L’intelligence artificielle en entreprise reste encore un fantasme pour beaucoup d’entre nous. Pour certains, l’intelligence artificielle libérerait l’humain de tâches rébarbatives ; pour d’autre, elle nous aliénerait et détruirait des emplois. Mais ce que peu d’entre nous savent, c’est que l’IA et le machine learning sont déjà très présents dans nos entreprises, et que nous nous en servons tous les jours !

Le NLP (Natural Language Processing) ou traitement automatique du langage (TAL) est un des terrains d’application de l’IA les plus prolifiques. C’est la branche de l’Intelligence Artificielle qui consiste à comprendre et traiter le langage humain.

Ses usages en entreprise sont très nombreux : le NLP offre un gisement d’opportunités pour gagner en productivité, en fiabilité, et prendre de meilleures décisions.

Aujourd’hui, nous nous penchons sur l’un des domaines les plus fertiles en applications du NLP : celui de la relation entre marques et consommateurs. 

1- NLP et Voix du client

Comment mieux comprendre les attentes des consommateurs pour les transformer en produits et services mieux adaptés, et optimiser l’expérience client ?

L’analyse des avis et messages des clients permet de comprendre les raisons de leur satisfaction ou de leur irritation, et de mettre en œuvre des plans d’actions adaptés. La Voix du Client (Voice of Customer) est le processus outillé par lequel l’entreprise recueille, analyse, hiérarchise et priorise les besoins, attentes et préférences des clients pour que ses produits et services y répondent le plus étroitement possible.

Le NLP permet ainsi de traiter les feedbacks écrits des clients sur tous les canaux (réponses aux enquêtes de satisfactions, emails, avis consommateurs, réseaux sociaux…), de les classer en thématiques et sous-thématiques grâce à une analyse sémantique, et d’identifier la tonalité du discours (ou analyse de sentiments).

Retour d’expérience : Engie améliore l’expérience client grâce au NLP

Engie, leader du secteur de l’énergie, centralise et analyse les retours clients sur tous les canaux grâce à l’analyse sémantique. “Pouvoir analyser les verbatims clients est indispensable pour nous permettre de comprendre les raisons pour lesquelles un client est satisfait ou insatisfait afin d’agir et réengager le client” (Jean-Remy Dudragne, Responsable Expérience client et innovation chez Engie).

Lire l’étude de cas Engie : améliorer la satisfaction client grâce à l’analyse de la Voix du Client

2- NLP pour l’analyse des réseaux sociaux et la e-reputation

Les forums, blogs et réseaux sociaux contiennent une masse considérable de retours de consommateurs, de commentaires d’internautes sur les marques, ainsi que des interrogations sur les produits et services proposés.

Les technologies d’analyse sémantique peuvent traiter et valoriser ces contributions. Même si les réseaux sociaux soulèvent des questions méthodologiques de représentativité, voire de manipulation, la collecte et l’analyse sur ces canaux contribue au benchmarking concurrentiel. En effet, les internautes comparent souvent les produits de plusieurs marques ; il devient donc possible de comprendre les motivations des non-clients.

Attention : il faut avoir conscience que la performance de l’analyse d’opinion diminue, parfois sensiblement, quand on l’applique sur une masse hétérogène de documents collectés sur le Web et les réseaux sociaux.

En effet, chaque contenu collecté n’exprime pas forcément une opinion: il peut s’agir d’un tweet, d’un post de blog, d’un commentaire sur un forum ou de tout autre page inadaptée à une analyse d’opinion: présentation d’entreprise, article Wikipédia, brevet, annuaire téléphonique…

Il est donc important de qualifier les contenus avant de chercher à extraire des opinions. Ce n’est d’ailleurs pas parce qu’une personne s’exprime qu’elle a un avis ; un outil qui cherche à tout prix à détecter une opinion génèrera beaucoup d’erreurs.

Mais l’analyse sémantique des prises de paroles sur les réseaux sociaux reste un formidable outil pour prendre le pouls des consommateurs, détecter des tendances, ou analyser l’e-reputation d’une marque.

En savoir plus : Repositionner sa marque grâce à une meilleure compréhension de son image auprès des consommateurs

3- NLP & Assistants virtuels

Les technologies de traitement automatique du langage permettent d’importants gains de productivité dans le domaine de la gestion de la relation client, principalement via la mise en place d’assistants virtuels.

En effet, on estime que 80% des demandes clients concernent 20% des sujets (ceux qui sont le plus fréquemment abordés). En automatisant – même partiellement – sa relation client une entreprise gagne en réactivité vis-à-vis de ses clients. L’intérêt est double: engendrer des économies d’échelle ; mais aussi permettre aux agents humains de se focaliser sur des tâches à plus forte valeur ajoutée et fournir une meilleure assistance aux clients formulant les 20% de requêtes atypiques.

