De nouveaux assistants virtuels pour une expérience client revivifiée

Fini les technologies complexes à mettre en œuvre pour des résultats souvent décevants. Avec les grands modèles de langage de l’IA générative, le conversationnel trouve un second souffle, au profit d’une meilleure expérience client, mais aussi en facilitant la vie des vendeurs.

Je souhaite organiser une fête d’anniversaire pour un enfant de douze ans fan de mangas. Depuis l’année dernière, chez Walmart, c’est de la manière la plus naturelle qui soit que le consommateur peut effectuer ses recherches sur le site du géant de la distribution américain, en faisant part de ses désirs à un assistant virtuel comme il le ferait avec un humain. Quelle que soit sa recherche, ce chatbot y répondra en lui recommandant tous les produits pertinents ou possibles et en lui permettant de passer directement à son achat, sans qu’il ait à mener les recherches sur chaque produit désiré.

Dans le commerce, c’est d’abord par ses capacités conversationnelles que l’IA générative (IA Gen) a suscité l’intérêt, dans l’optique d’améliorer l’expérience client, de simplifier le parcours d’achat, mais aussi d’augmenter les chances de mieux vendre les produits au catalogue. Capable de bien interpréter le langage naturel et d’apporter des réponses « intelligentes », l’IA Gen est venue remplacer des technologies d’assistants virtuels souvent beaucoup moins performantes, même lorsqu’elles reposaient sur du traitement du langage naturel à base de machine learning, comme c’était le cas chez Walmart auparavant.

Un déploiement mesuré

Mais que l’IA Gen révolutionne le domaine des chatbots ne signifie pas pour autant que l’opération se fait en un claquement de doigts. S’il sont doués pour les langues et dotés d’une connaissance à la mesure des milliards de données qu’ils ont ingurgitées lors de leur apprentissage, les grands modèles de langage (LLM) de l’IA Gen doivent tout de même se mettre à l’heure du catalogue du distributeur qui cherche à les exploiter et s’intégrer aux technologies en place. Chez Walmart, l’assistant virtuel n’est ainsi pour l’instant accessible qu’aux États-Unis et sur l’application iOS du distributeur, pas encore sur Android ou le site web.

Depuis le début de l’année, Amazon propose également son assistant virtuel, mais lui aussi de façon limtée, seulement aux États-Unis et uniquement sur les applications iPhone et Android, pas sur son site de e-commerce. De plus, il ne sait encore gérer qu’un seul produit à la fois et ne permet pas de mettre les articles au panier. Autre exemple, depuis l’année dernière, Carrefour propose son assistant virtuel d’achat, baptisé Hopla et s’appuyant sur ChatGPT. Disponible sur le site web et l’application mobile du distributeur, il peut donner des idées de recette, indiquer les ingrédients nécessaires en fonction du nombre de personnes et du budget, et les ajouter au panier. En revanche, pour l’organisation d’un événement, il n’est pas aussi doué que celui de Walmart et renvoie sur la page « Traiteur » classique du site. De plus, s’il promet d’afficher à la demande les instructions pour réaliser la recette proposée et même de les télécharger, il n’y réussit pas toujours. Mais il est vrai qu’il réclame dès le début de son utilisation notre indulgence, en précisant qu’il est encore en apprentissage…

Reste que l’IA Gen a déjà donné un nouveau souffle au domaine des chatbots grâce à une plus grande facilité de mise en œuvre que les technologies antérieures, mettant ces dispositifs virtuels à la portée d’un plus vaste panel de commerçants. Depuis le début d’année, Google propose d’ailleurs une nouvelle solution, Conversational Commerce, destinée à faciliter l’intégration d’agents virtuels sur le site web et l’application mobile des distributeurs. Elle repose sur les modèles d’IA Gen Gemini Pro et Imagen 2 de l’éditeur, ainsi que sur sa plateforme de RAG (Retrieval Augmented Generation) Search and Conversation Vertex AI, qui permet de faire travailler l’IA Gen sur les données fournies par l’entreprise et non sur celles qu’elle a apprises. Selon Google, Conversational Commerce permet de déployer un agent virtuel en quelques semaines.

Un duo robot-humain

Chez Cdiscount, IKKS, ou encore Intersport, c’est vers la plateforme iAdvize que l’on s’est tourné pour améliorer l’expérience d’achat en ligne grâce à l’IA Gen. Le spécialiste du conversationnel intègre cette technologie depuis début 2023. Elle vient renforcer sa solution mettant en contact les clients avec les conseillers des distributeurs ou les experts d’une communauté baptisée Ibbü, des passionnés de différents domaines apportant leurs conseils.

