Votre IA a réussi tous les tests lors de la phase pilote. Trois mois après le lancement de la production, les réponses commencent discrètement à perdre de leur pertinence, sans que personne ne puisse dire exactement quand cela a commencé.
La gestion intelligente des connaissances utilise l'IA pour collecter, structurer, régir et maintenir les connaissances de l'entreprise sous la forme d'une couche opérationnelle dynamique à laquelle les équipes chargées de l'expérience client, les agents IA et les agents humains ont tous recours pour résoudre les interactions avec les clients.
La plupart des équipes chargées de l'expérience client disposent d'une base de connaissances. Rares sont celles qui ont mis en place une gestion des connaissances en matière de service client. C'est cette différence qui détermine si l'IA apporte des solutions, génère des informations erronées ou perd en efficacité.
Le référentiel semble en bon état. Les réponses, en revanche, révèlent une tout autre réalité. C'est précisément dans cet écart que la gestion intelligente des connaissances trouve toute sa raison d'être.
Points clés à retenir
- La gestion intelligente des connaissances ne se résume pas à une base de connaissances plus performante. Il s'agit d'un système qui collecte, structure, gère et maintient les connaissances de l'entreprise au service de l'IA appliquée à l'expérience client.
- Une base de connaissances stocke des articles. La gestion des connaissances permet de créer des « intents » contrôlés et prêts à l'emploi, auxquels les agents IA ont recours pour résoudre les interactions avec précision.
- La qualité de la couche de connaissances détermine tous les aspects en aval : la précision de l'IA, les taux d'hallucination, le taux de résolution dès le premier contact et la traçabilité.
- Sans maintenance autonome, la précision se dégrade progressivement après la mise en service, car le contenu source évolue plus rapidement que ne le permet n'importe quel cycle de révision manuelle.
- Vous souhaitez découvrir des intents gérés créés à partir de votre propre contenu ? Prenez rendez-vous pour une démonstration.
Qu'est-ce que la gestion intelligente des connaissances ?
La gestion intelligente des connaissances consiste à utiliser l'IA pour collecter du contenu d'entreprise provenant de multiples sources, le structurer en intentions et réponses réglementées, le diffuser via différents canaux et agents IA, et le mettre à jour en continu à mesure que le contenu source évolue.
Ce système va au-delà des bases de connaissances traditionnelles en organisant activement les connaissances : il génère automatiquement des intentions, relie chaque réponse à sa source et surveille les lacunes et les informations obsolètes.
Pour les équipes chargées de l'expérience client, c'est cette base qui détermine si les agents IA apportent des réponses précises, se contentent de réponses génériques ou font preuve d'erreurs de raisonnement.
Gestion des connaissances ou base de connaissances : l'erreur commise par les équipes chargées de l'expérience client
Ces deux termes sont souvent utilisés de manière interchangeable. Ils désignent pourtant des systèmes très différents, et c'est précisément dans cet écart qu'intervient l'échec discret de l'IA appliquée à l'expérience client.
Les 6 éléments clés d'un système intelligent de gestion des connaissances
Six fonctionnalités distinguent une gestion intelligente des connaissances d'un simple référentiel de contenu. Chacune d'entre elles est une exigence, et non une simple amélioration.
1. Importation multiformat
Les connaissances se trouvent sur les sites web, dans les documents, ainsi que dans les fichiers audio et vidéo. Une gestion intelligente des connaissances rassemble l'ensemble de ces éléments, y compris les contenus dynamiques et authentifiés, au sein d'une seule couche structurée.
2. Génération automatique d'intentions
Le système analyse le contenu source et génère des intentions structurées, accompagnées de projets de réponses et d'expressions types. Des centaines d'intentions sont préparées en quelques minutes, puis vérifiées par un humain.
3. Mise en relation des sources et gouvernance
Chaque intention est liée à sa source d'origine. Ce lien permet de retracer chaque réponse et de vérifier chaque décision, ce qui constitue la différence qui importe aux autorités de régulation.
4. Maintenance autonome et détection des écarts
Le système surveille les interactions en temps réel, signale les intentions qui échouent ou qui sont obsolètes, et met en évidence les sujets qui ne sont encore couverts par aucune intention. La maintenance devient ainsi continue, et non plus ponctuelle.
