Il y a maintenant quelques ann\u00e9es que le terme \u00ab conversationnel \u00bb a fait son apparition dans le vocabulaire du domaine de l\u2019exp\u00e9rience client. Pour en savoir davantage sur ce concept, il vous est possible de consulter l\u2019article \u00ab Whaddya mean, conversational IVR?<\/a> \u00bb (disponible en anglais seulement). Essentiellement, les approches dites conversationnelles permettent aux utilisateurs de s\u2019exprimer librement, en \u00e9non\u00e7ant eux-m\u00eames le probl\u00e8me, tout en permettant une structure de dialogue peu contrainte. Le r\u00f4le du syst\u00e8me dans la conversation est de demander les informations manquantes tout en s\u2019adaptant aux interruptions et aux changements de sujets.<\/p>\n Appliqu\u00e9es aux syst\u00e8mes de r\u00e9ponse vocale interactive (RVI), les interfaces conversationnelles r\u00e9volutionnent l\u2019exp\u00e9rience client en permettant \u00e0 l\u2019utilisateur d\u2019\u00e9noncer d\u2019embl\u00e9e sa requ\u00eate verbalement plut\u00f4t que de se promener \u00e0 travers un d\u00e9dale d\u2019options de menu. Le client n\u2019a plus \u00e0 s\u2019adapter. \u00c0 l\u2019inverse c\u2019est le syst\u00e8me qui doit d\u00e9sormais le faire.<\/p>\n Pour ceux qui n\u2019ont pas encore d\u00e9ploy\u00e9 de solutions conversationnelles sur le canal t\u00e9l\u00e9phonique, l\u2019\u00e9laboration d\u2019une feuille de route pour cette transition est cruciale. La strat\u00e9gie doit consid\u00e9rer \u00e0 la fois les b\u00e9n\u00e9fices d\u2019affaires potentiels, les risques technologiques et les impacts organisationnels. Alors, comment y parvenir?<\/p>\n Nous avons besoin d\u2019un plan en plusieurs \u00e9tapes qui permette \u00e0 l\u2019organisation d\u2019absorber les transformations progressivement tout en maximisant les b\u00e9n\u00e9fices. Elle doit pouvoir apprendre et s\u2019ajuster. En effet, le d\u00e9veloppement et le d\u00e9ploiement de syst\u00e8mes conversationnels nous demandent de changer notre fa\u00e7on de fournir les sp\u00e9cifications, d\u2019effectuer la conception, de r\u00e9aliser et de tester la solution. De plus, le traitement du langage naturel demande une grande quantit\u00e9 de donn\u00e9es provenant des utilisateurs, c\u2019est-\u00e0-dire des enregistrements d\u2019appels et leurs transcriptions. C\u2019est un \u00e9l\u00e9ment nouveau mais essentiel et on doit en tenir compte dans la planification des projets.<\/p>\n Comme premi\u00e8re \u00e9tape de la transition vers la RVI conversationnelle, il est tr\u00e8s int\u00e9ressant de consid\u00e9rer une solution d\u2019aiguillage des appels en langage naturel (abr\u00e9g\u00e9 ici en AALN pour le reste de cet article). Le but de cette solution est de permettre \u00e0 un client d\u2019exprimer verbalement et en ses propres mots la raison de son appel. Le syst\u00e8me analyse et interpr\u00e8te la requ\u00eate formul\u00e9e par le client et achemine l\u2019appel \u00e0 la bonne destination, c\u2019est-\u00e0-dire, soit vers les agents appropri\u00e9s ou vers un module de libre-service. Ceci remplace les menus, du moins comme interface d\u2019avant-plan, les menus demeurant utiles comme palliatifs. Voici une illustration d\u2019un sc\u00e9nario dans lequel un client interagit avec une solution d\u2019AALN.<\/p>\n Quel genre d\u2019efforts est requis pour le d\u00e9ploiement d\u2019une solution d\u2019AALN? Premi\u00e8rement, on doit proc\u00e9der \u00e0 la collecte de donn\u00e9es. D\u2019une part, la collecte de donn\u00e9es vocales effectu\u00e9e aupr\u00e8s des clients permet de comprendre comment s\u2019expriment les clients lorsqu\u2019ils communiquent avec l\u2019organisation et d\u2019autre part, l\u2019inventaire des produits et services, la terminologie utilis\u00e9e \u00e0 l\u2019interne et \u00e0 l\u2019externe ainsi que la structure du centre de contact (groupes d\u2019agents, comp\u00e9tences, etc.) nous servent \u00e0 comprendre le domaine d\u2019affaire.