Usant de la parole et de contenus ludiques, dotés de personnalités uniques, les chatbots séduisent par leur conversation et installent une forme de connivence avec des consommateurs conquis par le self-service… du moins en théorie ! Aujourd’hui, l’heure est venue de confronter les promesses à la réalité.

Depuis bientôt 3 ans, l’effervescence autour des chatbots ne retombe pas ! On prédit que ces agents virtuels auto-apprenants et disponibles 24 h/24 vont permettre d’automatiser jusqu’à 85 % des tâches des agents d’ici 2030. Usant de la parole et de contenus ludiques, dotés de personnalités uniques, les chatbots séduisent par leur conversation et installent une forme de connivence avec des consommateurs conquis par le self-service… du moins en théorie ! Aujourd’hui, l’heure est venue de confronter les promesses à la réalité. Alors quel ROI pour les chatbots ?

Une majorité d’entreprises considèrent les agents conversationnels comme un levier de leur transformation digitale, c’est en tout cas ce qu’affirment un grand nombre d’études. Ces mêmes études s’accordent aussi sur le fait que l’adoption massive des bots est encore loin d’être au rendez-vous. Et quand les entreprises intègrent un chatbot — parfois sur leur site web, souvent sur leur page Facebook —, ce dernier se révèle rarement à la hauteur de leurs espérances ou celles de leurs utilisateurs.

Beaucoup de chatbots n’auront su bluffer ni par la pertinence de leurs réponses ni par la richesse de leur discussion . Bien que toujours disponibles, ces agents conversationnels demeurent loin d’être systématiquement capables de fournir immédiatement des réponses utiles, au risque de décevoir les téméraires utilisateurs de ces solutions novatrices, alors qu’une première expérience négative peut s’avérer fatale à l’adoption d’un nouveau service.

Odigo-content_Blog-Chatbot_ROI_2500x1400px_FR_Draft_MP

Chatbots : entre fantasmes et promesses intenables

Pourquoi le chatbot n’a-t-il pas toujours tenu ses promesses ? La réponse est en partie à trouver du côté des fantasmes qui accompagnent le Machine Learning (ML). En effet, cette idée d’apprentissage automatique a conduit une partie des entreprises à s’imaginer que le chatbot allait pouvoir tout apprendre par lui-même. La réalité est pourtant bien différente.

Un agent conversationnel ne réfléchit pas. Les chatbots sont des programmes complexes qui appliquent des règles de décision définies par l’Homme et doivent être entraînés à reconnaître des « situations ». Ils ne font qu’appliquer un scénario de conversation qui répond à la reconnaissance d’intentions — grâce à la Reconnaissance Automatique de la Parole (ASR) ou la Compréhension du Langage Naturel (NLU) —, ou réagissent en fonction des choix de l’utilisateur (par l’intermédiaire de boutons de choix ou dans un carrousel par exemple).

Un agent conversationnel se définit par sa capacité à laisser l’utilisateur s’exprimer librement, puis à répondre le plus naturellement possible à ses demandes de façon pertinente. Atteindre ce Graal (répondre en rapport avec la problématique personnelle de l’utilisateur) nécessite de prendre le temps d’entraîner son moteur de reconnaissance du langage. En la matière, le plus efficace reste encore d’alimenter le bot à l’aide d’un maximum de phrases représentatives de la façon dont les utilisateurs formulent les demandes que le chatbot aura en charge d’adresser. Cette étape est cruciale à l’adoption du chatbot dès ses premières interactions ; elle reste nécessaire à mesure que les services rendus par le bot évoluent. Ces phases d’apprentissage ont souvent été sous-estimées, voire cachées à des entreprises aveuglées par les promesses du « self-machine-learning ».

Le tableau n’est pas tout noir : un certain nombre de succès ont bien été rencontrés. Particulièrement en matière de personnalité des chatbots, qui se distinguent par leur façon de s’exprimer, leur tonalité (institutionnelle ou plus légère), leur vocabulaire, ou encore leur allure et leur couleur. Cependant, aussi singulière soit-elle, la personnalité ne suffit pas à pallier l’ignorance. Et même si des progrès notables permettent désormais d’atteindre un niveau de compréhension satisfaisant pour les utilisateurs, sans contenu à proposer, et sans réponses personnalisées, le chatbot se rapproche d’un gadget inutile

Dernier enjeu : pour apporter un service personnalisé, il faut permettre au chatbot d’accéder à la connaissance de l’entreprise (son système d’information (SI), sa gestion de la relation client (CRM) et sa base de connaissance). Mais faut-il encore que cette connaissance soit structurée et accessible. Il s’agit d’une étape obligée si l’on veut proposer d’une part plus d’autonomie et de self-service utile aux clients et d’autre part, soulager les agents humains des demandes qui peuvent trouver réponse sans eux ! Attention : la complexité et le budget associés à l’intégration ont parfois pu être présentés de façon édulcorée par certains acteurs, notamment les pure players.

Cependant, le chatbot demeure encore loin d’avoir dit son dernier mot, nous verrons pourquoi dans la seconde partie de ce billet. Nous y expliquerons également la marche à suivre pour créer un agent conversationnel qui soit plus qu’un simple gadget. Enfin, nous reviendrons en détail sur les différentes manières de mesurer le ROI d’un chatbot.

Par Athena Steimberg, Product Marketing Manager chez Odigo