Stefan Preusler, PDG de LeapLytics
L'année dernière, j'ai eu un de ces moments où l'on se dit : ce n'est pas possible. Notre équipe venait de répondre à la même question pour la troisième fois en une semaine : comment concéder une licence pour nos visuels Power BI lorsqu'une entreprise a à la fois des créateurs et des spectateurs. La même question. Troisième fois. Un vendredi après-midi, alors que plus personne n'avait envie d'être à son bureau.
Le problème n'était pas la question - c'était le moment
Nos clients viennent de différents fuseaux horaires. Une grande partie de nos utilisateurs sont basés en Amérique du Sud, principalement en Argentine et au Brésil. Ils nous écrivent à minuit, heure française. Et lorsque nous leur répondons, ils dorment déjà. Cette boucle de décalage horaire et de répétition des questions nous fait perdre plus d'heures que je ne voudrais l'admettre.
La première idée était simple : créer une page FAQ. Nous l'avons fait. Personne ne l'a lue. Ou du moins pas les bonnes personnes au bon moment. Je ne peux pas vraiment les blâmer - je préfère également taper une question dans une barre de recherche plutôt que de faire défiler de la documentation.
La deuxième tentative a consisté à utiliser un outil de chatbot standard - l'intégrer, rédiger quelques réponses types, et le tour est joué. Cela n'a pas fonctionné non plus. Les réponses étaient trop statiques, trop génériques. Dès que quelqu'un formulait sa question d'une manière légèrement différente de celle prévue par le modèle, rien. Le silence. Ou pire : une réponse qui passait complètement à côté de la question.
Le tournant : RAG
C'est à ce moment-là que nous avons commencé à nous intéresser sérieusement à la RAG (Retrieval-Augmented Generation). Cela semble technique, mais l'idée de base est simple : au lieu de coder les réponses en dur dans le robot, vous lui donnez accès à vos propres documents, descriptions de produits, tickets d'assistance, FAQ - et il récupère lui-même les informations pertinentes avant de répondre.
C'est à ce moment-là que nous avons eu le déclic.
Nous avons commencé à collecter systématiquement les sujets les plus fréquents en matière d'assistance. Non pas en nous basant sur notre intuition, mais en interrogeant nos clients : Quelle a été votre première question lorsque vous avez commencé à utiliser notre produit ? Quel est le problème qui vous a fait perdre le plus de temps ? Certaines réponses nous ont surpris - des questions que nous considérions comme évidentes ne l'étaient manifestement pas.
Nous avons introduit ce contenu dans la base de connaissances du chatbot. Et le plus important : nous pouvons l'enrichir de manière dynamique. Lancement d'un nouveau produit, nouvelle question récurrente - nous l'ajoutons à la base et le chatbot la connaît à partir de ce moment. Pas de reconstruction à partir de zéro, pas de tickets informatiques, pas d'attente.
Le problème des langues - et comment nous l'avons résolu
Voici un détail que j'avais sous-estimé : une grande partie des données, de la documentation et des descriptions internes de nos produits sont en anglais. Mais nos clients d'Amérique du Sud écrivent en espagnol. Et ils s'attendent à juste titre à recevoir une réponse en espagnol.
Cela semble être un petit problème. Ce n'était pas le cas. Un robot à qui l'on demande quelque chose en espagnol et qui répond en anglais, ce n'est pas de l'assistance, c'est de la frustration.
La solution consistait à configurer le robot pour qu'il détecte la langue de l'utilisateur et réponde dans cette langue, même si les informations sous-jacentes sont en anglais. Cela fonctionne désormais de manière fiable. Notre client de Buenos Aires reçoit sa réponse en espagnol, même lorsque notre équipe est endormie.
Ce que le robot fait aujourd'hui
Trois mois après la mise en service, nous constatons qu'environ 60-70% des demandes d'assistance reçues sont entièrement résolues par le robot, sans aucune intervention humaine. Les autres questions arrivent toujours dans notre boîte de réception, mais avec une différence essentielle : le robot a déjà saisi le contexte, classé la demande et nous voyons immédiatement de quoi il s'agit.
Mais il y a un autre effet que je n'avais pas anticipé : le chatbot aide les clients à clarifier leurs propres questions. Parfois, vous ne savez pas exactement quel est votre problème - vous tapez quelque chose, le robot pose une question complémentaire et vous réalisez soudain : ah, c'est en fait ce que je voulais dire. Ce n'était pas une fonctionnalité prévue. C'est arrivé comme ça.
Ce que j'aimerais que vous reteniez
Si vous avez une petite équipe qui répond sans cesse aux mêmes questions d'assistance, ne commencez pas par la technologie. Commencez par recueillir et comprendre ces questions. Ensuite, examinez si une approche basée sur les RAG est judicieuse pour vous.
Le robot ne remplace pas l'assistance humaine. Mais il nous redonne le temps dont nous avons besoin pour traiter des problèmes réellement complexes et pour dormir toute la nuit.
Stefan Preusler est le fondateur et le PDG de LeapLytics, une société de logiciels spécialisée dans les visuels Power BI et la visualisation de données. Il conçoit des produits qui simplifient les processus de données et les rendent plus accessibles aux entreprises.
