Découvrez le potentiel de l’IA générative en pleine action

Objectifs de formation

Une fois cette unité terminée, vous pourrez :

• Identifier les méthodes employées par l’IA générative pour diagnostiquer et résoudre des problèmes
  
• Décrire comment l’IA générative facilite l’acquisition et le partage de connaissances
  
• Expliquer comment l’analyse des sentiments peut améliorer l’expérience offerte par le service client
  

La promesse de l’IA générative

Avant de commencer, si vous souhaitez rafraîchir vos connaissances concernant l’IA générative et revoir les termes employés dans ce domaine, par exemple les grands modèles de langage, consultez le module Concepts de base de l’IA générative.

L’écosystème de l’IA générative se développe à un rythme incroyable avec le lancement de plusieurs grands modèles de langage (LLM) très performants. Dans le même temps, de nombreuses entreprises ont vu le jour pour optimiser ces modèles et gérer l’intégration des LLM dans des applications nouvelles ou existantes. En d’autres termes, toutes les organisations, quel que soit leur taille ou leur secteur, bénéficient d’un accès sans précédent à l’IA générative. Bien que l’utilisation de cette technologie suscite un énorme intérêt, de nombreuses organisations veulent savoir comment l’IA générative peut concrètement améliorer leur productivité, stimuler la créativité et rompre la monotonie.

Lorsqu’une nouvelle technologie apparaît, il est difficile d’être certain des usages qui en seront faits et si elle sera ou non facile à utiliser. Par exemple, lorsque des chercheurs du gouvernement américain ont créé ARPANET pour communiquer entre eux, ils ne savaient pas qu’ils posaient les bases de l’Internet que nous connaissons aujourd’hui.

De même, la façon dont l’IA générative sera utilisée au cours des six prochains mois sera très différente de son utilisation dans six ans. Tout dépendra de la rapidité avec laquelle la technologie va s’améliorer et de notre propre créativité. Nous sommes souvent très sûrs de nous lorsque nous devons effectuer des tâches liées au langage. Il peut donc être facile de passer à côté du potentiel de l’IA générative.

Même si nous ne pouvons pas prédire l’avenir, nous pouvons changer notre façon de percevoir l’IA générative en regardant comment elle peut être utilisée aujourd’hui. Ce module explore l’IA générative sous plusieurs angles. Vous apprendrez comment elle peut être appliquée dans différents services d’une entreprise (service client, vente directe, e-commerce, marketing, informatique). Il ne s’agit pas d’un catalogue figé de cas d’utilisation, mais d’une source d’inspiration. Plus vous vous familiariserez avec les opportunités offertes par l’IA générative, plus vous verrez des thèmes et des modèles émerger. Vous pourrez rapidement commencer à imaginer vos propres variantes.

Un service client plus efficace que jamais avec l’IA générative

Les employés d’un service client gèrent diverses tâches liées au langage. Chaque jour, les conseillers communiquent avec les clients par téléphone, par chat et par e-mail. Pour résoudre les problèmes rencontrés, ils recherchent et documentent des informations. Il n’est pas étonnant que de bonnes compétences en communication soient demandées pour travailler dans ce type de service. Ceci explique aussi pourquoi l’IA générative est si efficace dans cet environnement.

L’IA générative s’avère utile dès les premiers échanges avec le client. C’est peut-être évident, mais vous ne pouvez pas résoudre un problème sans comprendre d’abord de quoi il s’agit. Les clients peuvent vous communiquer des informations pour vous aider à identifier le problème, mais leurs informations sont bien souvent incomplètes ou peu pertinentes. Il est donc essentiel de poser les bonnes questions de suivi.

C’est là où l’IA générative entre en scène. Elle peut se servir des informations issues de requêtes antérieures, des derniers achats effectués par le client, des journaux de modifications des produits et même des notes provenant de dossiers en cours pour créer les questions de clarification à poser. « Est-ce que votre question concerne le Widget Pro que vous avez acheté récemment ? » « Avez-vous récemment mis à jour votre appareil ? »

Ces questions peuvent être posées au client par un chatbot ou suggérées au conseiller par un assistant virtuel. Les réponses donnent lieu à d’autres questions générées en temps réel. Les questions suggérées par l’IA générative peuvent proposer d’explorer une piste qui aurait autrement été négligée. Grâce à l’IA générative, vous pouvez passer plus de temps à résoudre le problème qu’à l’identifier.

