Car en plus d’être séduisante, cette technologie promet aussi de faire économiser 11 milliards de dollars par an d’ici à 2023¹ pour les secteurs de la distribution, de la banque et de la santé. Mais pour que ce mix client soit vraiment profitable, encore faut-il comprendre les différents cas d’utilisation des chatbots, et déterminer celui qui convient selon les besoins et les objectifs spécifiques d’une entreprise.

La première erreur serait de considérer que l’usage d’un chatbot est unique et qu’il représente une solution universelle à tous les problèmes. A titre d’exemple, deux grandes banques suédoises, à savoir Nordnet et SEB ont toutes deux associé l’assistante virtuelle Amelia à leurs sites internet. Nordnet a chargé Amelia d’accélérer l’intégration des nouveaux clients et d’améliorer leur satisfaction. Les résultats n’étant pas concluant, Amelia a été abandonnée. Quant à SEB, son expérience a été plus probante, car Amelia avait été utilisée différemment afin d’atteindre divers objectifs. Cela prouve bien que même le meilleur des chatbots ne peut pas toujours obtenir de bons résultats, sauf si son utilisation est adaptée à ce qu’une entreprise veut réaliser. D’ailleurs, trois cas d’utilisations des chatbots peuvent être mis en place au sein des entreprises pour répondre à des besoins particuliers.

Un usage pour les questions-réponses

Le cas d’utilisation le plus simple pour les chatbots consiste à répondre à des questions élémentaires et courantes émises par les clients. Ces chatbots dits « de base », reprennent les mots-clés contenus dans les questions des clients, et y répondent avec des réponses déjà intégrées et écrites à l’avance par des agents humains. Au final, ces robots sont programmés en tant qu’agents interactifs des sections de FAQ (Foires à Questions). Leur utilité réside dans leur efficacité à intercepter des demandes plutôt simples pour permettre aux agents physiques des services clients de traiter en direct des problèmes plus complexes. Simples à mettre en place et à utiliser, ces chatbots sont aussi relativement abordables.

Cependant, même si bien des entreprises commencent avec cette utilisation, beaucoup d’entre elles veulent rapidement passer à des formes plus puissantes d’intelligence artificielle. Ces robots scénarisés représentent bien souvent une impasse pour les clients puisqu’au fil des discussions, la frustration s’installe car aucune réponse réellement concluante n’est délivrée. Avec l’arrivée de plus en plus fréquente de chatbots plus sophistiqués grâce à l’IA, les clients peuvent deviner lorsqu’ils interagissent avec un robot au discours scénarisé. Très rapidement, ils réclament l’aide d’un agent physique capable de répondre à leurs demandes, ce qui prouve les limites que représentent ces chatbots d’usage uniquement pour les questions-réponses.

L’utilisation de chatbots conversationnels dans un contexte précis

Les entreprises qui investissent dans les chatbots souhaitent avoir des agents capables d’aller au-delà du simple schéma de questions-réponses. Ils veulent apporter de la valeur à leurs clients avec des robots capables de répondre à des requêtes plus complexes, et avoir des interactions plus humaines où le sens et le contexte sont pris en compte au fil des réponses. Pour ce faire, les chatbots doivent intégrer des capacités de compréhension du langage naturel (CLN) pour pouvoir exploiter des données structurées et arriver à avoir des conversations plus fluides et naturelles avec les clients. Une fois ces capacités intégrées, ces chatbots sont en capacité de comprendre l’intention d’une phrase ou d’une expression et d’y répondre plus facilement.

Mais pour avoir une idée plus précise de la différence entre un chatbot boosté par l’IA et un chatbot pré-scénarisé, des questions simples peuvent leur être posées pour les distinguer ; et ainsi, les réponses varieront également. Un robot scénarisé qui est déclenché avec la question « Où se trouve votre magasin le plus proche ? » et donc par le mot-clé « localisation » répondra vraisemblablement en envoyant un lien vers un outil de localisation de magasin, voire une liste de magasins où le client devra lui-même situer où se trouve l’enseigne. Un chatbot plus avancé grâce à une intelligence artificielle supérieure pourrait quant à lui répondre par une autre question, poussant ainsi à réellement interagir de cette manière : « Très bien, par quel moyen de transports souhaitez-vous vous rendre dans ce magasin ? » et ainsi utiliser la réponse du client pour le guider dans son itinéraire, et rendre cette expérience plus utile et plus humaine.

Des agents capables de tâches complexes et d’aider lors des transactions

Utiliser des robots conversationnels d’IA comme ceux mentionnés ci-dessus dans le but d’accomplir des tâches représente le scénario le plus complexe. Pour les entreprises, cela nécessite des investissements financiers et logistiques importants, notamment pour relier le chatbot à un logiciel et aux systèmes de gestion. Si par exemple un site internet appartenant à une compagnie aérienne souhaite utiliser un chatbot ou un assistant virtuel pour la réservation des vols pour ses clients, le chatbot devra se connecter avec l’ensemble du système réseau en arrière-plan pour pouvoir aider dans la vérification de l’identité des clients, les horaires, en passant par les tarifs et les systèmes de miles pour les gros voyageurs, et tout cela avec une grande rapidité et en toute sécurité. Pour les entreprises qui envisagent des cas d’utilisation plus avancés comme celui-ci, cela exige à la fois beaucoup de temps et d’argent. Ils doivent en plus s’assurer que le retour sur investissement en vaille la peine.

Le potentiel des chatbots pour améliorer, rationaliser et améliorer l’expérience client d’une entreprise est illimité. Cependant, il faut identifier quel type de robot correspond aux objectifs de son entreprise au moment voulu, et lequel peut être capable de s’adapter à l’évolutions des attentes d’un marché en constantes évolutions.

¹ Etude menée par Jupiner Research sur les chatbots dont les résultats ont été publiés en juillet 2018

Par Ryan Lester, Director of Customer Engagement Technologies chez LogMeIn