Depuis quelques années, l'intelligence artificielle générative transforme notre façon d'apprendre, d'écrire, de programmer et d'effectuer des tâches analytiques. Récemment, le marché a été inondé de nouveaux outils d'automatisation et de service à la clientèle basés sur l'IA. Ces solutions promettent de prendre en charge les questions et les tâches récurrentes et parfois fastidieuses qui surchargent souvent les agents du service à la clientèle du commerce électronique, leur permettant ainsi de se concentrer sur des enjeux plus complexes ou sur les clients VIP.

Cependant, ces solutions sont éclipsées par une offre plus récente et plus sophistiquée : l'IA agentive. Les détaillants en ligne peuvent maintenant déployer des agents virtuels intelligents qui non seulement répondent aux questions, mais qui sont aussi capables de raisonner, d'agir et de s'améliorer au fil du temps. Ces agents visent à réduire le nombre de billets, à soutenir la croissance de votre entreprise, à diminuer les coûts de service et à satisfaire tant vos clients que vos employés.

Dans cet article, nous verrons en quoi l'IA agentive se distingue des "simples" agents conversationnels que vous avez déjà vus. Nous explorerons aussi le fonctionnement d'une stratégie à deux agents — un pour les clients, un pour les employés — dans des contextes de commerce électronique réels, et ce qu'il faut pour mettre en œuvre une pile technologique capable d'offrir un soutien 24/7 qui résout réellement les problèmes et agit de manière autonome en votre nom.

Qu'est-ce que l'IA agentive en service à la clientèle?

Le marché regorge d'agents conversationnels pour le service à la clientèle basés sur les grands modèles de langage (LLM). Ces outils peuvent apprendre de la base de connaissances et de la documentation de votre entreprise pour répondre avec précision aux demandes courantes et accomplir des actions simples, comme annuler une commande, en votre nom. Les assistants d'IA agentive, pour leur part, poussent cette idée à un tout autre niveau.

Ils se distinguent des assistants d'IA traditionnels par leur capacité à conserver une mémoire entre les sessions, à raisonner de manière indépendante et à lancer des actions. Ils traitent les demandes des clients et des employés, en discernant l'intention et le contexte, et peuvent poser des questions de clarification lorsque l'information est insuffisante.

Les assistants agentifs peuvent répondre aux demandes, faire de l'analyse des sentiments, établir des relations avec la clientèle et améliorer la satisfaction des clients, tout en accomplissant de manière autonome des tâches complexes, ce que les outils d'IA ou de LLM conventionnels ne peuvent pas faire seuls.

Pourquoi le service à la clientèle a besoin d'une transformation IA?

Les clients s'attendent à de l'aide sur n'importe quel canal, à tout moment. En fait, 74 % des clients ont utilisé plusieurs canaux pour commencer et terminer une transaction, et 76 % s'attendent à des interactions uniformes sur tous ces canaux.

Ils préfèrent aussi de plus en plus les options de libre-service. 81 % des consommateurs préfèrent recourir au libre-service pour les questions simples. Une solution d'IA omnicanale est donc essentielle pour rejoindre les clients où qu'ils soient et leur fournir des réponses instantanées et précises en tout temps.

Du côté des agents, ces professionnels sont de plus en plus victimes d'épuisement professionnel en raison du grand volume et de la nature souvent monotone des demandes. Quand une partie de l'interaction s'attend à des expériences personnalisées 24/7 sur tous les canaux, et que l'autre peine à répondre à cette demande, il faut que quelque chose change.

Nous n'avons même pas abordé les économies et l'efficacité opérationnelle qu'une solution agentive peut apporter à une entreprise. Le traitement numérique des demandes par l'IA est considérablement moins cher que d'offrir un service en direct. De plus, le réacheminement des appels et la prise en charge automatisée des clavardages peuvent réduire les coûts d'exploitation.

Il est également plus économique de conserver quelques agents humains hautement qualifiés et expérimentés, plutôt que de payer des dizaines d'agents de centre d'appels débutants pour gérer les mêmes questions, jour après jour.

La stratégie à deux agents : deux assistants IA pour deux publics

Quand les gens pensent à l'IA agentive, ils imaginent généralement une IA conversationnelle pour le soutien à la clientèle : des agents virtuels qui imitent les humains en leur capacité à gérer les conversations et à effectuer des actions en leur nom. Or, l'IA agentive a un autre aspect que nous n'avons pas encore abordé : l'agent destiné aux employés.

