Comment l'IA d'un centre d'appels détermine-t-elle l'intention de l'appelant avant même que celui-ci ne pose sa question ?

L'IA des centres de contact détermine l'intention de l'appelant en faisant correspondre ce qu'il dit à un besoin client connu, associé à une solution. La plupart des systèmes prennent cette décision en temps réel. Encore, la plateforme d'IA d'Inbenta axée sur la connaissance pour l'expérience client, effectue la majeure partie du travail en amont, lors de l'intégration du contenu. Lors de cette intégration, Encore identifie les nombreuses façons dont un client pourrait poser chaque question et relie chacune d'entre elles à une réponse approuvée. Lorsqu'un appel arrive, il ne reste plus qu'à associer la réponse à la question.

Qu'est-ce que l'intention de l'appelant, et pourquoi est-ce elle qui détermine si un appel aboutit ?

L'intention de l'appelant, c'est le besoin qui se cache derrière ses mots, et c'est la première chose que l'IA d'un centre de contact doit réussir à cerner.

Prenons trois appelants. L'un dit : « On m'a facturé deux fois. » Un autre constate un double prélèvement sur son relevé. Un troisième veut savoir pourquoi vous avez prélevé son argent une nouvelle fois. Les mots sont différents, mais le problème et la solution sont les mêmes. Un bon système interprète ces trois demandes comme une seule et même requête : contester un double prélèvement.

Un système qui passe à côté de cela va échouer sans que vous vous en rendiez compte. Il donnera une réponse fluide à une question différente, dirigera l'appelant vers la mauvaise file d'attente ou lui demandera de recommencer depuis le début. Chacune de ces situations se solde par un transfert, un appel plus long et un client qui ne fera plus confiance au service automatisé la prochaine fois.

Comment la plupart des systèmes d'IA utilisés dans les centres d'appels déterminent-ils aujourd'hui l'intention de l'appelant ?

La plupart des systèmes d'IA utilisés dans les centres d'appels déterminent l'intention de l'appelant au moment de l'exécution, en recourant à l'une des deux approches suivantes.

L'approche traditionnelle consiste à classer les intentions à l'aide d'un modèle entraîné à classer chaque requête dans l'une des catégories d'une liste fixe. On établit une liste d'intentions et on alimente le modèle avec des dizaines, voire des centaines d'exemples de phrases pour chacune d'entre elles. Le modèle apprend à classer les nouvelles requêtes dans ces catégories. C'est ainsi qu'a été développée la première génération d'agents virtuels et de systèmes IVR axés sur le traitement du langage naturel (NLP), et, à l'intérieur du vocabulaire sur lequel il a été entraîné, cela fonctionne très bien. En dehors de ce vocabulaire, cependant, il rencontre des difficultés. Les clients s'expriment d'une manière que personne n'avait anticipée, et maintenir à jour les phrases d'entraînement devient une tâche sans fin.

Cette nouvelle approche soumet la transcription à un grand modèle linguistique et lui demande ce que souhaite l’appelant, souvent au cours de la même étape qui génère la réponse. Elle gère bien mieux les formulations inhabituelles. Le hic, c’est qu’elle regroupe deux décisions en une seule : ce dont l’appelant a besoin, et ce qu’il faut lui dire. Personne n’a validé ce résultat combiné au préalable. Et lorsque le modèle se trompe sur l’intention, vous n’entendrez pas de message d’erreur. Vous entendrez une réponse assurée à une question que l’appelant n’a jamais posée.

Ces deux approches déterminent l'intention après que l'appelant a parlé.

Que signifie « déterminer l'intention au moment de l'ingestion » ?

Déterminer l'intention dès le début du parcours client consiste à cerner les besoins des clients, ainsi que toutes les façons dont ils les expriment, avant même qu'ils n'appellent.