<\/p>\n Ensuite, ces donn\u00e9es seront analys\u00e9es afin de d\u00e9finir le catalogue d\u2019intentions, c\u2019est-\u00e0-dire toutes les cat\u00e9gories de raisons d\u2019appel pouvant \u00eatre trait\u00e9es par le syst\u00e8me. Pour les intentions plus vagues qui n\u00e9cessitent une caract\u00e9risation plus pr\u00e9cise, on devra d\u00e9finir la strat\u00e9gie de d\u00e9sambigu\u00efsation, laquelle consiste \u00e0 identifier quelles questions devront \u00eatre pos\u00e9es au client afin de pr\u00e9ciser son intention. Finalement, pour chaque intention non vague, on devra d\u00e9terminer quelle sera la bonne destination, c\u2019est-\u00e0-dire le groupe d\u2019agents ou le libre-service apte \u00e0 r\u00e9pondre \u00e0 la requ\u00eate du client.<\/p>\n \u00c0 partir des donn\u00e9es recueillies lors de la collecte de donn\u00e9es, on pourra entra\u00eener et optimiser les engins de reconnaissance de la parole et de traitement du langage naturel afin qu\u2019ils puissent ad\u00e9quatement reconna\u00eetre les phrases prononc\u00e9es par les utilisateurs et cat\u00e9goriser l\u2019intention de l\u2019appel correctement.<\/p>\n L\u2019application RVI pour l\u2019AALN est simple. C\u2019est en partie pourquoi il s\u2019agit d\u2019une premi\u00e8re \u00e9tape id\u00e9ale dans la transition vers la RVI conversationnelle. Dans le flux d\u2019une telle application, on pose initialement une question, \u00e0 la suite de quoi le syst\u00e8me peut demander une confirmation selon le niveau de confiance du module de traitement du langage naturel. Ensuite, un dialogue de d\u00e9sambigu\u00efsation sera peut-\u00eatre n\u00e9cessaire si la requ\u00eate est consid\u00e9r\u00e9e vague. Finalement, selon l\u2019intention d\u00e9tect\u00e9e dans la requ\u00eate, l\u2019appel sera achemin\u00e9 au bon agent.<\/p>\n Il y a donc, dans cette application, tr\u00e8s peu d\u2019\u00e9tats. Ceci simplifie grandement sa conception, sa r\u00e9alisation ainsi que les tests.<\/p>\n Une fois l\u2019application compl\u00e9t\u00e9e, on proc\u00e9dera \u00e0 une phase de pilote. Typiquement, lors de ce pilote, la nouvelle solution d\u2019AALN sera expos\u00e9e \u00e0 une fraction de la client\u00e8le. Ceci permettra non seulement de mesurer les performances de l\u2019application mais aussi de l\u2019am\u00e9liorer. Les phrases utilis\u00e9es par les clients seront r\u00e9colt\u00e9es et elles viendront enrichir le mod\u00e8le de traitement du langage naturel. Lors du pilote, il serait aussi judicieux d\u2019en profiter pour sonder les utilisateurs sur leur nouvelle exp\u00e9rience. Une fois les ajustements apport\u00e9s, l\u2019application pourra \u00eatre rendue disponible \u00e0 grande \u00e9chelle.<\/p>\n Suite \u00e0 la mise en production, il est important de p\u00e9riodiquement r\u00e9cup\u00e9rer les donn\u00e9es afin d\u2019am\u00e9liorer le mod\u00e8le de traitement du langage naturel. Ces optimisations post d\u00e9ploiement permettent \u00e0 l\u2019application de s\u2019adapter \u00e0 l\u2019\u00e9volution des requ\u00eates de la client\u00e8le.<\/p>\n Voici une vue simplifi\u00e9e du processus de d\u00e9veloppement:<\/p>\n La r\u00e9duction du nombre d\u2019erreurs de transfert est le b\u00e9n\u00e9fice principal d\u2019une solution d\u2019AALN. Ceci aura donc pour effet de lib\u00e9rer les agents. De cette fa\u00e7on, on am\u00e9liore l\u2019efficacit\u00e9 op\u00e9rationnelle du centre de contact client. Par le fait m\u00eame, les utilisateurs \u00e9prouveront moins de frustration, ce qui contribuera \u00e0 am\u00e9liorer non seulement l\u2019exp\u00e9rience client mais aussi l\u2019exp\u00e9rience agent.