5. Une base de connaissances unifiée sur tous les canaux
La commande vocale, le chat et la recherche s'appuient sur les mêmes intents définis. Une même question obtient la même réponse partout, ce qui évite toute divergence entre les différents canaux.
6. Accès sans code pour les détenteurs de connaissances
Ce sont les experts du métier qui développent et gèrent directement les connaissances. Les responsables des centres d'appels et les spécialistes du contenu n'ont pas besoin d'attendre que les ingénieurs procèdent à une modification.
Comment évaluer l'efficacité de la gestion des connaissances en matière d'expérience client (CX)
La plupart des équipes évaluent l'IA sans tenir compte de la couche de connaissances qui la sous-tend. Ces indicateurs permettent de mettre en évidence les problèmes de qualité de la gestion des connaissances avant même qu'ils ne se traduisent par une baisse du taux de satisfaction client.
Pourquoi les équipes chargées de l'expérience client ont besoin dès maintenant d'une gestion intelligente des connaissances
La gestion des connaissances au service client était autrefois une tâche réservée aux services administratifs. Trois facteurs l'ont désormais placée au cœur de la stratégie d'expérience client.
Tout d'abord, une IA agentique nécessite une base de connaissances structurée. Les agents autonomes agissent en fonction de ce qu'ils savent ; par conséquent, si les connaissances ne sont pas structurées, leurs actions ne le sont pas non plus.
Deuxièmement, le risque d'hallucination augmente proportionnellement à l'adoption de la technologie. Plus l'IA gère d'interactions, plus il est fréquent qu'une réponse non contrôlée parvienne à un client. Les intentions contrôlées limitent ce risque à la source.
Ce lien est quantifiable. Selon SQM Group, chaque augmentation de 1 % du taux de résolution dès le premier contact permet de réduire les coûts d'exploitation de 1 %, et 93 % des clients s'attendent à ce que leur problème soit résolu dès le premier contact.
Troisièmement, la pression réglementaire s'intensifie. La traçabilité devient une condition préalable au déploiement, et seule une couche de connaissances où chaque réponse est reliée à sa source permet de déployer l'IA dans le domaine de l'expérience client (CX) soumis à une réglementation.
La banque M&T, par exemple, a centralisé son service client numérique sur la couche de résolution régie d'Encore, un type d'infrastructure qu'une base de connaissances statique ne peut pas offrir.
Le problème de la perte de connaissances : que se passe-t-il après la mise en service ?
Le schéma est toujours le même. L'IA est mise en service, son taux de précision est élevé, les responsables font état de résultats positifs. Trois mois plus tard, le taux de satisfaction client (CSAT) stagne et le nombre de réclamations augmente progressivement. L'IA continue de répondre, mais ses réponses sont obsolètes.
Cela s'explique par le fait que les bases de connaissances traditionnelles nécessitent une mise à jour manuelle à intervalles réguliers. Dans un centre d'appels traitant un volume élevé d'appels, le contenu source évolue trop rapidement pour qu'une révision manuelle puisse suivre le rythme, ce qui fait que la base de connaissances est toujours en retard.
La maintenance autonome est la solution : surveillance continue des interactions en temps réel, détection des lacunes pour les intentions manquantes, un moteur de mise à jour qui signale les intentions obsolètes lorsque le contenu change, et une validation en un clic qui publie directement les mises à jour.
Comment Encore assure une gestion intelligente des connaissances
Inbenta Encore considère la connaissance comme un produit à part entière, et non comme un simple élément d'entrée. Voici comment la plateforme met en place et assure la maintenance de la couche régulée.
L'ingénierie des connaissances est au cœur du système : les connaissances de l'entreprise sont structurées et gérées sous forme d'intentions d'IA prêtes à l'emploi, et non stockées sous forme d'articles. La plateforme s'appuie sur plusieurs fonctionnalités :
- L'ingestion intelligente utilise un robot d'indexation universel pour extraire des contenus complexes, dynamiques et authentifiés provenant de sites web, de documents, de fichiers audio, de vidéos et d'enregistrements vocaux.
- La génération automatique d'intents permet ensuite de créer des centaines d'intents en quelques minutes, réduisant ainsi de 90 % la charge de travail liée à l'ingénierie des connaissances.
- Une base de connaissances est créée de toutes pièces à chaque déploiement. Inbenta ne réutilise pas la formation d'un client pour un autre ; ainsi, l'IA s'adapte au langage propre à votre organisation.