Voici en quoi ces deux types d'assistants IA diffèrent et peuvent travailler de concert pour résoudre des problèmes complexes pour votre entreprise.

L'agent grand public : un soutien client 24/7 sur tous les canaux

Il s'agit de l'agent conversationnel ou de l'assistant vocal public qui interagit avec les consommateurs sur votre site web, votre application mobile, vos médias sociaux ou votre ligne téléphonique. Il est formé pour traiter les demandes des clients, de la recherche de produits au suivi de commandes.

Il doit être courtois, serviable et capable de guider le client. Il doit aussi être doté de dispositifs de sécurité intégrés (pour éviter d'exposer des informations sensibles, par exemple) et avoir la capacité de transférer l'appel à un agent humain sur demande ou lorsqu'il atteint ses limites.

Si une question est trop complexe ou si le client est frustré, l'IA transférera sans heurts la conversation à un agent en direct. En utilisant un centre de service intégré, l'agent virtuel peut créer un billet ou transférer le clavardage, tout en conservant le contexte de la conversation.

Cet agent peut être accessible sur le clavardage de votre site web, votre application mobile, Facebook Messenger, WhatsApp et même par l'entremise de la voix sur votre ligne téléphonique de soutien. Les clients d'aujourd'hui utilisent plusieurs points de contact, et ils s'attendent à une expérience transparente sur chacun d'eux.

Offrir un véritable agent conversationnel omnicanal signifie qu'un client pourrait commencer à clavarder sur votre site et appeler plus tard par téléphone. L'agent virtuel devrait gérer les deux interactions de manière cohérente, en se souvenant du client et de l'enjeu pour lequel il avait contacté l'entreprise au départ.

Grâce à son intégration aux systèmes d'arrière-plan, l'agent peut effectuer des recherches en direct pour obtenir des informations comme le statut de la commande, l'état de la livraison, le nombre d'articles en inventaire ou les informations du compte. Par exemple, un client peut demander : « Où est ma commande? », et l'agent peut récupérer les dernières informations de suivi de votre système de gestion des commandes (OMS) et répondre avec la date et le statut.

L'agent destiné aux employés : optimiser vos équipes en magasin et de soutien

Il s'agit d'un assistant d'IA interne intégré aux outils qu'utilise votre équipe, comme votre système de PDV ou de GRC. C'est comme donner à chaque employé un assistant personnel : ils peuvent lui poser des questions sur les produits, l'inventaire ou les politiques, et obtenir des réponses instantanées. L'agent a accès à des données internes confidentielles, comme les niveaux de stock, les données clients ou l'historique de leurs commandes, ou encore à des documents de procédures opérationnelles normalisées (PON) que vous ne souhaiteriez pas rendre publics.

Son ton peut être plus direct et efficace, puisqu'il s'adresse à du personnel qualifié. En le séparant de l'agent client, vous assurez la sécurité (les clients ne peuvent pas interroger indirectement les données internes) et vous pouvez adapter sa base de connaissances aux besoins des employés.

Comme cet agent est interne, il peut avoir accès à des systèmes comme votre centre de service ou votre système de gestion de commandes pour les profils clients, l'historique des commandes, etc. Par exemple, un agent de soutien au téléphone pourrait rapidement demander : « Quelle a été la dernière commande du client X et y a-t-il un billet ouvert? » et obtenir l'information sans avoir à la chercher manuellement.

Les employés, qu'ils soient nouveaux ou expérimentés, doivent souvent vérifier comment accomplir certaines tâches ou trouver les règles relatives à quelque chose, comme les politiques de retour ou de garantie. L'agent d'IA peut être formé sur des documents internes et des manuels de politique. Un employé pourrait demander : « Comment puis-je traiter un échange pour une commande en ligne? », et l'IA pourrait énumérer les étapes en quelques secondes, ce qui permettrait d'économiser beaucoup de temps de recherche dans les fichiers PDF et les bases de données internes.

