[Série IA] – Épisode 1 – Service client et commercial : comment construire ma feuille de route IA ?

Qu’est-ce que l’IA générative ? Y a-t-il une IA « non générative » ?

L’IA générative, ou genAI, est une forme d’Intelligence Artificielle capable de créer des contenus inédits, notamment du texte, des tableaux, des images, des vidéos ou des fichiers audio. Elle produit donc des éléments « qui n’ont pas d’existence préalable » dans le jeu de données sur lequel elle a été formée ou entraînée.

Dans le détail, l’IA générative se base sur des modèles d’apprentissage automatique, notamment les réseaux antagonistes génératifs (GAN) et les transformateurs pour apprendre les structures et les motifs des données d’entraînement afin de les interpréter et créer de nouvelles instances de données qui respectent les schémas appris.

L’IA générative… pas opposition à l’IA non générative ?

L’IA générative a la capacité de générer des contenus nouveaux. L’IA non générative, que l’on appelle traditionnellement « IA analytique » ou « IA discriminative », ne fait qu’analyser les données, identifier des motifs, réaliser des classifications et formuler des prédictions sur la base de modèles statistiques (pour les outils les plus avancés).

On parle par exemple d’un système de reconnaissance d’images qui classe des photos d’animaux ou d’un algorithme de prédiction météorologique.

L’Intelligence Artificielle non générative, qui prédominait depuis les débuts de l’IA, n’a jamais franchi le pas de la création originale à cause des limitations en matière de puissance de calcul et de capacités des algorithmes.

Pourquoi en parle-t-on beaucoup depuis fin 2022 ?

L’IA remonte aux années 1950 avec les travaux d’Alan Turing, qui a jeté les bases conceptuelles de la technologie. C’est le Dartmouth Summer Research Projet qui a entériné l’expression « Intelligence Artificielle » en juillet 1956.

Jusqu’à fin 2022, l’IA est restée synonyme de concept abstrait, un peu cliché, complètement déconnecté du terrain et de la réalité opérationnelle pour l’écrasante majorité des individus, y compris ceux qui évoluent dans un environnement IT.

Le 30 novembre 2022, OpenAI sort donc ChatGPT, un chatbot à interface intuitive qui rend l’IA générative accessible à tous, sans prérequis techniques. L’IA s’est donc délestée de son image de gadget un peu inutile (pour la majorité) pour devenir un outil très concret susceptible d’améliorer la productivité en entreprise mais aussi de faciliter la vie des individus au quotidien.

Cette nouvelle vocation universelle transparaît bien dans le marché de l’IA générative, où les assistants généralistes ou généraux comme ChatGPT (OpenAI), Gemini (Google) et Claude (Anthropic) accaparent plus de 68 % de parts de marché.

Comment fonctionne l’IA générative ?

La première architecture utilisée pour traiter des séquences de données fut les réseaux neuronaux récurrents (RNN), qui identifient des tendances et des motifs dans de grandes quantités de données pour générer des contenus cohérents.

Toutefois, les développements récents en IA générative tendent à privilégier des architectures plus sophistiquées comme les réseaux antagonistes génératifs (GANs) et les modèles de transformateurs.

Comprendre les GANs en deux minutes chrono

Les GANs s’articulent autour de deux éléments :

• Un générateur, qui crée des contenus similaires aux données réelles et qui ont vocation à être indiscernables des vraies données d’entraînement ;
• Un discriminateur, qui évalue ces contenus pour essayer de déterminer s’ils sont historiques (issus de la base de données) ou nouveaux (produits de toutes pièces par le générateur).

Ce jeu, où le générateur cherche à « flouer » le discriminateur avec des contenus plus vrais que nature, alimente une boucle d’amélioration continue. Les contenus générés par l’IA deviennent de plus en plus convaincants au fil du temps.

Cas d’usage : les contenus qui nécessitent une grande fidélité visuelle ou audio, comme l’imagerie médicale, les jeux vidéo, les œuvres d’art numériques, etc.

Exemples de solutions : DeepArt.io, GANPaint Studio, NVIDIA GauGAN.

Comprendre le modèle des transformateurs en deux minutes chrono

Les modèles de transformateurs, comme GPT (Generative Pretrained Transformer) et Stable Diffusion, sont pré-entraînés sur d'immenses corpus de données pour acquérir une base de connaissance générale afin de réaliser des tâches liées au langage comme la génération de texte, la traduction automatique ou la synthèse vocale.

Ces modèles peuvent être personnalisés (ou fine-tunés) pour répondre aux besoins spécifiques de l’utilisateur.

Cas d’usage : chatbots, création de contenu, traduction automatique, analyse de sentiment sur les réseaux sociaux, moteur de recherche interne, etc.

Exemples de solutions : ChatGPT, Gemini, Claude, Character.ai, DeepL.

Comment élaborer la feuille de route de l’IA dans le service client et commercial ?