Chez Intersport, depuis plusieurs années, on utilise la solution de web-to-chat d’iAdvize, connectée à la communauté Ibbü justement, pour accompagner les clients dans leur parcours d’achat. En novembre 2023, le n°2 des articles de sport en France s’est lancé dans un test de Copilot for Shoppers, l’IA Gen proposée par iAdvize. « Si j’avais su, nous l’aurions adoptée plus tôt, reconnaît aujourd’hui Philippe Muhr, le directeur digital & e-commerce. Elle nous a permis d’obtenir sept fois plus de passages à l’achat, soit un très bon score. Avec quelque 100 millions de visites par an sur notre site e-commerce, c’est intéressant », souligne-t-il. La solution est connectée au catalogue du distributeur et dispose ainsi d’une connaissance exhaustive des spécificités techniques des produits, la rendant capable de répondre aux interrogations des clients sur le sujet. Si le produit recherché n’est pas en stock, elle sait du même coup conseiller un produit aux caractéristiques équivalentes. Mais elle n’a pas vocation à mener une discussion de bout en bout, intervenant essentiellement au début du parcours d’achat. « La pratique sportive constitue notre cœur de marché, nos clients sont donc à la recherche de conversations avec des personnes capables de partager leur expérience en la matière ainsi que sur la technicité de nos produits, explique Philippe Muhr. 

Sur les articles très techniques, comme le vélo, l’IA Gen déroule un questionnaire et passe ensuite la main à un expert. Mais grâce au machine learning, elle continue aussi d’apprendre au fil des conversations et finit par se révéler capable d’aller plus loin dans le parcours d’achat, en répondant à des questions de plus en plus précises, sans que l’on discerne beaucoup de différences par rapport à un opérateur de la communauté Ibbü, constate-t-il. Elle passe cependant toujours la main au bon moment à un expert humain. » Aujourd’hui, 74 % des conversations avec les clients comportent ainsi une part d’automatisation, et le recours à l’IA Gen a permis d’augmenter leur satisfaction de huit points. Par ailleurs, alors que du vélo à la lunette de piscine, en passant par la chaussure de foot, le catalogue du distributeur comporte un grand nombre de produits différents, l’IA a aussi optimisé leur catégorisation et maximisé l’intervention humaine, en prenant à sa charge les débuts de conversations. « Elle a désengorgé le flux vers les experts Ibbü et permis que ceux-ci interviennent au meilleur moment », indique Philippe Muhr.

De multiples opportunités

Depuis le lancement de son offre, iAdvize indique avoir embarqué une centaine de ses clients dans l’usage de sa solution Copilot for Shoppers, des e-commerçants de tous les secteurs, avec dans le top 5 l’électroménager-électronique (23,5 %), la mode (21,6 %), le sport et outdoor (9,8 %), la maison (7,8 %) et la beauté (5,9 %). Mais la grande distribution ou la distribution spécialisée ne sont pas les seules à s’intéresser à l’IA Gen. C’est aussi le cas de la banque, comme le montrent notamment les nombreuses initiatives prises en la matière chez BNP CPBS (Commercial, Personnal Banking & Services). « Nous considérons que l’IA Gen dispose d’un vrai potentiel d’usage dans la gestion des interactions avec les clients, que ce soit pour fournir une réponse automatique à leurs demandes à tout moment ou pour gagner en efficacité lorsqu’un échange avec un conseiller se révèle nécessaire », explique Sophie Heller, chief operating officer de BNP Paribas CPBS. Sur le plan technologique, la banque s’appuie sur les modèles de langages de Mistral AI, déployés sur ses propres serveurs et infrastructures, répondant ainsi à l’exigence très forte du secteur bancaire en termes de sécurité. Elle a développé son propre système de RAG afin de s’assurer que l’IA ne travaille que sur ses données et non sur ce qu’elle a appris ailleurs, ainsi que pour éviter les phénomènes d’hallucination, autrement dit que l’IA Gen invente quand elle ne trouve pas de réponse.

Au premier rang des chantiers en cours, figure la conception d’un assistant en mesure d’apporter automatiquement une réponse personnalisée aux demandes des clients. « Nous disposons déjà de chatbots sur des technologies plus anciennes, mais la qualité d’expérience n’est pas excellente, reconnaît la responsable. L’IA Gen présente l’avantage d’avoir une meilleure compréhension des demandes et, surtout, une meilleure capacité de restitution, permettant de réellement rédiger une réponse personnalisée », souligne-t-elle.

