Les volumes de demandes au service client augmentent et le taux d’attrition des agents atteint déjà près de 40 %. Or, ces tendances créent un effet boule de neige dans les centres de contact, ce qui peut avoir un impact négatif sur l’expérience client et le chiffre d’affaires.

Pour combler ces lacunes, les entreprises se tournent vers les bots. Mais alors que les chatbots traditionnels ont jusqu’ici permis d’améliorer les capacités de self-service, ils ont été conçus pour des objectifs plus restreints. Ces bots sont prédéfinis pour une tâche spécifique et offrent une flexibilité limitée.

Ils ne peuvent pas gérer l’ambiguïté comme un humain, discuter d’un sujet particulier ou personnaliser les informations en accord avec l’identité de votre marque. Le transfert de requêtes complexes à des conseillers humains est possible, mais sans aucun contexte, ce qui oblige les clients à se répéter — contribuant ainsi à une mauvaise expérience client.

Dernière évolution de l’IA conversationnelle, les agents virtuels boostent considérablement les capacités de self-service en apportant aux organisations davantage de contexte et d’adaptabilité pour étendre leur champ d’action. Au lieu de répondre uniquement à des entrées spécifiques, les agents virtuels utilisent l’IA et la compréhension du langage naturel pour interpréter les besoins des clients en temps réel, ajustant dynamiquement les réponses en fonction du flux de la conversation et capturant le contexte qui peut également être transmis à des agents humains.

Cela permet des interactions plus personnalisées et complexes que celles offertes par les chatbots fonctionnels. Et en plus de collaborer de manière fluide avec des agents humains lors des transitions, ils sont également formés pour exprimer de l’empathie envers vos clients.

Agents virtuels : la nouvelle frontière pour les bots traditionnels

Par le passé, les premières discussions sur l’implémentation d’un bot portaient sur sa fonction : Chatbot ou voicebot ? Et ensuite, quelles requêtes devra-t-il traiter ?

L’étape suivante consistait à déterminer le flux de tâches que le bot devait gérer — puis à concevoir ce flux.

Au bout de tous ces efforts, vous pouviez obtenir un bot correct, mais avec des limitations significatives. Si le bot rencontrait une question en dehors de son script prédéfini, il était bloqué. Il ne pouvait pas non plus apprendre à partir de nouvelles données, améliorer ses réponses au fil du temps ou comprendre le contexte d’une demande pour fournir des réponses plus pertinentes.

Les avancées dans la technologie d’IA, en particulier les grands modèles de langage (LLM) et l’IA générative, ont permis de mieux concrétiser le potentiel des agents virtuels pour les entreprises. Ils peuvent désormais adapter leurs réponses en apprenant des comportements des utilisateurs, tout en améliorant la personnalisation et l’efficacité.

Examinons six façons dont les agents virtuels font passer les bots traditionnels au niveau supérieur — et les avantages impressionnants que votre entreprise peut en attendre.

1. Définir des intentions qui vont au-delà des scripts statiques

Les agents virtuels élargissent considérablement le champ d’action des bots traditionnels. La première évolution notable réside dans l’intégration des intentions. Cela nécessitait auparavant une gestion minutieuse de chaque expression individuelle, avec des ajustements constants au fil du temps. Mais les LLM ont changé cela.

Il est désormais beaucoup plus simple de définir et de concevoir les étapes pour résoudre une tâche, grâce à une série d’actions basées sur des LLM dans un flux qui se concentre sur des activités très spécifiques. Ce design basé sur des flux garantit que votre solution se limite à ce pour quoi elle a été entraînée, tout en simplifiant et même en automatisant l’entraînement.

En résumé, vous fournissez une description d’une tâche, comme « collecter des informations » ou « trouver un article », et le LLM s’en charge. Cela rend la définition des intentions, des chemins et des flux plus polyvalente et naturelle qu’auparavant. Cette polyvalence permet aux agents virtuels de gérer des interactions plus complexes et même de pratiquer le « changement d’intention », adoptant une approche plus humaine dans la gestion des interactions.

Imaginons un client qui pose une question sur une fonction produit à un agent virtuel. Une fois que l’agent virtuel a répondu, le client peut poser une question totalement différente. À ce moment-là, l’agent virtuel peut passer de manière fluide en mode requête — et même se référer à la question initiale.