Une IA générative entraînée sur votre base de connaissances vous permet également de résoudre plus rapidement les problèmes des clients. Le contexte qui a permis d’identifier le problème peut également être utilisé pour proposer des solutions, avec des liens vers des ressources d’aide. Vous pouvez même demander à l’IA générative d’expliquer le raisonnement qui a conduit à la solution proposée. De cette façon, les conseillers du service client peuvent assurer un certain contrôle qualité, en rejetant les suggestions qu’ils ne jugent pas pertinentes. Si une solution semble intéressante, les conseillers peuvent l’examiner plus attentivement et vérifier qu’elle répond à leurs critères.

L’IA générative reste disponible, en appui, aidant le conseiller à proposer des solutions au client. D’un simple clic, un conseiller peut utiliser l’IA générative pour rédiger une réponse claire, cordiale et adaptée au problème du client. C’est ainsi que l’IA générative révèle tout son potentiel.

Vous pourriez être amené à aider un client qui apprécierait une explication complète de l’origine de son problème. Ou encore, vous pourriez faire face à une personne dépassée par les événements et frustrée, qui veut simplement mettre fin au problème le plus vite possible. Quel que soit le scénario, l’IA générative peut produire une réponse qui correspondra le mieux aux attentes de votre audience. C’est grâce à ce degré de personnalisation que vous pouvez construire des relations de confiance plus durables. Et vous pouvez facilement y arriver lorsque vous avez l’IA générative à vos côtés.

Une fois que le conseiller a aidé le client à trouver une solution, il lui reste quelques étapes à accomplir. Il doit consigner les informations du dossier et, notamment, faire un résumé du problème et de sa résolution. Et vous l’aurez deviné, l’IA générative simplifie aussi cette étape. Les résumés générés sont concis, peuvent être numérisés, annotés et contiennent des mots-clés. C’est tout ce dont ont besoin les autres conseillers du service et les responsables.

Dans cet exemple, le conseiller du service client a choisi la meilleure marche à suivre. Une fois que l’IA générative présente différentes options, le conseiller fait appel à son discernement pour accepter la suggestion ou faire ses propres recherches. L’objectif est d’éviter les impasses, d’accélérer la résolution et d’améliorer la satisfaction client.

On peut alors se demander si les clients sont vraiment satisfaits. C’est difficile à savoir. Les clients répondent rarement aux enquêtes de satisfaction et les notes de requêtes ne reflètent pas toujours fidèlement leurs impressions. Dans ce domaine aussi, l’IA générative propose des solutions. En effet, l’IA générative est très efficace pour analyser les sentiments et peut proposer une synthèse globale de l’interaction entre le client et le conseiller. Le client a-t-il manifesté de la frustration ou de la colère à un moment donné ? Est-ce que ce sentiment a évolué avec le temps (en bien ou en mal) ? Ces pistes peuvent permettre de distinguer les conseillers très performants des autres.

L’analyse des sentiments peut être également un bon outil pour assigner les requêtes au conseiller le plus compétent. Par exemple, une requête complexe qui a été escaladée peut être automatiquement confiée à un conseiller plus expérimenté qui sait désamorcer les situations explosives, empêchant ainsi d’envoyer au front les moins initiés.

[Image générée par l’IA à l’aide de DreamStudio sur le site stability.ai avec l’invite : « Un robot tient un bouclier dans une main, dessiné à la manière d’une bande dessinée. »]

Enfin, l’IA générative peut extraire des informations d’une ou de plusieurs requêtes résolues pour rédiger des articles de connaissances à partir de données nettoyées et adaptées à une audience élargie. Elle peut même proposer des suggestions de sujets pertinents à partir des requêtes récemment traitées. En seulement quelques minutes, vous pouvez obtenir un article bien ficelé que vous pouvez partager avec votre communauté sur votre portail d’aide.

Le service client d’une entreprise est un bon indicateur de l’avenir de l’IA générative. Dans l’unité suivante, vous apprendrez ce que l’IA générative peut apporter aux opérations de vente directe et d’e-commerce.

Ressources

• Aide : Einstein et l’IA générative
• Aide : Glossaire des termes relatifs à Einstein et à l’IA générative
• Trailhead : Concepts de base de l’IA générative
• Trailhead : Concepts de base du traitement en langage naturel
• Trailhead : Intelligence artificielle pour le service client
• Salesforce : Statistiques sur l’IA générative pour 2023