Dans la continuité de ce premier projet, l’enjeu est également de renforcer l’expérience du client souhaitant aller au-delà de la réponse automatique apportée par le chatbot et entrer en contact avec un conseiller bancaire. Des travaux sont ainsi menés pour faire générer à destination de ce dernier un résumé des différentes interactions avec le client, qu’il lui offre en un clin d’œil une vision de sa situation et des opportunités qui ont pu apparaître au cours des discussions avec lui. « L’objectif est de mettre à sa disposition un petit laïus qui lui permette de rebondir de manière plus intelligente, de le rendre plus pertinent », précise Sophie Heller. Enfin, un dernier enjeu est de mieux capitaliser sur la connaissance client, en faisant produire à l’IA Gen un compte-rendu automatique détaillé de l’échange avec lui. « Aujourd’hui, il est réalisé manuellement et constitue avant tout un relevé de décisions davantage qu’un compte-rendu exhaustif, explique la responsable. Son contenu est également très variable d’un conseiller à l’autre. L’IA Gen apporterait un résultat homogène en termes de complétude et de qualité. »

Autre projet, celui mené autour d’un tableau de bord investissement offrant au client une vision de son portefeuille en fonction des classes d’actifs détenus, du niveau de performance, de risque, ou encore d’investissements responsables (ESG). Cet outil sera aussi à la disposition du conseiller bancaire, afin qu’il puisse mieux accompagner le client dans la gestion de son patrimoine. Dans une optique d’éducation financière et grâce à un assistant virtuel à base d’IA Gen, la banque veut fournir au client le moyen d’obtenir des explications sur l’évolution de ce portefeuille, sa performance par rapport à celle du marché, sa situation budgétaire et patrimoniale, le déroulement de ses transactions. « Qu’il soit dans l’examen de son portefeuille, dans un processus de souscription ou de versement, voire dans la préparation d’un rendez-vous avec son conseiller bancaire pour réexaminer sa stratégie patrimoniale, l’objectif est qu’il puisse obtenir de manière simple, conversationnelle, tous les éléments de compréhension nécessaires », détaille Sophie Heller.

Mais la banque n’en est pas encore là. Dans un premier temps, c’est pour faciliter au conseiller bancaire la préparation d’un rendez-vous avec son client que cet assistant virtuel a été développé. Il peut l’interroger pour comprendre sa situation patrimoniale et ce qu’il pourrait lui proposer, accéder à des informations sur ses actifs sans avoir à consulter plusieurs systèmes. Testé par des conseillers sur des données fictives, il le sera ensuite sur celles de clients, avant d’entrer en production généralisée pour tous les conseillers. La mise à disposition pour les clients, elle, est prévue pour la fin d’année. « En termes d’IA Gen, nous n’en sommes qu’au début, souligne Sophie Heller. Nous avons une bonne clarté sur les principaux cas d’usage initiaux autour des assistants virtuels pour les clients et les employés, avec de premiers déploiements cette année puis, progressivement, les années suivantes, selon une stratégie de mise en production par univers avec d’abord l’investissement, avant la banque au quotidien, puis les autres services, détaille-t-elle. Pour aboutir à un assistant virtuel vraiment sophistiqué, capable d’être interrogé sur des transactions mais aussi d’exécuter des actions simples, c’est un chantier de 24 mois, avec des mises en production progressives par thème », précise-t-elle.

Du mieux aussi dans la recommandation

En termes d’expérience client, en plus de donner un second souffle au conversationnel, l’IA Gen a aussi, par ses capacités créatrices, renouvelé les capacités de recommandation produit. « Elle contribue à les personnaliser davantage en apportant des réponses toujours plus ciblées », indique Louis Pichon, expert grande distribution généraliste et spécialisée chez IBM France. De ce point de vue, elle vient d’ailleurs renforcer la qualité des dispositifs à base de réalité virtuelle.

C’est ainsi que, pour un spécialiste américain de la mode, IBM a développé un moteur capable de générer une photo du client habillé avec les vêtements qui lui sont recommandés. « Dans la cosmétique, l’IA Gen nous a aussi permis de proposer une application qui analyse la peau à partir de la photo d’une personne, puis génère une recette de produit cosmétique », complète Louis Pichon. Dans ce secteur, le spécialiste de l’essayage virtuel de produit de beauté Perfect Corp tire parti de l’IA Gen avec une nouvelle suite d’assistants baptisés PerfectGPT, destinés au maquillage ou à la coiffure. Il vient notamment d’équiper un spécialiste japonais de perruques de mode ou médicales pour femme, simulant de manière très réaliste leur essayage sur la photo des clientes.

Les conseillers client ne sont pas oubliés

En matière d’expérience client, comme chez BNP Paribas, les initiatives d’IA Gen dans le retail concernent aussi les conseillers qui sont à leur contact, physique ou à distance. Chez Walmart, l’assistant virtuel pour les clients a ainsi son pendant pour les employés. Baptisé Ask Sam, il leur permet, entre autres, de savoir rapidement dans quel rayon se trouve un produit ou quel est son prix, de manière à mieux renseigner les clients.