L'utilisation simultanée de ces deux types d'agents d'IA assure une meilleure sécurité et une meilleure performance globales. Votre agent grand public fonctionne alors sur une couche de données, tandis que votre agent interne est sur une couche complètement différente, à la disposition des agents humains lorsque l'agent grand public leur transfère des appels ou des clavardages complexes.

Un seul agent essayant de tout faire serait soit trop limité pour les clients, soit trop peu sécurisé pour l'usage interne. À long terme, cette approche modulaire facilite l'optimisation et la mise à l'échelle du système.

Approche architecturale : la pile technologique pour l'IA conversationnelle agentive

Si vous envisagez l'IA agentive pour votre entreprise de commerce électronique, il peut être difficile de savoir par où commencer. Les concepts sont plutôt simples, mais il existe de nombreux outils à mettre en œuvre et de multiples façons d'atteindre vos objectifs.

Voici notre recommandation de pile technologique pour une entreprise qui souhaite utiliser l'IA agentive pour résoudre des problèmes complexes, gérer les interactions clients et les tâches routinières, et s'améliorer grâce à l'apprentissage machine et aux conversations qu'elle a avec votre personnel et vos clients.

IA conversationnelle : Google Dialogflow CX (agents conversationnels Google) 

Faisant partie de la suite d'engagement client de Google, Google Dialogflow CX (maintenant renommé Agents de conversation) est le « cerveau » de vos deux agents virtuels (pour les clients et les employés). Il s'agit de la plateforme d'IA conversationnelle avancée de Google Cloud pour la création d'agents textuels et vocaux. Nous aimons Dialogflow CX, car il prend en charge les conceptions de conversations complexes (avec des flux avec état et du contexte), la prise en charge multilingue et son excellente intégration avec d'autres services Google.

Essentiellement, les agents de conversation Google gèrent la compréhension du langage naturel (NLU) de votre pile. Ils prennent les entrées de l'utilisateur par texte ou par voix, en interprètent l'intention et gèrent le flux du dialogue. Chaque agent sera un projet distinct, ce qui nous permettra de concevoir des intentions, des flux et des réponses personnalisés pour chaque public.

Intégration des connaissances : Google Vertex AI Search 

La qualité des réponses factuelles dépend de la qualité des données que vous fournissez à l'IA. Pour les questions basées sur la connaissance, comme les détails de produits ou les politiques, nous suggérons Google Vertex AI Search, un puissant outil de recherche d'entreprise qui tire parti de la génération augmentée de récupération (Retrieval Augmented Generation (RAG)).

Vertex AI ingérera les documents pertinents — fiches techniques de produits, manuels d'utilisation, foires aux questions (FAQ) de soutien et PDF de politiques internes — dans ses banques de données. Lorsqu'un agent de conversation Dialogflow reçoit une question qui ne correspond pas à une intention prédéfinie, il peut interroger Vertex AI Search pour récupérer les segments de texte les plus pertinents, puis générer une réponse concise basée sur ceux-ci, ancrant ainsi la réponse dans de vraies données. 

Cette approche garantit que les réponses de l'IA proviennent de la base de connaissances réelle de votre entreprise, plutôt que de l'IA qui « invente » une réponse de manière sûre d'elle.

Par exemple, si un client pose une question de compatibilité très précise, l'agent peut extraire l'information du PDF du manuel de produit par l'entremise de Vertex AI Search et répondre correctement. De même, l'agent interne peut l'utiliser pour extraire de l'information de documents de PON afin de guider un employé. En bref, Vertex AI Search est votre moteur de questions-réponses pour votre base de connaissances.

Intégrations d'arrière-plan : Fonctions Cloud Run de Google et API 

De nombreuses requêtes, comme la vérification de l'état d'une commande, la demande d'inventaire ou la création d'un billet de soutien, nécessitent des données en direct ou des actions. Pour ce faire, nous suggérons d'utiliser des fonctions sans serveur avec Fonctions Cloud Run de Google comme intergiciel. Les agents conversationnels peuvent déclencher un appel webhook qui appelle une fonction Cloud Run, et cette fonction appellera l'API externe ou la base de données pertinente.

La fonction Cloud Run retourne ensuite le résultat à Dialogflow, que l'agent utilise pour répondre. Cette configuration est modulaire et sécurisée : chaque intégration est une fonction distincte, ce qui rend la logique organisée et facile à gérer. Comme elle est sans serveur, elle s'adapte automatiquement lorsqu'un grand nombre de requêtes sont faites, et vous ne payez que par utilisation, ce qui est un grand avantage en matière de coûts.

