si la technologie n’est pas un concept récent, elle atteint aujourd’hui une maturité suffisante pour favoriser un haut niveau de compréhension des besoins utilisateurs. Comment ? Grâce au traitement naturel du langage (NLP ou Natural Language Processing). Il devient ainsi possible d’échanger avec la machine et d’aboutir à une nouvelle technologie : l’assistant conversationnel. À la clé : la capacité à exécuter des scripts RPA et à automatiser un nombre croissant de questions à l’image de ClaudIA, l'assistante virtuelle des utilisateurs de Chorus Pro par l’AIFE (Agence pour l’Informatique Financière de l’État).
Lancé en 2017, le chatbot couvrait dès l’année suivante la totalité des thématiques rencontrées par les utilisateurs, et se montrait capable de traiter deux tiers des sollicitations. Objectif 2020 : atteindre 90 %. Il semble loin le temps où la banque en ligne suédoise Nordnet avait symboliquement "licencié" son bot, Amelia, pour incompétence… ou plus exactement son incapacité à répondre aux attentes client. La faute à un manque d’apprentissage. Résultat, le robot s’est rapidement révélé inapte à répondre aux questions qui lui étaient posées.
Comment créer le meilleur assistant conversationnel ?
C’est là que réside toute la complexité d’un assistant conversationnel : mal conçu ou insuffisamment "éduqué" en amont, il peut rapidement s’avérer contreproductif. C’est pourquoi il est indispensable de modéliser le dialogue, d’anticiper les différentes questions et de lui apprendre quelle réponse apporter.
En ce sens, la plupart des solutions du marché reposent sur le concept de l’arbre de décision. Grâce au machine learning, le système détecte l’intention de l’utilisateur, la classe, identifie les "entités" (c’est-à-dire les mots importants contenus dans les phrases) et généralise la réponse à apporter, soit directement, soit en posant d’autres questions visant à obtenir plus de précisions. C’est sur cette approche que se construit le dialogue.
Dès lors, cinq typologies d’assistants apparaissent : les bots e-commerce, les bots de support, les bots informationnels, les bots formulaires et les bots de recherche. Quels sont alors les éléments à prendre en compte pour créer votre assistant virtuel ? Première étape : repérer quelles sont les questions les plus fréquentes – via les FAQ, les tickets support par exemple. Une fois triées et catégorisées, vous devez automatiser 20 % d’entre elles (20 % des questions couvrant en moyenne 80 % de la volumétrie totale des demandes).
Ensuite, il est nécessaire de modéliser les réponses : ai-je besoin d’informations complémentaires ou puis-je répondre directement ? La phrase correspond-elle déjà à une intention détectée ou s’agit-il d’un nouveau domaine ? Enfin, cette question est-elle ponctuelle ou hors contexte ? Quelle que soit la demande, il est important de suivre un principe conducteur : apporter une réponse courte.
De l’expérimentation au passage à l’échelle
Une fois ces deux premières étapes effectuées, vous êtes prêts à passer à l’échelle. Néanmoins, prenez soin d’ancrer votre système dans un processus d’amélioration continue. En effet, le système ne peut vivre de lui-même et doit en permanence être optimisé afin d’enrichir le dialogue et d’apporter des réponses de plus en plus précises. Les trois règles d’or de votre assistant conversationnel ? Définir un persona, nommer votre bot et indiquer dès la connexion son périmètre d’intervention.
Une vision globale qui permet de répondre aux enjeux de proximité et de personnalisation de plus en plus poussés auxquels les entreprises se trouvent confrontées, notamment en temps de crise. Les assistants virtuels tendent ainsi à s’imposer dans les années à venir comme le compagnon privilégié des consommateurs. Un "clone virtuel" capable de connaître précisément le profil de l’utilisateur et son contexte.
La technique ne peut résoudre à elle seule l’adoption des assistants virtuels. C’est par l’usage qu’ils vont se répandre et devenir indispensables. C’est pourquoi les entreprises se doivent de mettre en place des bots capables de communiquer avec l’ensemble des domaines et d’industrialiser l’expérience acquise. Elles doivent alors décider en amont de leur projet de séparer chaque système ou de déployer un maître bot qui agira tel un routeur capable, selon la question, d’orienter l’utilisateur vers le robot métier concerné. Un point critique que vous devez anticiper lors du passage à l’échelle au regard de la diversité et de la volumétrie de questions envisagées, et qui déterminera le succès de votre projet… ou son échec.