- Une architecture axée sur la connaissance donne la priorité à la connaissance contrôlée. Inbenta Encore utilise les modèles de langage de grande envergure (LLM) à des fins d'orchestration et d'enrichissement, et non pour générer des réponses au moment de l'exécution.
- Elevate assure une maintenance autonome. Une analyse continue met en évidence les nouvelles intentions, les sources manquantes et les corrections d'escalade, et une validation en un clic permet de publier directement dans la base de connaissances.
- La gouvernance de type « Glass Box » permet de retracer chaque réponse jusqu'à l'intention qui la sous-tend et au contenu d'origine, grâce à une piste d'audit complète.
- Une plateforme « no-code » permet aux responsables de la base de connaissances, aux responsables de centres d'appels et aux spécialistes du contenu de gérer directement la couche de connaissances, sans dépendre des équipes techniques.
- Plus de 850 intégrations et plus de 800 connecteurs relient la couche de connaissances aux systèmes que vous utilisez déjà, sans qu'il soit nécessaire de tout remplacer.
- Plus de 90 langues sont générées automatiquement à partir d'une seule base de connaissances ; ainsi, toute modification apportée au contenu source se répercute instantanément partout.
Encore a remporté le TSIA Star Award pour sa couche de résolution gérée, récompensée lors de la conférence TSIA.
Découvrez comment votre contenu peut être transformé en intentions contrôlées. Réservez une démonstration.
Foire aux questions
En quoi l'IA améliore-t-elle la gestion des connaissances en matière d'expérience client ?
L'IA traite des contenus dans tous les formats, génère automatiquement des intentions réglementées, associe chaque réponse à sa source et met à jour la couche à mesure que le contenu évolue.
Cela transforme un référentiel statique en un système dynamique, ce qui permet aux agents d'IA de fournir des réponses précises au lieu de se contenter de deviner à partir d'informations partielles.
Qu'est-ce que l'ingénierie des connaissances ?
L'« ingénierie des connaissances » est le terme utilisé par Inbenta pour désigner la manière dont les connaissances de l'entreprise sont structurées et gérées afin de donner naissance à des intentions d'IA prêtes à être mises en production.
Il s'agit de la discipline consistant à transformer un contenu source en « intents » pré-validés et liés à la source, à partir desquels un agent IA peut trouver des réponses, afin qu'une base de connaissances IA apporte une réponse précise au lieu de renvoyer un article stocké.
Comment mesure-t-on l'efficacité de la gestion des connaissances ?
Suivre le taux de couverture des intentions, le taux de lacunes dans le contenu, l'actualité des connaissances, la corrélation entre les escalades et les lacunes, la résolution dès le premier contact et la cohérence entre les canaux.
Ensemble, ces indicateurs permettent de déterminer si la couche de connaissances évolue au même rythme que les besoins des clients avant que ces écarts ne se traduisent par une baisse du taux de satisfaction client (CSAT).
Qu'est-ce que la perte de connaissances et comment l'éviter ?
La « perte de connaissances » désigne la dégradation silencieuse de la précision de l'IA après son lancement, à mesure que le contenu source évolue et que de nouvelles questions apparaissent.
Vous pouvez éviter cela grâce à la maintenance autonome : une surveillance continue, la détection des écarts et un moteur de mise à jour qui actualise les intents lorsque le contenu change.
Pourquoi les équipes chargées de l'expérience client ont-elles besoin d'une gestion intelligente des connaissances pour les agents IA ?
Les agents d'IA agissent en fonction de ce qu'ils savent. Des connaissances non maîtrisées entraînent des actions incontrôlées, des hallucinations et des escalades.
La gestion intelligente des connaissances (KM) fournit aux agents des intentions réglementées et liées à leur source, ce qui garantit la précision et la traçabilité de la résolution autonome.
Une gestion intelligente des connaissances peut-elle fonctionner à la fois pour la voix, le chat et les e-mails ?
Oui. Une couche de connaissances unifiée prend en charge la voix, le chat, la recherche et l'e-mail à partir des mêmes intentions définies, de sorte qu'une même question obtienne la même réponse sur tous les canaux.
Prenez rendez-vous pour une démonstration à l'adresse afin de découvrir comment cela fonctionne sur l'ensemble de vos canaux.
Articles connexes
