Glossaire de l’IA
dans le service client.

Assistance par l’IA pendant le travail d’un agent du service client, par exemple avec des réponses, des résumés ou des instructions de travail. L’agent mène l’échange avec le client et évalue ce qu’il utilise.

Le temps moyen nécessaire pour traiter un contact. Selon le dispositif de mesure, le temps de conversation, la mise en attente et le travail post-contact peuvent être comptabilisés. Précisez les éléments pris en compte dans votre rapport.

Une application qui peut choisir les étapes suivantes à l’aide d’un modèle d’IA et utiliser des outils pour atteindre un objectif. Les actions autorisées et les limites sont configurées au préalable.

La répartition des responsabilités, la prise de décision et les contrôles liés à l’IA. Cela comprend notamment les personnes autorisées à modifier une application, la manière dont les performances sont évaluées et les personnes chargées du suivi des incidents.

Une manière convenue pour qu’un logiciel communique avec d’autres logiciels. Une API peut mettre des données à disposition ou permettre une action, dans les limites des droits dont dispose la connexion.

Évaluation automatique des interactions avec les clients à l’aide de critères de qualité définis. L’IA peut aider à évaluer les conversations à plus grande échelle ; l’intervention humaine reste nécessaire pour contrôler les critères et les résultats.

La part d’un ensemble défini de tâches ou d’interactions qui est traitée automatiquement. Le résultat dépend de ce que vous incluez dans la définition d’une tâche, de son achèvement et de l’intervention humaine.

Une application permettant à une personne d’avoir une conversation, généralement par texte. Les réponses peuvent provenir de parcours prédéfinis, de l’IA ou d’une combinaison des deux. Un chatbot peut également lancer des workflows connectés.

La part des interactions avec un bot qui, selon la définition de mesure choisie, restent sans transfert à un collaborateur. Cela ne signifie pas automatiquement que le problème est résolu : la personne peut aussi abandonner la conversation.

Les informations qu’une application prend en compte pour formuler une réponse, comme les messages précédents, les connaissances récupérées et les données pertinentes du client. Un modèle de langage ne peut traiter simultanément qu’une quantité limitée d’informations.

Terme générique désignant les techniques d’IA permettant aux systèmes d’avoir une conversation par texte ou par voix. En soi, ce terme ne dit rien sur l’accès au système, l’autonomie ou la qualité des réponses.

La gestion des relations clients et, sous forme logicielle, l’enregistrement des données et des interactions avec les clients. Un CRM peut fournir du contexte au service client, à condition que les informations et les droits d’accès appropriés soient disponibles.

Une mesure de la satisfaction client à l’égard d’une expérience, d’un produit ou d’un service. Il s’agit souvent du ratio entre les répondants satisfaits et l’ensemble des répondants. La formulation de la question, l’échelle et le moment de la mesure déterminent la façon dont le score doit être interprété.

Transmettre un problème parce qu’une expertise, une autorisation ou une priorité supplémentaire est nécessaire. Une escalade peut être effectuée par un bot, mais aussi entre collaborateurs ou équipes.

La proportion de demandes résolues dès le premier contact. Définissez comment vous déterminez qu’un problème est résolu et pendant quelle période un contact ultérieur est encore considéré comme lié à la même demande.

Un processus récurrent dans lequel vous recueillez les retours, les évaluez, les transformez en ajustement, puis contrôlez à nouveau le résultat. Recevoir des retours ne signifie pas qu’un modèle d’IA se réentraîne automatiquement.

Une IA qui génère de nouveaux contenus, comme du texte, à partir de schémas appris et des données qui lui sont fournies. Une réponse formulée avec fluidité n’est pas nécessairement exacte sur le fond.

Le fait d’étayer ou de limiter les résultats produits par un modèle à l’aide d’informations pertinentes pour la tâche. Cela peut se faire, par exemple, au moyen de documentation récupérée ou de données système vérifiées. Il reste nécessaire d’évaluer le résultat.

Résultat produit par une IA qui est incorrect, inventé ou insuffisamment étayé, tout en pouvant sembler convaincant. De meilleures sources et des contrôles peuvent limiter ce risque, mais ne garantissent pas des réponses exemptes d’erreurs.

Le transfert d’une conversation ou d’une tâche d’une application automatisée à un être humain. Un transfert utile contient le contexte pertinent et une raison claire justifiant la prise en charge.

Ce qu’une personne cherche à obtenir avec un message ou une déclaration. Une même intention peut être exprimée avec des mots différents ; un message peut également contenir plusieurs intentions.

Un ensemble structuré d’informations, comme des articles, des conditions générales et des instructions de travail. Son utilité dépend de son actualité, de son accessibilité et de sa clarté pour le public cible.

Organiser l’ensemble du cycle de vie des connaissances : création, vérification, publication, mise à jour et suppression. Cela comprend la désignation de responsables, la gestion des versions et les accords sur les personnes autorisées à utiliser chaque information.

Un grand modèle de langage qui a appris des schémas linguistiques et peut traiter et générer du texte. Il constitue un composant d’une application, et non automatiquement une solution complète de service client.

La capacité à traiter des questions et des réponses dans plusieurs langues. La prise en charge linguistique ne garantit pas que les conditions locales, les noms de produits et les nuances soient correctement rendus dans chaque langue.

Des techniques permettant de déduire le sens, le contexte et l’intention à partir du langage humain. Le NLU aide par exemple à identifier le motif de contact ; il ne se limite pas à reconnaître littéralement les mots.

Un score fondé sur la volonté de recommander une organisation. Le pourcentage de répondants ayant attribué une note de 9 ou 10 moins le pourcentage ayant attribué une note de 0 à 6 constitue le NPS.

Une approche dans laquelle les canaux et le contexte client pertinent sont interconnectés. Être joignable uniquement par téléphone, chat et e-mail ne prouve pas encore que ces canaux fonctionnent de manière cohérente.

La consigne et les informations qui permettent de diriger un modèle. Un prompt peut décrire le style, l’objectif et les limites, mais il ne remplace ni les droits d’accès ni le contrôle technique d’une action effectuée par le système.

Une approche dans laquelle des informations pertinentes sont d’abord récupérées, puis fournies à un modèle de langage pour formuler la réponse. La qualité des informations trouvées influence l’utilité du résultat.

Une estimation automatisée de la charge émotionnelle dans un texte ou un discours, par exemple positive ou négative. Le contexte et l’ironie peuvent compliquer l’interprétation ; considérez le résultat comme un signal.

Un accord sur le niveau de service à fournir, avec des définitions et des responsabilités. Pensez à la disponibilité, au délai de réponse ou au traitement. Un objectif ne peut être évalué que si la méthode de mesure est clairement définie.

Un fragment de texte ou une autre entrée de modèle sur lequel un modèle effectue ses calculs. Un token peut être une partie de mot, un mot ou un signe de ponctuation. Le nombre de tokens ne correspond donc pas au nombre de mots.

Un modèle peut sélectionner une fonction disponible et proposer des arguments. L’application contrôle et exécute cette demande. Ce n’est qu’au moment de l’exécution effective que l’on détermine si des informations sont récupérées ou si une modification est effectuée.

Une application permettant d’échanger oralement avec quelqu’un. Elle combine souvent reconnaissance vocale, traitement de la conversation et synthèse vocale. Le transfert d’appel et la gestion des paroles difficiles à comprendre doivent être configurés délibérément.

Une séquence définie d’étapes, de conditions et d’actions. Un workflow peut combiner des règles fixes, des composants d’IA et une validation humaine. Tout workflow automatisé n’est donc pas pour autant un agent d’IA autonome.