En France, cette année, Cegid a quant à lui dévoilé Pulse, un ensemble d’assistants intelligents développés dans un nouveau centre de compétences entièrement destiné à l’IA et témoignant de la priorité qui lui est donnée en termes d’investissements. Il accueillera à terme 200 spécialistes du domaine. L’éditeur a également dévoilé de premières intégrations de Cegid Pulse à ses solutions retail, en particulier dans Live Store, l’outil pour vendeur en magasin accessible notamment sur tablette. Il répond à trois cas d’usage, dont le premier est la traduction instantanée. « Beaucoup de nos clients sont présents dans des zones touristiques ou doivent interagir avec des personnes de nationalités différentes, or un vendeur peut difficilement maîtriser toutes les langues, explique Olivier Chiono, head of retail product chez Cegid. Avec Pulse, les propos du client et du vendeur sont traduits en temps réel, chacun voyant instantanément dans sa langue ce que dit l’autre », détaille-t-il.

Dans la solution pour vendeur Cegid Retail Live Store, l’IA Gen permet, entre autres, d’afficher au vendeur la synthèse de la connaissance sur un client sous forme de liste de mots clés (à gauche), ou encore d’écouter le client parler de ce qu’il recherche et lui faire des recommandations (à droite).

Pour les clients disposant d’une carte de fidélité, et donc identifiables par le commerçant, Pulse apporte au vendeur la possibilité de nouer une relation plus personnalisée, grâce à sa connaissance dudit client. Le logiciel analyse les données disponibles sur lui (historique d’achats, préférences de taille, de couleurs, etc.) et les synthétise immédiatement à travers un système de mots clés qui permettent au vendeur de disposer, en un coup d’œil, d’une meilleure compréhension du profil et des préférences du client. Il peut ainsi mieux personnaliser ses conseils.

Enfin, Pulse sait aussi se mettre à l’écoute des échanges entre le client et le vendeur afin de proposer des recommandations de produits en temps réel. Dans sa version précédente, la solution disposait déjà d’un système de recommandation, mais il était statique, les produits étant proposés selon des critères prédéfinis par le siège. Quant à la dimension connaissance client, comme dans nombre de solutions, elle était présente, mais à charge du vendeur de synthétiser lui-même les données fournies, ce qui n’a rien d’évident dans le cadre d’un échange avec le client.

Désormais, au fur et à mesure que des produits sont proposés, le vendeur peut indiquer à l’IA si la recommandation faite est jugée pertinente par le client, permettant à celle-ci d’apprendre et de proposer de nouvelles recommandations plus affinées. « Quels que soient son niveau d’expérience, sa connaissance du catalogue ou de la disponibilité des produits en stock, le vendeur est ainsi en mesure de proposer des recommandations pertinentes », défend Olivier Chiono. Côté technologie, Cegid s’appuie sur des LLM du marché comme ChatGPT, les modèles proposés par Microsoft Azure, ou encore ceux de Mistral AI. « Nous testons les modèles sur nos différents cas d’usage pour savoir celui qui, à date, fournit le meilleur résultat, explique Olivier Chiono. Mais nous sommes conscients que les choses évoluent très vite et qu’il est nécessaire d’être agnostique, d’être prêt à pouvoir changer de version de modèle ou à changer de modèle. » Une posture d’agilité qui va sans doute rester d’actualité pendant longtemps dans un secteur en pleine effervescence. 

---

Texte, voix, vidéo ?

Converser avec un assistant virtuel se faisait jusque-là par écrit. Mais les capacités de l’IA Gen sont venues enrichir les possibilités en matière de nature d’interaction avec l’utilisateur. Dans les usages privés, notamment avec ChatGPT, les échanges vocaux se sont ainsi développés. Chez BNP Paribas, si les assistants virtuels sont par défaut conçus pour les échanges par écrit, la voix est par exemple prévue. « Nous pressentons un développement très fort du vocal, en particulier sur mobile, en raison de la taille de l’écran et de la moindre facilité à écrire », indique ainsi Sophie Heller, la chief operating officer de BNP Paribas CPBS. En revanche, même si l’IA Gen est capable de créer une vidéo explicative à la volée, ce n’est pas forcément une modalité que proposera la banque. « Sur des contenus explicatifs évolués, il est préférable de les tester avec des clients et de procéder par itération pour les rendre vraiment compréhensibles, indique la responsable. L’expérience nous montre en effet que ce qui nous apparaît très clair peut ne pas l’être du tout pour des clients », explique-t-elle.

---

À LIRE AUSSI :

@Work

Le marketing pionnier dans les usages de l’IA Gen

Stéphane Moracchini

31 Oct