Les trois piliers d'une stratégie de service à la clientèle agentive

Une fois l'aspect technique de votre installation réglé, vous devez garder à l'esprit quelques considérations clés concernant votre stratégie de mise en œuvre.

L'équilibre entre données en temps réel et performance : une stratégie de données hybride 

L'un des aspects de cette architecture axée sur l'IA est la façon dont elle gère les données pour les agents. Lorsque vous construisez une solution comme celle-ci, vous devez penser à la façon d'équilibrer la précision avec la vitesse et la fiabilité avec lesquelles votre installation résout les problèmes. C'est pourquoi nous recommandons une approche hybride :

• Appels d'API en direct pour les données en temps réel : certaines informations changent à la minute et doivent être récupérées en temps réel. Par exemple, l'état d'une livraison, le niveau de stock actuel ou le solde de points de fidélité à la minute près d'un client. Pour ces données, l'IA devrait faire des appels en temps réel aux systèmes respectifs chaque fois que la question est posée. Cela garantit une précision de 100 % à ce moment précis. La contrepartie est un temps de réponse légèrement plus lent qu'avec des données statiques.

• Bases de connaissances préchargées pour les données statiques/grandes bases de données : beaucoup d'informations sont relativement statiques ou peuvent au moins être mises en cache pendant de plus longues périodes. Pour ces données, vous pouvez utiliser Vertex AI Search pour indexer l'information à l'avance. Ce faisant, l'agent d'IA peut récupérer les réponses à partir d'un index de recherche rapide au lieu de solliciter la base de données en direct chaque fois. Cela améliore la performance et permet à l'agent de fonctionner même si l'un des systèmes d'arrière-plan connaît un problème, car il dispose d'une base de connaissances en cache pour s'appuyer sur elle.

En hybridant l'accès aux données de cette façon, vous pouvez vous assurer que l'IA est à la fois rapide et précise. Les clients reçoivent des réponses rapides aux questions générales, car l'information est préindexée, et ils obtiennent des réponses à jour aux requêtes de statut spécifiques, car elles peuvent être appelées en direct.

Le transfert transparent vers l'humain : intégrer l'IA au soutien en direct 

Aucun système d'IA ne peut (ou ne devrait) gérer 100 % des demandes des clients. Il y aura toujours des cas de figure exceptionnels ou des clients qui préfèrent, ou ont besoin, d'une touche humaine. Le succès de votre projet d'IA agentive dépend de la fluidité et de l'intelligence du transfert de l'IA vers l'humain. Voici comment aborder cela :

• Chemins d'escalade intégrés : chaque flux de conversation dans les agents Dialogflow CX devrait inclure des points de contrôle ou des déclencheurs pour l'escalade. Pour l'agent grand public, cela pourrait être lorsque l'utilisateur dit explicitement « agent », « vraie personne » ou « représentant », ou lorsque l'IA détecte de la frustration, par exemple.

• Transfert avec le contexte complet : lorsque l'agent virtuel transfère un clavardage ou un appel, il devrait inclure une transcription de la conversation jusqu'à ce point et tous les détails pertinents. Pour les appels vocaux, si le système est intégré à une plateforme comme Freshdesk ou un autre centre de contact en tant que service (CCaaS), l'agent humain pourrait voir apparaître à l'écran un aperçu des informations de l'appel et un résumé textuel de l'interaction avec l'IA. De cette façon, le client n'a jamais à répéter l'information.

• Mécanismes de sécurité vers les canaux traditionnels : si, pour une raison quelconque, aucun agent en direct n'est disponible — par exemple, si c'est en dehors des heures d'ouverture ou si tous les agents sont occupés — et que le client insiste pour avoir l'aide d'un humain, l'agent virtuel peut offrir des alternatives comme la création d'un billet de soutien ou la programmation d'un rappel.

