Est-ce-que le service SAV d’une PME, ETI ou industrie peut gagner du temps grâce à un agent IA ? Comment cet agent IA peut se mettre au service de l’équipe sans perdre le contrôle des réponses dressées aux clients ? Sur quels types de demandes SAV l’agent IA peut-il être affecté sans casser la qualité du service ? Interview de Gabriel Pied, chef de projet au Phare.

Est-ce-que un service SAV peut gagner du temps grâce à un agent IA ?

(format : )

Gabriel Pied – Chef de projet – Le Phare

Dans quel contexte concret un agent IA peut commencer à “épauler” un service SAV d’une PME, ETI ou industrie ?


« On a plusieurs clients PME ou Industries avec lesquels on teste cette solution d’agent IA intégrée au SAV. Je vais prendre l’exemple de plusieurs entreprises – sans les citer – pour faire un résumé des points clés.

Prenons l’exemple d’un service SAV de 3 à 5 personnes qui gère par exemple entre 1 000 et 4 000 demandes par mois, soit environ entre 250 et 1 000 demandes par semaine. Avec des demandes SAV qui jusqu’ici sont gérées “à la main” (message par message) sur un intranet ou avec une brique de l’espace pro. Quand une question ou une demande arrive, le SAV catégorise la demande (le type de demande), recherche l’information et répond à la demande (rédige la réponse) Pour schématiser, ça se fait donc en trois étapes.« 

Donc, le 1er rôle de l’agent IA est de “catégoriser” une demande entrante ?

« Oui, mais pour qu’il puisse les catégoriser, encore faut-il qu’un référentiel existe. Est-ce-qu’il existe une documentation qui cadre et définit cette catégorisation : demandes de devis, demandes d’information, demandes de remboursement, question technique, question tarifaire, disponibilité du produit… ? Pas toujours. C’est souvent la connaissance métier des équipes du SAV qui fait le job. Donc, pour alimenter l’agent, l’entreprise doit faire ce travail. C’est ce qui permettra de guider l’agent IA uniquement sur tel ou tel type de demandes. En commençant logiquement par les plus simples, les plus génériques (demandes d’informations). Souvent – et là ça soulève une question RH et management – ce sont ces demandes répétitives et sans grande valeur ajoutée qui peuvent être une source de démotivation de l’équipe SAV au fil du temps, de désengagement ou de perte de sens.

Donc, l’agent IA va se concentrer sur ce type de demande, en “travaillant” aux côtés de l’équipe. Et, pour éviter tout dérapage, l’équipe en place contrôle la réponse proposée par l’IA avant de valider l’envoi du message. On garde un filet de sécurité« 

L’IA propose. L’équipe valide, modifie et édite la réponse.  Un process qui permet de valider l’entraînement du modèle. Ensuite, dans ce parcours, chaque membre du SAV donne une note – un degré de satisfaction – lié à la réponse proposée par l’IA. Cette notation permet de voir quels types de demandes sont dans le “vert”, “orange” ou “rouge”.

Il existe aussi plein de ratés dans ce type d’expérimentation ou à minima, de nombreux freins

Quand on commence à ouvrir le capot, à être dans la réalité des entreprises, on voit très vite qu’il n’y a rien de magique, rien ne se passe comme par enchantement, en appuyant sur un bouton ou en choisissant un outil IA miracle. Beaucoup de choses reposent sur la qualité des données (informations, documentations) stockées par l’entreprise et la structuration de ces données. Avant de pouvoir parler d’IA, on regarde la data.

On vient de le dire, le référentiel des “catégories de demandes” est parfois inexistant et c’est pourtant, ce qui sert de gare de triage. Deuxième point, est-ce-que toutes les informations nécessaires à une réponse SAV sont stockées quelque part ? Ou est-ce-que 30 % des informations se trouve uniquement dans le cerveau des collaborateurs ?

Troisième point. Les informations stockées sont-elles à jour ? Correctes ? Est-ce-que la FAQ est à jour ? Est-ce-que la fiche produit est à jour ? Si les informations sont “en partie à jour” alors, la réponse de l’IA sera “en partie correcte”, donc, en partie “fausse”

Dans ce cas, qui est responsable de ces “trous dans la raquette” ?

On commence là à toucher le coeur du problème : l’organisation, le pilotage, la responsabilité, la gouvernance. Qui est responsable du SAV ? Qui est responsable des données “collectables” pour tel ou tel produit ou service de l’entreprise ? Le SAV ? Les métiers ? Les responsables de marques ? Les responsables commerciaux ? On peut continuer cet audit avec d’autres questions : qui prend le pilotage de cette “gouvernance des données” ? Qui pour mettre tout le monde autour de la table et définir les règles ?

Ces questions sont essentielles car il s’agit d’un système qui ne s’arrête jamais. Ce n’est pas une photographie figée. Notamment parce que l’entreprise va modifier régulièrement ses offres, en créer de nouvelles, nouer des partenariats, ouvrir de nouveaux services, de nouvelles marques…

Autour de ce sujet, on entend aussi parler de “charte rédactionnelle” ?

La charte rédactionnelle n’est plus une question de données collectées mais de tonalité de réponse. Est-ce-qu’il existe des modèles de réponse ? Un ton ? Un ton différencié en fonction des types de demandes SAV ? Ou, en fonction des produits ou services concernés.

Si on repart à la base, est-ce que tout le monde a été formé de la même manière ? Est-ce-que tout le monde partage la même vision du service SAV ? Là encore, on s’aperçoit que l’on est loin d’un prisme tech. Sans toutes ces questions, vous envoyez votre “agent IA SAV” dans le mur. Et en face, ce sont vos clients