Le client interagit avec l’agent virtuel de la même manière que les conversations évoluent avec les humains, sans instructions spécifiques. L’agent virtuel peut également personnaliser sa réponse en fonction de la question précise — et citer la source pour vérifier l’information.

2. Transferts complets aux agents et aux systèmes CRM

Les chatbots ne peuvent pas capturer le contexte des interactions clients ni effectuer des transferts aussi bien que le font les agents virtuels. Lors des transferts, le bot ne fournit aucun résumé de l’interaction, ni aucune information contextuelle ou code de clôture de l’interaction qu’il vient de terminer avec un client.

Après une interaction, l’agent virtuel choisit la bonne marche à suivre. Si un agent humain doit prendre en charge une requête, l’agent virtuel peut créer un résumé et le transmettre dans le cadre de son escalade. Cela permet à l’agent humain de reprendre la conversation là où l’agent virtuel s’est arrêté. Résultat : les clients n’ont pas besoin de se répéter, ce qui améliore directement leur expérience.

En revanche, si la tâche a été entièrement réalisée par l’agent virtuel, celui-ci rédigera un résumé et attribuera un des codes de clôture prédéfinis à la conversation — en suivant la même procédure post-interaction qu’un agent humain.

De cette manière, il peut prendre en charge plusieurs tâches chronophages et rassembler des informations de manière cohérente. Dans les deux cas, l’agent virtuel enregistre les détails dans vos systèmes CRM afin que d’autres outils, agents virtuels, administrateurs et conseillers humains puissent les utiliser.

3. Visibilité sur les parcours client pour résoudre les problèmes de manière proactive

Les chatbots traditionnels ne peuvent généralement pas accéder aux analyses ni les utiliser pour identifier les lacunes dans le parcours client tout au long de son cycle de vie de ce dernier. Ils ne savent pas quelles informations pourraient manquer ou s’ils devraient essayer de les rechercher. Pour leur part, les agents virtuels peuvent identifier les éléments manquants dans chaque interaction et à travers plusieurs points de contact.

Les informations fournies sont directement actionnables, ce qui les distingue  des tableaux de bord métriquex traditionnelx, dont l’interprétation demande du temps. Les anticipations d’intention et les analyses de ressenti basées sur l’IA concrétisent les objectifs d’amélioration continue de l’expérience client et du centre de contact. Les données peuvent révéler les parcours les plus courants, les points d’abandon des clients et d’autres inefficacités à corriger pour améliorer les parcours.

Grâce à l’intégration avec les systèmes CRM, ces informations permettent d’optimiser les expériences client en déterminant de manière proactive les lacunes à combler pour améliorer la qualité du service fourni.

Virtual Agent Social Infographic_01
Virtual Agent Social Infographic_02
Virtual Agent Social Infographic_03

4. Les agents virtuels allègent considérablement la charge de travail

Malgré leurs capacités limitées, il faut beaucoup d’efforts pour que les chatbots fonctionnent correctement. Et ce travail nécessite des compétences techniques, notamment des équipes de data scientists. Cela représente une charge importante pour des talents spécialisés et difficiles à trouver. Les exigences d’entraînement des bots compliquent encore davantage la tâche.

Par contraste, les agents virtuels peuvent être conçus et déployés par des non-spécialistes. Nous utilisons un concepteur de flux visuel et no-code, piloté par la GenAI, les LLM et des services RAG (Retrieval-Augmented Generation) pour définir des intentions et créer des agents virtuels. L’interface par glisser-déposer permet à vos équipes de créer des workflows sophistiqués, adaptatifs et évolutifs. De plus, vous pouvez utiliser des phrases en langage courant dans vos flux au lieu d’instructions rigides devant suivre une formulation très spécifique.

Parce que Genesys Cloud effectue le gros du travail, notre approche réduit considérablement la charge sur les ressources de vos équipes.

Le plus important, c’est que vous pouvez vous inspirer des conversations de vos meilleurs agents et laisser l’IA définir un flux complet basé sur celles-ci. Vous gagnez ainsi un temps considérable tout en garantissant la réplication de vos interactions les plus réussies lors de vos futures échanges avec vos clients, tant par des agents humains que virtuels.

5. Les flux des agents virtuels sont conçus pour être réutilisables

Les agents virtuels éliminent le besoin de créer des flux de bots à partir de zéro, car les flux générés pour les agents virtuels sont réutilisables dans toutes les solutions Genesys Cloud™ AI, y compris Genesys Cloud Agent Copilot. Il n’est pas nécessaire de recréer des flux pour différents usages ou types de support sur les canaux numériques. Cela simplifie la maintenance et mobilise moins de ressources pour scalabiliser et optimiser les interactions, avec à la clé une hausse du retour sur investissement (ROI).