Lorsque Inbenta Encore analyse le contenu d’une entreprise — qu’il s’agisse de documents de politique, de pages de centre d’aide, de guides produit, de transcriptions d’appels, de bibliothèques SharePoint ou de systèmes tels que Salesforce et ServiceNow —, il organise ce contenu en « intents » régis par des règles. Pour chacun d’entre eux, Encore génère les différentes façons dont les clients réels sont susceptibles de formuler leur question et associe chaque formulation à une solution unique. Chez un constructeur automobile international, une seule ingestion de contenu exclusivement en anglais a généré plus de 25 000 intentions dans trois langues. La gouvernance intervient à ce même stade. Un deuxième modèle, indépendant, valide chaque réponse avant sa mise en ligne, puis un expert en la matière approuve la réponse. Cette approbation constitue alors la trace d’audit.

Que se passe-t-il lors de l'exécution lorsqu'un interlocuteur prend la parole ?

Lors de l'exécution, Inbenta Encore effectue deux étapes pour chaque question, mais aucune des deux ne génère la réponse.

Tout d'abord, Encore associe la requête à l'une des intentions définies lors de l'ingestion. Les formulations ayant été mappées au préalable, il s'agit d'une recherche parmi les besoins qu'il connaît déjà, et non d'une supposition sans repères.

Ensuite, un modèle linguistique vérifie que la question et la réponse associée correspondent, puis adapte la formulation pour qu’elle sonne naturellement dans la conversation. Le modèle détermine la manière dont la réponse est formulée. Le contenu de la réponse et sa provenance sont déterminés par l’intention approuvée. Le fait de séparer ces étapes contribue également à la rapidité d’Encore. Comme rien n’est rédigé à partir de zéro, il répond 2 à 3 fois plus vite qu’un appel standard à un modèle linguistique.

Comment l'IA d'un centre d'appels gère-t-elle un appelant qui formule deux demandes à la fois ?

L'IA d'un centre de contact doit traiter une demande en deux parties en associant chaque partie à son intention respective et en y répondant toutes les deux dans une seule réponse.

Les appelants posent rarement une seule question claire. « Je dois mettre à jour mon adresse et vérifier si ma carte a bien été expédiée » : voilà deux demandes formulées d'un seul souffle, et un système qui n'en enregistre qu'une seule laisse la moitié de l'appel sans réponse.

Les assistants IA d’Inbenta Encore fonctionnent comme plusieurs agents agissant à l’unisson ; ainsi, une seule interaction peut déclencher à la fois une mise à jour d’adresse et une vérification du statut de livraison, tandis que l’appelant n’entend qu’une seule réponse. Comme chaque partie de la demande dispose déjà de sa propre résolution approuvée, aucun modèle n’a besoin d’improviser un lien entre deux politiques.

Que doit faire l'IA d'un centre d'appels lorsqu'elle ne parvient pas à déterminer ce que souhaite l'appelant ?

Lorsque l'IA d'un centre d'appels n'est pas en mesure de déterminer ce que souhaite l'appelant, elle devrait le signaler et transférer l'appel à une personne capable de l'aider.

Un système conçu pour répondre à toutes les questions répondra même lorsqu'aucun contenu validé ne correspond à la question, et c'est de là que proviennent de nombreuses réponses erronées données avec assurance.

Inbenta Encore n'impose pas une correspondance peu pertinente. Si aucune intention prédéfinie ne correspond, l'assistant transmet la demande à un expert du domaine ou à un conseiller en direct et lui transmet l'intégralité de la conversation, afin que l'appelant n'ait pas à la répéter.

Chaque escalade met également en évidence une lacune dans les connaissances de votre organisation. Encore Elevate tire des enseignements des interactions réelles et met en évidence ce que la base de connaissances ne couvre pas encore, comme les nouvelles intentions, les sources manquantes et les acronymes non définis. Il rédige la mise à jour, qu’un opérateur publie d’un simple clic.

La précision de la reconnaissance vocale est-elle la même que celle de la reconnaissance d'intention ?

Non. La précision de la reconnaissance vocale indique si le système a bien entendu les mots. La précision de l'interprétation indique s'il a bien compris ce dont l'appelant avait besoin. Les fournisseurs citent souvent la première lorsque les acheteurs s'enquièrent de la seconde.