• Formation de l'IA sur les cas de transfert : au fil du temps, analysez les conversations qui ont mené à un transfert dans le cadre de l'amélioration continue. Si vous remarquez des tendances, par exemple que beaucoup de gens posent des questions sur un nouvel enjeu que l'agent n'a pas géré, formez l'agent à y répondre la prochaine fois. L'objectif est de réduire les transferts inutiles en élargissant continuellement les connaissances et les capacités de l'IA. Cependant, vous ne devriez jamais viser un réacheminement de 100 %. Les problèmes complexes ou sensibles, comme les litiges de facturation ou les clients fâchés, sont souvent mieux gérés par une personne. L'objectif est d'atteindre un juste milieu en réacheminant 60 à 80 % des clavardages et environ 50 % des appels vers le libre-service, en se basant sur les références de l'industrie pour les solutions bien mises en œuvre. Nous parlerons plus du transfert un peu plus loin.

• Assurance et transparence pour le client : votre agent virtuel devrait toujours être transparent sur le fait qu'il est une IA. Lors du transfert vers un agent de service à la clientèle, il devrait poliment expliquer qu'un humain prend le relais. Cette transparence instaure un climat de confiance. Les clients acceptent généralement l'aide d'une IA si elle fonctionne bien, mais ils apprécient la clarté.

Cette approche considère les agents d'IA et les agents humains comme une équipe collaborative. L'IA devrait savoir ce qu'elle peut et ne peut pas gérer, et savoir quand il est approprié de faire appel à un collègue humain.

L'amélioration continue : systèmes autoapprenants et optimisation 

L'un des avantages du soutien axé sur l'IA est qu'il peut apprendre et s'améliorer au fil du temps. En mettant en œuvre une solution agentive comme celle-ci, vous établissez un processus et utilisez des outils pour vous assurer que les agents virtuels deviennent plus intelligents et plus précis chaque jour.

Comme nous l'avons mentionné dans la section précédente, vous devriez former votre agent virtuel sur les cas passés où il a eu besoin de transférer la conversation à un agent en direct. Les journaux de conversation enregistrés peuvent vous aider à trouver les points de défaillance ou les lacunes courants. 

Par exemple, si vous voyez plusieurs clients poser des questions sur la « compatibilité du modèle Z avec le produit Y » et que l'agent n'avait pas de bonne réponse, c'est un signe qu'il faut ajouter cette information à la base de connaissances ou créer un nouveau flux de dialogue.

Au-delà de l'examen manuel, vous pouvez même utiliser l'IA pour analyser l'IA. Les agents conversationnels Dialogflow de Google et d'autres outils fournissent des tableaux de bord analytiques qui affichent des mesures comme les taux de correspondance d'intention, les questions fréquemment sans réponse et les notes de satisfaction des utilisateurs pour vous aider à identifier les domaines où les agents virtuels pourraient fournir des réponses moins que souhaitables.

Avec les données ci-dessus, vous pouvez exécuter des cycles d'itération, un peu comme le développement agile, mais adaptés au contenu de l'IA : mettre à jour les données de formation, ajouter de nouvelles intentions, ajuster la logique d'intégration au besoin, etc. Au fil du temps, votre IA devrait gérer une plus grande part des interactions de manière plus précise et satisfaisante.

L'IA agentive est-elle adaptée à votre entreprise?

L'IA agentive peut accomplir des choses incroyables, mais elle ne convient pas à tout le monde, principalement en raison des coûts impliqués. La mise en place de ce genre de solution coûtera des centaines de milliers de dollars, car l'utilisation de ce genre de puissance de calcul n'est pas bon marché, et l'intégration n'est pas rapide.

Vous devrez évaluer exactement ce que vous visez à accomplir et comparer cela aux coûts d'utilisation de tous ces outils, ainsi qu'à combien vous devrez payer pour la mise en place initiale. Beaucoup de ces solutions exigent de nombreuses heures de consultation, de développement, de configuration et d'itération.

Si vous avez une petite équipe, ce n'est peut-être pas pour vous. Cependant, si vous avez 3 employés de soutien à temps plein ou plus, l'IA pourrait probablement réduire l'équivalent du travail d'un ou deux humains, ce qui rend l'investissement intéressant.

Considérez aussi vos plans de croissance. Vous attendez-vous à ce que votre base de clients ou votre catalogue de produits augmente? La mise en place d'une solution d'IA maintenant vous positionnera pour gérer la croissance sans engendrer de coûts de soutien excessifs.