<\/p>\n L\u2019efficacit\u00e9 et la convivialit\u00e9 de l\u2019interface conversationnelle et le fait que le client puisse s\u2019exprimer naturellement, en ses propres mots, sont d\u2019autres facteurs contribuant \u00e0 am\u00e9liorer l\u2019exp\u00e9rience client. Comme le centre de contact client demeure le lien entre l\u2019organisation et son client, meilleure est l\u2019exp\u00e9rience client, meilleure sera la fid\u00e9lisation.<\/p>\n La nouvelle solution permettra de comprendre les raisons r\u00e9elles des appels. La RVI traditionnelle ne refl\u00e8te que les choix des clients parmi les raisons d\u2019appels pr\u00e9sum\u00e9es par l\u2019organisation. \u00c0 l\u2019inverse, les \u00e9nonc\u00e9s en langage naturel ne subissent aucun filtre et nous permettent d\u2019identifier des probl\u00e8mes ou questions r\u00e9currents qui pourront \u00eatre trait\u00e9s en libre-service (t\u00e9l\u00e9phonique ou autre). Avoir en main ces statistiques nous permet aussi de concentrer nos efforts d\u2019optimiser le design pour les requ\u00eates les plus fr\u00e9quentes.<\/p>\n L\u2019AALN offre aussi la possibilit\u00e9 de regrouper plusieurs num\u00e9ros de t\u00e9l\u00e9phone en un seul num\u00e9ro. Il n\u2019est plus n\u00e9cessaire de s\u00e9parer les services afin de r\u00e9duire la complexit\u00e9 et la taille des menus. Tout est disponible d\u00e8s la premi\u00e8re interaction. Avec un num\u00e9ro unique, on \u00e9vite la frustration des clients qui ont d\u00fb chercher le bon num\u00e9ro \u00e0 utiliser ou qui n\u2019ont pas utilis\u00e9 la bonne porte d\u2019entr\u00e9e.<\/p>\n L\u2019AALN permet \u00e0 l\u2019organisation d\u2019acqu\u00e9rir de l\u2019exp\u00e9rience dans plusieurs aspects de la RVI conversationnelle. Par exemple, lorsqu\u2019on travaille avec la technologie de la reconnaissance de la parole en langage naturel, il n\u2019est pas possible d\u2019avoir des sp\u00e9cifications techniques d\u00e9terministes, ce \u00e0 quoi on est habitu\u00e9 dans le d\u00e9veloppement de solutions de RVI traditionnelles. Comme le langage est un ph\u00e9nom\u00e8ne humain, il impossible d\u2019anticiper toutes les formulations possibles. C\u2019est pourquoi on a recours \u00e0 des syst\u00e8mes d\u2019intelligence artificielle, lesquels apprennent avec les donn\u00e9es qui leur ont \u00e9t\u00e9 fournies. Il leur faut donc travailler avec la notion d\u2019incertitude. Le syst\u00e8me est compos\u00e9 de deux \u00e9tapes, la reconnaissance de la parole et le traitement du langage naturel, chacun ajoutant un degr\u00e9 d\u2019incertitude au r\u00e9sultat.<\/p>\n Donc, si auparavant, il suffisait de dire…<\/p>\n \u201cLorsque l\u2019utilisateur appuie sur la touche Y, l\u2019appel est transf\u00e9r\u00e9 au d\u00e9partement X\u201d …nous devons maintenant d\u00e9crire le comportement de cette fa\u00e7on :<\/p>\n \u201cLorsque le syst\u00e8me reconna\u00eet l\u2019intention Y, l\u2019appel est transf\u00e9r\u00e9 au d\u00e9partement X\u201d<\/em><\/p>\n La fa\u00e7on dont l\u2019intention est reconnue ne peut \u00eatre d\u00e9crite formellement. Le tout doit \u00eatre consid\u00e9r\u00e9 comme une bo\u00eete noire. Ceci a un impact non seulement sur le plan de la sp\u00e9cification, mais aussi des tests. On doit traiter s\u00e9par\u00e9ment les aspects suivants :<\/p>\n Ce principe demeurera pertinent tout au long de l\u2019\u00e9volution vers une solution conversationnelle compl\u00e8te.<\/p>\n Mais ceci n\u2019est qu\u2019un exemple parmi plusieurs \u00e9l\u00e9ments de pratique qui requi\u00e8rent une attention particuli\u00e8re. On devra aussi se pr\u00e9occuper des rapports d\u2019\u00e9valuation de performance de la solution, de la collecte et de la conservation de donn\u00e9es audio, de la conduite de pilotes, des ajustements post d\u00e9ploiement et du processus d\u2019am\u00e9lioration en continu.