Genesys dispose de plusieurs décennies d’expérience dans la résolution de problématiques spécifiques aux centres de contact — tous secteurs confondus. Cette expertise nous a permis d’utiliser les dernières technologies d’IA pour concevoir et fournir des agents virtuels de nouvelle génération, dotés des fonctionnalités dont vous avez besoin pour servir vos clients. C’est une des manières dont nous nous distinguons des fournisseurs qui proposent des agents virtuels généralistes, non spécifiquement conçus pour les centres de contact.

Les données générées peuvent être réutilisées dans la mesure où nos agents virtuels gardent toujours l’humain dans la boucle. Ils escaladent de manière fluide les problèmes complexes vers des agents humains, en fournissant le contexte des interactions actuelles et passées. Ils permettent également une supervision humaine en temps réel, garantissant ainsi l’exactitude et la conformité des réponses générées par l’IA. Grâce à ce contrôle constant de l’humain, les données restent propres et sécurisées. Elles peuvent donc être réutilisées sans crainte.

Au fil du temps, vous continuerez à augmenter votre ROI, car vos données ne nécessiteront pas une vérification constante pour savoir si les processus sont optimaux, si les données sont exactes ou si vos performances sont bonnes. Nous avons intégré ces vérifications pour vous, directement dans l’agent virtuel.

6. Des protections de sécurité sont en place

Certaines entreprises lancent des initiatives d’IA en interne, comme la création de leurs propres GPT personnalisés, en supposant que leur expertise se traduira par une baisse des coûts. Bien que développer des GPT personnalisés pour un usage professionnel offre une certaine flexibilité, cela peut introduire des risques importants. Les questions de sécurité et de confidentialité des données sont des préoccupations majeures, en partie en raison des nombreux cas où l’IA a dérapé, faute de protections adéquates.

Selon McKinsey, l’IA générative devrait augmenter considérablement la productivité du travail dans tous les pans de l’économie. Automatisation des tâches, amélioration de la qualité et de la complexité des réponses, élimination des mises à jour continues… les agents virtuels peuvent contribuer à une augmentation de la productivité et du ROI pour votre centre de contact. Mais même eux ont des limites.

Par exemple, les modèles personnalisés peuvent produire des réponses inexactes ou biaisées, affectant la confiance des clients. Et il existe des risques éthiques liés à des réponses imprévues, inappropriées ou des hallucinations.

Genesys adopte une approche hybride pour les agents virtuels, combinant le meilleur des chatbots traditionnels basés sur des règles et des chatbots GPT. L’IA générative est intégrée à chaque étape, mais les tâches restent définies dans un flux. Cela réduit les risques et permet à l’IA de rester concentrée sur ses objectifs, tout en protégeant les données métiers et client lors de leur accès, analyse et partage.

Cet impératif essentiel sous-tend notre approche et nos protocoles en matière d’IA éthique. Ces protocoles couvrent les données utilisées par tous nos produits, par opposition à une protection des données conçue uniquement pour une solution spécifique.

Genesys forme également ses modèles intégrés à l’aide de données fiables, soigneusement sélectionnées et transverses à de multiples secteurs, langues, cas d’usage, dimensions et plus encore. La confidentialité se situe au cœur de nos principes de conception, garantissant ainsi la protection du droit à la vie privée dès la phase de développement, sans nécessiter d’ajouts ultérieurs.

Avec les agents virtuels, les bots deviennent des facteurs différenciants

La transformation des chatbots traditionnels en agents virtuels représente un progrès considérable et capable de créer rapidement de la valeur. Leur capacité à s’intégrer de manière transparente aux flux de bots existants, à gérer des interactions complexes et à offrir une visibilité approfondie sur les parcours client en fait un outil puissant pour améliorer les expériences client.

Fort de ses mesures de sécurité robustes des données et de sa charte d’IA éthique rigoureuse, Genesys vous permet de profiter rapidement des agents virtuels tout en appliquant les pratiques de sécurité existantes.

Découvrez tout ce que vous pouvez accomplir avec un agent virtuel Genesys.

* Certaines fonctionnalités mentionnées dans cet article seront disponibles prochainement.