Assistants de réponse aux messages entrants

Les assistants de réponse aux messages entrants catégorisent et qualifient automatiquement le contenu des emails reçus par le service client d’une entreprise, et proposent au conseiller un brouillon de réponse automatisée. Cette réponse peut être alimentée par une base de connaissance mais aussi par d’autres informations sur le client, piochées au sein du système d’informations (solde bancaire, historique de commandes, type de contrat…).

En savoir plus : Proxem Smart Reply, classification automatique et assistant de réponse aux emails

Chatbots

Et comment parler d’assistants virtuels sans mentionner les chatbots !

Les chatbots sont un bon moyen d’offrir un canal de relation client ouvert 24h/24, 7j/7. Ils peuvent apporter au client un premier niveau d’information, et mettre le client en relation avec un conseiller humain en cas de besoin. Ils peuvent également être une véritable interface de vente : il est possible, via un chatbot, de réserver un billet de train, commander une pizza, ou prendre rendez-vous chez le médecin.

A lire pour aller plus loin : Livre Blanc, tout savoir pour réussir vos projets de Chatbots

Retour d’expérience : Orkyn’ adopte un chatbot

Orkyn’, prestataire de santé à domicile, a mis en place un chatbot sur son site, afin de conseiller les personnes en perte de dépendance et leurs aidants. Le chatbot comprend les questions posées en langage naturel et s’améliore en permanence grâce aux questions posées. 

Lire l’étude de cas Orkyn’, un chatbot pour conseiller les personnes en perte de dépendance et leurs aidants

Assistants vocaux

La dernière catégorie d’assistants virtuels, ce sont les assistants vocaux. Ils utilisent des technologies de reconnaissance vocale (speech-to-text), qui permettent d’analyser un enregistrement numérique de voix humaine pour en retranscrire le contenu sous forme textuelle.

Vous connaissez sans doute certains usage du speech-to-text : dictée vocale, sous-titres automatisés sur YouTube, assistant vocal de votre smartphone ou de votre ordinateur personnel, enceintes connectées.

Dans les centres de relation clients, le speech-to-text permet d’indexer finement et de catégoriser la nature des échanges téléphoniques entre le consommateur et le téléconseiller. Il peut aussi aider à pousser à ce dernier les procédures ou fiches produits adaptées au contexte ; cela permet parfois de gagner en efficacité, de diminuer la durée moyenne de traitement (DMT) et d’éviter une escalade à un support de niveau deux.

Attention : même si la technologie a récemment connu des progrès notables, de nombreux défis subsistent: comprendre un locuteur en environnement bruité, prendre en compte les accents et séparer les voix dans une conversation multi-locuteurs restent des problèmes complexes. L’oral est généralement plus ambigu que l’écrit et obéit en pratique à des règles grammaticales moins strictes. 

4- NLP pour la modération automatique de contenus

Moins connus que les précédents, les outils de modération automatique de contenus peuvent être très utiles dans le domaine de la relation client.

On peut citer pour exemple la modération automatique d’avis consommateurs, qui permet d’analyser le contenu d’un avis client posté sur un site web, afin d’en extraire tout contenu injurieux, inapproprié, diffamatoire, et toute donnée personnelle. 

Il est également possible de modérer ou “nettoyer” automatiquement les commentaires rédigés sur les fiches clients dans un outil CRM. La CNIL proscrit tout commentaire mentionnant un handicap, une orientation sexuelle, une opinion politique ou religieuse, ou tout simplement des mentions offensantes. Une grande enseigne avait été épinglée par la CNIL en 2015 suite à un audit. Pour éviter cela, il est possible de procéder à une modération automatisée.

NLP et relation client : des cas d’usages infinis !

Ceci ne sont que quelques exemples d’applications du traitement automatique du langage pour les métiers du marketing et de la relation client. Nous aurions aussi bien pu parler d’algorithmes de recommandation, pour booster l’engagement d’une audience ou optimiser les conversion sur un site e-commerce ; ou d’outils de veille marketing, qui permettent de scanner le web à la recherche d’informations pertinente sur votre marché et vos concurrents. Dès lors qu’une tâche implique la lecture et la compréhension de texte écrit ou parlé, l’IA peut rendre service à l’humain, surtout avec les nouvelles technologies Deep Learning. 

bandeau-telechargement-ebook-chatbot-2

Découvrez le livre “Traitement automatique des langues, comprendre les textes grâce à l’intelligence artificielle”, de François-Régis Chaumartin et Pirmin Lemberger.