Comme l’écrasante majorité des dirigeants, vous êtes persuadé que l’Intelligence Artificielle peut vous aider à optimiser vos processus internes, à réduire votre coût de revient et à doper votre performance globale.

L’IA n’est pas une fin en soi. Aussi puissante soit-elle, elle reste une technologie au service de vos objectifs stratégiques. C’est pourquoi sa mise en œuvre doit être pensée selon les spécificités de votre activité et de votre organisation.

Call of Success vous donne quelques clés pour construire votre feuille de route IA dans les règles de l’art.

1. Cartographier les processus de votre service client et commercial

Commencez par remettre à plat les différents processus qui jalonnent ces deux services. L’idée est de décomposer chaque étape des processus en tâches élémentaires. Identifiez les acteurs impliqués et les outils utilisés pour chaque tâche (le cas échéant). Analysez les flux d’informations et les points de décision, et quantifiez le temps, les ressources et les coûts associés à chaque tâche.

Si l’on prend l’exemple du service commercial, l’IA peut vous aider à sur toute la chaîne de valeur :

2. Identifiez les inefficacités et les frictions

Sur la base de la cartographie, identifiez les inefficacités et les points de friction en vous basant sur les données et les faits :

• Identifiez les goulots d'étranglement, les retards, les erreurs et les tâches répétitives (saisie d’une même donnée sur deux tableaux ou outils différents, par exemple) ;
• Mesurez l'impact de ces inefficacités sur la satisfaction client, la performance commerciale, la rentabilité, et tout autre KPI qui fait sens pour votre activité ;
• Analysez les causes des frictions : tâches manuelles fastidieuses ? Silos de données ? Manque de compétences en interne ? Lacunes dans l’analyse des données ?

Voici des exemples de frictions que l’on peut rencontrer dans le processus commercial :

• Fixations d’objectifs irréalistes ou non alignés ;
• Segmentation trop générale ;
• Manque d’alignement entre les actions marketing et les objectifs commerciaux ;
• Difficulté à évaluer le succès de la stratégie commerciale ;
• Difficulté à identifier les lacunes spécifiques à chaque commercial ;
• Faible engagement des apprenants dans les formations proposées ;
• Difficulté à relier la formation aux résultats commerciaux ;
• Évaluation erronée du potentiel des leads ;
• Manque de temps et de ressources pour le coaching…

2.    S’informer sur les outils IA à disposition

Une fois les inefficacités et les frictions identifiées, vous devrez explorer les outils à disposition pour identifier ceux qui sont susceptibles de vous aider.

C’est une étape de documentation, d’apprentissage et de veille. Le marché des outils IA est ultradynamique, et la cadence des sorties et des mises à jour est (au moins) mensuelle. Visionnez des démos, comparez les prix, consultez les avis des utilisateurs, etc.

Vous pouvez également solliciter des démonstrations personnalisées et des essais pour évaluer concrètement les outils IA dans un environnement contrôlé et vérifier leur alignement avec vos besoins et leur intégration dans vos processus existants.

Reprenons notre service commercial. Voici comment l’IA peut vous aider à remédier à certaines frictions.

3. Le Test & Learn, pour apprendre en faisant

Il s’agit à ce stade d’expérimenter avec les outils IA identifiés et de les confronter à la réalité du terrain.

Commencez par définir l’objectif de chaque test :

• Réduire drastiquement les tâches manuelles pour les commerciaux ;
• Leur permettre de mieux faire parler les chiffres ;
• Améliorer les argumentaires de vente, etc.   

Choisissez les outils IA à tester sur la base de l'analyse précédente de vos besoins et des outils disponibles. Assurez-vous que ces outils peuvent s'intégrer facilement à vos systèmes existants pour un test fluide. Créez ensuite un environnement isolé qui simule vos opérations réelles mais qui permet des tests sans risque pour les opérations quotidiennes.

Commencez par un déploiement à petite échelle, en intégrant l'IA dans des segments ou des processus limités. Vous pourrez ainsi surveiller de près les performances et les impacts sans perturber l'ensemble du système.

Analysez les KPIs pour évaluer l'efficacité de l'IA au regard des objectifs fixés au début. Collectez les retours des utilisateurs impliqués dans les tests pour comprendre l'expérience utilisateur et les pistes d'amélioration. Ajustez selon les retours et les résultats obtenus.

Call of Success vous accompagne

Les entreprises qui mettront en œuvre l’IA au service de leur performance débloqueront un avantage concurrentiel décisif sur leur marché.

Chez Call of Success, nous accompagnons la croissance des startups, e-commerçants, PME et grands groupes à travers la structuration, l’optimisation et, éventuellement, l’externalisation de leur service client et commercial avec une méthode inédite et éprouvée.

L’IA est un sujet qui vous préoccupe ? Nous pouvons réaliser l’audit de vos process et vous accompagner dans l’élaboration de votre feuille de route IA sur la base de vos objectifs stratégiques et des spécificités de votre activité.