<\/p>\n Une fois l\u2019AALN en place, il existe plusieurs avenues pour approfondir l\u2019approche conversationnelle. On pourrait, par exemple, ajouter un module pour l\u2019interrogation d\u2019une base de renseignements. Cette solution permet de r\u00e9pondre directement \u00e0 une question pos\u00e9e par l\u2019utilisateur au lieu d\u2019acheminer l\u2019appel \u00e0 un agent qui devrait lui-m\u00eame faire la recherche afin de r\u00e9pondre \u00e0 l\u2019utilisateur.<\/p>\n Il est aussi possible d\u2019offrir des modules de libre-service transactionnels \u00e0 m\u00eame le canal t\u00e9l\u00e9phonique. On pourra transformer les libres-services existants et en introduire de nouveaux. Afin d\u2019identifier les libres-services les plus pertinents \u00e0 mettre en place, on pourra se servir de l\u2019analyse des donn\u00e9es fournies par la solution d\u2019aiguillage des appels. Ces libres-services permettront aux utilisateurs de formuler des demandes complexes, et ce, d\u00e8s l\u2019accueil. Contrairement \u00e0 l\u2019aiguillage des appels, qui poss\u00e8de une structure de dialogue simple, les libres-services conversationnels exigent un moteur de dialogue sophistiqu\u00e9 qui prend en charge les dialogues en mode initiative mixte et qui permet de g\u00e9rer correctement les situations particuli\u00e8res du dialogue, telles que les digressions, les changements d\u2019id\u00e9e et les corrections. Vous pouvez consulter cet article sur les corrections: partie 1<\/a> et partie 2<\/a> (en anglais seulement).<\/p>\n Comme certains libres-services ont besoin de conna\u00eetre l\u2019identit\u00e9 de l\u2019appelant afin d\u2019effectuer des op\u00e9rations li\u00e9es au compte de ce dernier, on devra mettre en place un module d\u2019identification et d\u2019authentification. Et afin de pr\u00e9server le caract\u00e8re naturel des interfaces conversationnelles, il serait tr\u00e8s judicieux d\u2019opter pour une solution d\u2019authentification biom\u00e9trique. Permettant d\u2019authentifier un client par le simple son de sa voix, cette m\u00e9thode est conviviale, rapide et efficace.<\/p>\n Le fait d\u2019avoir d\u00e9ploy\u00e9 une solution d\u2019AALN permet \u00e0 l\u2019organisation d\u2019affronter en toute confiance les nouveaux d\u00e9fis. L\u2019exp\u00e9rience qu\u2019elle aura acquise l\u2019aidera \u00e0 anticiper les enjeux techniques et lui permettra d\u2019identifier comment les interfaces conversationnelles peuvent apporter de la valeur \u00e0 l\u2019organisation.<\/p>\n","protected":false},"excerpt":{"rendered":" Il y a quelques ann\u00e9es, lorsqu\u2019on utilisait le t\u00e9l\u00e9phone pour communiquer avec une organisation, il s\u2019agissait souvent de questions ou de t\u00e2ches simples. Le canal t\u00e9l\u00e9phonique \u00e9tait la porte d\u2019entr\u00e9e officielle pour avoir acc\u00e8s aux informations et aux services. Cependant, avec les ann\u00e9es, les canaux num\u00e9riques et les libres-services, qu\u2019ils soient web ou mobiles, ont […]<\/p>\n","protected":false},"author":26,"featured_media":5696,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"off","_et_pb_old_content":"","_et_gb_content_width":"","om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[5,40],"tags":[],"class_list":["post-5706","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blogue","category-ivr-fr"],"aioseo_notices":[],"yoast_head":"\nDe coup de fil en aiguille<\/h2>\n
Premiers mots: <\/span>aiguillage des appels en langage naturel<\/em><\/h2>\n
![\"\"](\"https:\/\/www.nuecho.com\/wp-content\/uploads\/2019\/12\/NLCS-Blogpost-Conversation-fr.png\")
<\/p>\n![\"\"](\"https:\/\/www.nuecho.com\/wp-content\/uploads\/2019\/12\/NLCS-Blogpost-Flow-fr.png\")
<\/p>\n![\"\"](\"https:\/\/www.nuecho.com\/wp-content\/uploads\/2019\/12\/NLCS-Blogpost-Process-fr.png\")
<\/p>\nR\u00e9colter les fruits<\/h2>\n
L\u2019exp\u00e9rience acquise<\/h2>\n
![\"\"](\"https:\/\/www.nuecho.com\/wp-content\/uploads\/2019\/12\/NLCS-Blogpost-Uncertainty-fr.png\")
<\/p>\n
\n<\/em><\/p>\n\n
\n
Et ensuite?<\/span><\/h2>\n