Un système vocal peut parfaitement transcrire « Je souhaite suspendre mon paiement » tout en orientant l'appel vers la solution inadaptée, car il ne fait pas la distinction entre une annulation de prélèvement automatique et une contestation de prélèvement par carte bancaire. La précision de l'intention, c'est-à-dire le fait que la réponse ait répondu ou non au besoin réel de l'appelant, est l'indicateur qui permet de déterminer si un appel aboutit à une résolution.

L'IA vocale d'Inbenta Encore prend en charge plus de 90 langues, et lors des programmes pilotes consacrés à l'IA vocale, la durée des appels a été réduite de 25 à 40 %. La précision des réponses est mesurée séparément : les assistants IA en production offrent une précision des réponses comprise entre 98 et 99 %. Quelle que soit l'IA vocale que vous évaluez, demandez au fournisseur quels sont les chiffres qu'il avance et comment il les a mesurés.

Combien de temps faut-il pour créer un ensemble d'intentions pour l'IA d'un centre de contact ?

Le temps nécessaire à la création d'un ensemble d'intentions dépend du fait que celles-ci soient rédigées manuellement ou générées à partir de votre contenu.

Avec un système basé sur un classificateur, c'est tout un projet : définir les intentions, rédiger les phrases d'entraînement, tester, réentraîner. Cela prend souvent des mois et nécessite du personnel spécialisé.

Avec Inbenta Encore, l'ensemble d'intentions est un sous-produit du processus d'ingestion. Un cycle dure entre 30 et 60 minutes sur un ensemble de contenus type, et un ensemble source complet est ingéré en une journée. Les premières réponses vérifiées arrivent le jour même, provenant d’une URL et d’un expert en la matière, et un assistant IA spécialisé est opérationnel de bout en bout en quelques jours. Les déploiements vocaux peuvent prendre jusqu’à 90 jours lorsque l’intégration téléphonique et la migration des flux d’appels sont incluses dans le périmètre, et la majeure partie de ce temps est consacrée à la connexion du système téléphonique.

Le rôle de l'expert métier consiste à vérifier et à valider. L'équipe CX effectue cette tâche via une interface Studio, sans avoir à écrire de code ni à créer de ticket informatique.

Quelles questions une équipe de centre de contact devrait-elle poser à un fournisseur au sujet de la détection des intentions ?

Cinq questions permettent de distinguer la détection d'intention qui fait ses preuves en production de celle qui ne fait bonne impression qu'en démonstration.

1. À quel moment l'intention est-elle déterminée : au moment de l'exécution, par un modèle analysant la transcription, ou au préalable, par rapport à un ensemble défini ?
2. Qui rédige les phrases de formation, et qui veille à leur mise à jour lorsque les produits et les politiques évoluent ?
3. L'étape qui permet d'identifier l'intention est-elle distincte de celle qui consiste à rédiger la réponse ?
4. Que se passe-t-il lorsqu'aucun résultat ne correspond : le système transmet-il la requête à un niveau supérieur en précisant le contexte, pose-t-il une question pour obtenir des précisions, ou donne-t-il quand même une réponse ?
5. Lorsque le fournisseur évoque la précision, s'agit-il de la reconnaissance vocale, de la précision de l'interprétation de l'intention ou de l'exactitude de la réponse, et sur quel ensemble de test ?

Pour une analyse plus approfondie des raisons justifiant ce travail en amont de l'interaction, y compris ses implications en matière d'hallucinations, consultez l'article « Comment prévenir les hallucinations de l'IA dans le service client : corrigez l'architecture, pas la consigne ». Pour comprendre pourquoi la recherche d'informations à elle seule ne suffit pas à combler cette lacune, consultez l'article « Le RAG est-il suffisant ? Pourquoi la recherche d'informations continue de générer des hallucinations dans le service client ».

Le moment où l'on est en ligne est le pire moment pour déterminer les besoins d'un client. Faites ce travail avant que le téléphone ne sonne.