L'IA sur votre plateau : cas d'usage

Cette carte s'adresse à ceux qui font tourner un plateau : managers, superviseurs, responsables relation client. Elle ne parle plus de ce qu'est l'IA, mais de ce qu'elle change dans votre journée, pour vos conseillers et pour vos clients. Et surtout, de par où commencer.

Trois bénéficiaires, trois familles d'usages

Un usage d'IA en centre de contact sert d'abord l'une de trois personnes : le client, le conseiller ou le manager. Savoir laquelle évite de confondre un projet de productivité avec un projet d'expérience client.

La grille des cas d'usage

Les cases « Technologie » renvoient aux cartes précédentes. Un manager n'a pas besoin de savoir comment fonctionne un RAG ; il a besoin de savoir que la qualité de la suggestion dépend de la base de connaissances, et que la base de connaissances, c'est son équipe qui la tient à jour.

Par où commencer

La question qui revient le plus en mission : « On veut faire de l'IA, on commence par quoi ? ». La réponse tient en trois critères, dans cet ordre.

Le gain est-il mesurable ? Un résumé automatique fait gagner une à deux minutes par appel ; on le mesure en temps de post-appel, avant et après. Un chatbot « améliore l'expérience » ; on le mesure difficilement. Commencez par ce que vous pouvez mesurer.

Le risque est-il contenu ? Un usage où un humain relit avant que le client ne voie quoi que ce soit (résumé, suggestion) ne peut pas faire de dégâts. Un usage où l'IA parle directement au client peut en faire. Commencez par les usages avec un humain dans la boucle.

Les données existent-elles ? Un routage par intention demande une taxonomie des motifs d'appel propre et à jour. Une prévision de charge demande deux ans d'historique fiable. Si les données ne sont pas là, le projet commence par les construire, pas par l'IA.

Dans la plupart des plateaux, ces trois critères désignent le même point de départ : le résumé automatique d'appel. Gain mesurable, risque nul, aucune donnée préalable. C'est l'usage qui installe la confiance des conseillers dans l'outil, et c'est cette confiance qui conditionne tout ce qui suit.

Ce que ça change pour vos conseillers

Une IA sur le plateau modifie le travail des conseillers avant de modifier celui des clients. Trois effets à anticiper.

Le temps libéré se redistribue. Si le résumé automatique fait gagner deux minutes par appel, ces deux minutes vont quelque part : plus d'appels par heure, ou plus de temps par appel, ou plus de temps de formation. Si vous ne décidez pas, c'est la file d'attente qui décidera, et les conseillers le vivront comme une cadence accrue.

La confiance ne se décrète pas. Un conseiller qui a vu une suggestion fausse une fois ne lira plus les suivantes. Les premières semaines décident de l'adoption. Un pilote sur quelques volontaires, avec un retour quotidien sur ce qui marche et ce qui ne marche pas, vaut mieux qu'un déploiement général.

La surveillance est une ligne rouge. Le speech analytics sur 100 % des contacts est perçu comme une écoute permanente, parce que c'en est une. Le cadre légal l'interdit sur les émotions des conseillers ; le dialogue social décide du reste. Un outil présenté comme « amélioration de la qualité » et vécu comme « flicage » échouera, quelle que soit sa technologie.

Vu en mission

<!-- TODO : trois encadrés, un par cas, 150 à 250 mots chacun, anonymisés et validés. Structure suggérée pour chaque encadré : - Le contexte en deux lignes (secteur, taille du plateau, ce qu'on voulait faire) - Ce qui s'est passé (le résultat, chiffré si possible, ou l'échec) - Ce qu'on en retient (une phrase) Les trois cas doivent couvrir des situations différentes : un succès mesuré, un échec instructif, un cas où la question sociale ou réglementaire a pesé. -->

Cas 1 : [titre]

<!-- TODO -->

Cas 2 : [titre]

<!-- TODO -->

Cas 3 : [titre]

<!-- TODO -->

Les questions à poser avant de dire oui

Face à une proposition d'IA pour votre plateau, qu'elle vienne d'un éditeur, de la DSI ou d'un collègue, cinq questions suffisent à qualifier le projet.

1. Quel indicateur va bouger, et de combien ? Temps de post-appel, taux de résolution au premier contact, durée moyenne de traitement, satisfaction. Si personne ne sait répondre, le projet n'est pas prêt.
2. Qui relit avant le client ? Si la réponse est « personne », le niveau d'exigence change de catégorie.
3. Que se passe-t-il quand ça se trompe ? Pas « si » : « quand ». Où va le client, que voit le conseiller, qui corrige.
4. Qu'est-ce que ça demande à mon équipe ? Formation, tenue de la base de connaissances, remontée des erreurs. Un outil qui ne demande rien à l'équipe est un outil que l'équipe n'utilisera pas.
5. Qu'est-ce qu'on fait des données ? Qui écoute quoi, combien de temps c'est gardé, et à quoi ça sert. La réponse doit pouvoir être donnée aux conseillers sans gêne.

Ce qu'on retient

• Trois bénéficiaires : conseiller, client, manager. Nommer le bon évite de confondre productivité et expérience.
• Par où commencer : gain mesurable, risque contenu, données disponibles. Le résumé d'appel coche les trois.
• L'IA change le travail des conseillers avant celui des clients : le temps libéré se redistribue, la confiance se construit, la surveillance est une ligne rouge.
• Cinq questions avant de dire oui : quel indicateur, qui relit, que se passe-t-il en cas d'erreur, que demande-t-on à l'équipe, que fait-on des données.