Enfin, si vos produits exigent beaucoup d'explications ou ont des spécifications détaillées, un agent d'IA peut vraiment aider en stockant toutes ces connaissances et en les récupérant instantanément.

La meilleure façon de déterminer si ce genre de solution fonctionnera pour vous est de consulter une agence comme Blue Badger, qui peut analyser votre installation et vos outils existants pour élaborer un plan d'action et une pile technologique recommandée pour atteindre le meilleur retour sur investissement et les meilleurs résultats globaux.

Si certaines conditions préalables ne sont pas remplies, comme l'absence de contenu de base de connaissances pour former l'agent virtuel ou l'absence d'API dans vos systèmes, une agence peut les identifier et inclure les étapes pour y remédier.

Le retour sur investissement (ROI) et les bénéfices attendus pour les entreprises de commerce électronique

Investir dans une transformation du service à la clientèle axée sur l'IA agentive est une grande décision, alors quel est le bénéfice? Pour les PDG et les décideurs, les avantages couvrent à la fois un ROI quantitatif (économies, augmentation des conversions) et des améliorations qualitatives (satisfaction des clients et des employés). Voici à quoi vous pouvez vous attendre :

1. Économies et gains d'efficacité : en automatisant une grande partie des demandes, vous pouvez gérer un plus grand volume avec moins d'agents. Par exemple, si vous avez actuellement une équipe de 5 personnes qui gère 1 000 contacts par semaine, après la mise en place des agents d'IA, vous pouvez gérer le même volume avec 2 ou 3 humains, car l'IA réachemine le reste. Cela représente des centaines de milliers de dollars économisés en salaires chaque année.

2. Satisfaction client (CSAT) et fidélité accrues : des réponses plus rapides et un soutien 24/7 mènent naturellement à des clients plus heureux. Personne n'aime attendre ou avoir à faire de grands efforts pour obtenir des informations de base. Avec l'IA qui gère les choses instantanément, vous éliminez les irritants.\

3. Augmentation des taux de conversion : particulièrement en commerce électronique, une demande bien gérée peut faire la différence entre une vente et un panier abandonné. L'agent grand public peut interagir avec les acheteurs qui pourraient autrement partir en répondant à des questions sur les produits, en les guidant vers le bon article ou en proposant de suivre un colis. En étant disponible 24/7, vous pourriez conclure des ventes auprès de clients qui font du lèche-vitrine tard le soir et que vous perdriez s'ils avaient une question et personne à qui la poser.

4. Capacité à l'échelle pour les périodes de pointe : si votre entreprise a des pics saisonniers ou des hausses occasionnelles en raison d'un effet viral, les agents d'IA peuvent gérer des afflux soudains de demandes sans avoir besoin d'embaucher rapidement du personnel temporaire, ce qui est coûteux et souvent peu pratique.

5. Des agents humains plus heureux et plus productifs : les membres de votre équipe ressentiront probablement la différence. L'agent destiné aux employés réduit le temps qu'ils passent à chercher de l'information, leur permettant de servir les clients plus efficacement. Lorsque les agents ne sont pas surchargés par des questions triviales, ils peuvent se concentrer sur des problèmes complexes, ce qui est un travail plus valorisant.

En bref, les solutions agentives entraînent des économies importantes, un service plus rapide et des employés et des clients plus heureux dans l'ensemble.

Conclusion

L'IA agentive représente un changement dans la façon dont les marques de commerce électronique peuvent offrir un service à la clientèle à grande échelle. En déployant des agents virtuels spécialement conçus pour vos clients et vos équipes internes, vous pouvez fournir un soutien plus rapide et plus uniforme, tout en réduisant les coûts d'exploitation et en minimisant l'épuisement des agents.

Il ne s'agit toutefois pas d'un simple projet de type « brancher et utiliser ». Cela nécessite une planification, une pile technologique appropriée et les conseils d'experts qui ont les compétences et l'expérience pour savoir ce qui fonctionnera pour vous et ce qu'il vaut mieux laisser de côté.

Chez Blue Badger, nous avons les compétences nécessaires pour vous aider à mettre en place des agents d'IA agentive et des flux de travail. Contactez-nous dès aujourd'hui pour en apprendre plus sur cette solution ou pour élaborer une stratégie de mise en œuvre qui est adaptée à votre entreprise.