Vers une mutation plus structurelle des modèles économiques
Une étude menée par CIO Insight en 2014 indiquait déjà que 98 % des entreprises questionnées percevaient comme vitale l’automatisation des processus dans la course aux avantages concurrentiels. Un article dans la Harvard Business Review paru l’an dernier relativisait cet engouement puisque 15 % des entreprises utilisaient l’intelligence artificielle et l’automatisation des process pour bonifier leur service client. Jean Trzcinski, Associate Partner chez SIA Partners, estime désormais qu’avec « l’arrivée de traitements informatiques plus puissants et de logiciels de traitement beaucoup plus intelligents, la transformation à venir sera beaucoup plus structurelle ».
Jean Trzcinski poursuit son argumentaire : « la plupart des briques sous-jacentes de l’I.A. sont déjà présentes. Les volumes des données stockées et gérées par les entreprises sont déjà immenses (big data) (…) Parallèlement, ces données sont d’ores et déjà échangées au sein de l’organisation via un nombre croissant d’interfaces (API) ; des données qui sont aussi traitées de manière de plus en plus automatique par des logiciels plus intelligents ou simplement plus efficaces. ».
L’intelligence artificielle, véritable enjeu stratégique pour les banques
Rappelons que l’IA favorise l’adaptation d’un robot à son environnement, afin qu’il soit de plus en plus apte à proposer une solution appropriée au contexte et aux besoins, à un instant précis. Le robot passe alors du statut de simple exécutant à celui de force de propositions comme l’illustre la solution IBM Watson. Quant à l’automatisation robotisée des processus, elle permet de prendre en charge les tâches simples et répétitives.
Ces technologies constituent donc des enjeux stratégiques notamment pour les banques qui peuvent réduire leurs coûts opérationnels et leurs taux d’erreurs. Ces deux avantages ont un effet bénéfique sur la satisfaction client mais aussi sur les collaborateurs dont les compétences sont réorientées vers des tâches plus valorisantes notamment sur le conseil client.
Et les champs d’application se multiplient. ANZ Banking Group exploite l’automatisation dans plusieurs domaines (maintenance des données client, réconciliation de comptes, clôture mensuelle). La banque LCL déploie une trentaine de robots sur 17 activités autour du crédit en back office. Actuellement en test pour les clients, la Société Générale utilise l’intelligence artificielle à des fins de détection des fraudes grâce à un chatbot.
Quelques exemples qui concernent la relation client banque
La biométrie vocale est un exemple visible de l’utilisation de ces technologies au service de l’amélioration de l’expérience utilisateur. Les algorithmes parviennent à authentifier leurs interlocuteurs en analysant le débit, l’intonation ou la tonalité de la voix. La Banque Postale utilise par exemple la reconnaissance vocale via son application Talk to Pay afin de renforcer la sécurisation des paiements en ligne.
Repérer l’insatisfaction des clients est également une aide précieuse pour booster la relation entre la banque et son client. La technologie s’appuie sur des logiciels d’analyse sémantique pour passer au crible et en temps réel les échanges avec la clientèle. Cette analyse se fait aussi bien sur les canaux de conversation classiques (centres d’appels) que sur les canaux numériques (réseaux sociaux).
Les assistants intelligents participent eux aussi à enrichir la relation client. Nourri par l’automatisation des processus, le big data et le deep learning, le chatbot simplifie, personnalise et approfondit la gestion client. Les banques testent et essaiment ces robots conseillers dans de nombreux services bancaires : préparation de rendez-vous, traitements des mails, diagnostic épargne et assurance, rédaction de compte-rendu, etc.
Djingo au service de la relation banque client d’Orange Bank
L’exemple du conseiller virtuel d’Orange Bank, Djingo, est évocateur. La banque mobile lui a confié la gestion des demandes de premier niveau comme le blocage et le déblocage de la carte bancaire. Il effectue 100.000 conversations par mois pour un taux de compréhension de 85 %. Orange Bank a démarré une phase de tests concernant l’analyse de mails avec 75 % de réussite dans l’identification de la demande et de son niveau d’urgence pour hiérarchiser leur traitement.
Dernière avancée en date : Djingo doit prochainement prendre contact avec les clients de sa propre initiative afin de faire des propositions commerciales adaptées à leurs besoins. Ainsi, le simple assistant personnel migre doucement vers la collaboration proactive cadrée par des modèles prédictifs. Ces derniers sont essentiels dans l’appréhension des moments de vie des clients et des actions à engager pour délivrer le bon produit au bon moment.
IA : anticiper les besoins des clients à petits pas
Xavier Guérin, Vice Président EMEA South chez DataSax, résume très bien l’apport de l’IA dans les services bancaires dans une contribution parue sur le site de Forbes : « En observant ce qui se passe dans la vie d’un client à un moment précis plutôt qu’en misant sur les comportements considérés comme la norme et sur ce qui est susceptible de répondre à un besoin, les banques peuvent élaborer des offres de services plus ciblées et maximiser leur réussite. Ce d’autant que l’automatisation et l’IA peuvent identifier des services que les clients pourraient juger utiles, et faciliter leur utilisation. ».
Jean Trzcinski se refuse toutefois à évoquer le « grand soir de l’IA », envisageant plutôt des « petits changements apportés très rapidement au rythme de mises à jour logicielles ». Il rappelle surtout que « toutes ces considérations doivent donc être intégrées dans l’ADN des entreprises pour minimiser la rupture et ne pas être mises de côté, car la transformation sera principalement exogène. ». Etudiant l'impact sur les métiers de l'arrivée des robots dotés d'une intelligence artificielle, l'institut Sapiens prévoit la disparition de ceux d'employés de la banque et des assurances entre 2038 et 2051...