Relation Clients

Relation client banque et assurance : l’intelligence artificielle, entre mythes et réalité.

Relation client banque et assurance
02 March 2018

Loin de se limiter à ses déclinaisons les plus spectaculaires ou fictionnelles, l’Intelligence Artificielle (IA) offre dès aujourd’hui de multiples possibilités à mettre au service de la transformation digitale de la relation clients sans attendre.

Avec l’intelligence artificielle (IA), nous sommes au début d’un cycle. Nombre d’évolutions apparaîtront dans les dix prochaines années. Mais il ne sera pas nécessaire d’attendre jusque-là pour commencer à tirer profit de l’IA dans les entreprises. Pour l’ INRIA(1), un premier cap de maturité est déjà franchi : des progrès considérables ont été faits ces dernières années en matière de capacités de compréhension, d’apprentissage, de reconnaissance des images ou de la parole, pour ne citer que ces domaines directement liés à la relation clients digitale.

Il est par exemple déjà possible d’utiliser des algorithmes d’apprentissage pour analyser la tonalité ou le vocabulaire des conversations entre les clients ou avec l’entreprise, afin d’identifier des tendances ou des sources d’insatisfaction. De la même manière, l’analyse prédictive à partir de grands volumes de données est tout à fait capable aujourd’hui, d’identifier des profils comportementaux. Enfin, toujours dans ce même domaine, l’IA recèle un potentiel réel pour alimenter et enrichir le flux conversationnel de la relation clients digitale. Il peut par exemple être utilisé en combinaison avec des objets connectés pour sensibiliser les usagers à des comportements de prévention, ou encore pour, comme le demandent les répondants de l’enquête, faire oeuvre de pédagogie en matière de gestion des finances personnelles.

Apprendre à apprendre aux machines de l'IA

Si les technologies sont effectivement déjà disponibles ou proches de l’être, il reste malgré tout de nombreux obstacles à franchir. Avant d’utiliser ces capacités avancées de l’IA, les entreprises devront d’abord apprendre à leur apprendre. L’un des enjeux notamment, rappelle Joi Ito(2), directeur du Media Lab du MIT, est de veiller à ne pas propager ces mêmes biais dont l’IA est censée libérer. Pour les entreprises, cela signifie deux choses. D’un côté, elles doivent veiller à ne pas inscrire dans les algorithmes des préférences qui pourraient conduire à des comportements automatiques non souhaités.

Enfin, il convient de se rappeler que l’intelligence artificielle, en l’état actuel de la technologie, est constituée d’une multitude de systèmes très spécialisés, capables de réaliser parfaitement une tâche très précise, mais uniquement celle-là. L’IA n’est donc pas appelée à remplacer tout ou partie du système d’information de la relation clients digitale, mais à s’y intégrer pour y remplir des missions très particulières. Tout l’enjeu pour les entreprises consiste ainsi à trouver ces points d’insertion de l’IA dans le système d’information. Il s’agit de combiner l’intelligence artificielle à d’autres avancées technologiques, comme les objets connectés ou les nouvelles techniques de sécurisation. À court terme, le rôle de l’IA est assez proche de celui des solutions de robotisation des processus (RPA).

Dans les deux cas, il s’agit de libérer les utilisateurs métiers d’une tâche à faible valeur ajoutée. Mais là où l’IA va beaucoup plus loin que les RPA, c’est qu’elle ne se limite pas à automatiser la recopie d’information d’un système à un autre. Elle permet par exemple d’éliminer la tâche routinière de réponse aux questions les plus courantes et les plus simples grâce à un chatbot. Elle peut aussi traiter automatiquement les requêtes « normales » par courrier ou par email et n’alerter l’utilisateur métier que si elle rencontre une situation inhabituelle. La vraie valeur ajoutée de l’IA dès aujourd’hui tient ainsi au fait qu’elle peut participer pleinement à l’accélération et à la fluidification du flux conversationnel.

(1) Intelligence artificielle, les défis actuels et l’action d’Inria, 2016
(2) Is artificial intelligence taking over our lives ? New York Times, Dec 2016

 

Automatisation banque et assurance, intelligence artificielle

L’IA et la confiance, encore du chemin

L’un des enjeux de l’utilisation de l’IA réside dans sa capacité à prendre en compte la notion de respect de la vie privée. Comme l’observe le chercheur américain Michael Jordan(3) dans son étude sur l’apprentissage sous contrainte, le respect des données privées a jusqu’ici été majoritairement abordé d’un point de vue statistique, en mettant en oeuvre des techniques d’anonymisation. Mais les capacités d’inférence de l’intelligence artificielle changeront complètement les règles du jeu.

Dans le domaine médical, illustre le chercheur, elles peuvent par exemple permettre d’identifier un risque de maladie grave, celui-ci étant lié à un comportement du patient que celui-ci a gardé secret. L’enjeu ici, est autant éthique que technique. Il faudra non seulement décider d’un point de vue éthique si oui ou non le lien doit être établi entre une probabilité et une autre. Mais la décision devra aussi porter sur le fait de savoir si cette corrélation doit être visible ou rester un secret jalousement gardé par la machine.

Télécharger le livre blanc

Thierry Lalandebearing point logo

Thierry LALANDE

  Head of Data & Analytics, BearingPoint

La réponse ne sera jamais plus intelligente que la question.

L’intelligence artificielle fait partie de ces concepts qui fascinent et effraient tout à la fois. Depuis HAL 9000 (2001, Odyssée de l’espace), elle porte l’image d’une science aussi séduisante que menaçante, potentiellement capable d’échapper aux desseins de son créateur. Cet hypothétique futur est cependant lointain dans la plupart des secteurs d’activité au regard de l’état de l’art actuel : l’intelligence artificielle d’aujourd’hui n’est par exemple pas capable de redéfinir à la volée les algorithmes qu’elle exécute, et la réponse qu’elle apporte ne sortira jamais du cadre que l’Homme lui a fixé. La redéfinition et l’orientation des algorithmes reste la mission exclusive des data scientists. Plus spécifiquement, les algorithmes de l’IA (ou plus précisément de « Machine learning ») modélisent des comportements à partir des données du passé proche (par exemple une liste de clients fidèles ainsi que leurs caractéristiques), et appliquent ensuite cette modélisation à un flot de données d’exploitation. L’IA peut détecter des comportements définis à l’avance, des questions posées et déclencher des actions adaptées selon le comportement comme par exemple la réponse à une question posée via un chatbot ou la proposition d’une offre personnalisée au besoin du client.

Pour que l’IA produise un résultat, il faut lui fixer un objectif suffisamment précis. L’algorithme choisira la meilleure solution, mais seulement parmi les options qu’on lui aura indiquées. De façon schématique, la mise en oeuvre de l’intelligence artificielle (sans son volet robotique & automatisation) comporte ainsi deux phases, l’analyse et la prédiction. Dans la phase d’analyse il est crucial de poser des problématiques précises : il ne sert à rien de tenter de résoudre des problématiques génériques comme l’amélioration de la gestion de l’entreprise dans sa globalité. Mais l’IA peut par exemple permettre de détecter, dans l’historique des contacts clients, un volume d’appels anormalement important lié à un produit en particulier. Une fois ce filtre de données construit, l’entreprise pourra prévoir à quel moment de la vie du client il a le plus de chance d’entrer en contact avec le service client, à quelle fréquence et pour quels motifs, afin d’apporter les réponses avant qu’il n’appelle ! Bien évidemment, autant la question que les réponses sont appelées à vivre dans le temps et à être ajustées par l’équipe de data scientists, en fonction de l’évolution des comportements client. L’un des plus grands enjeux de l’industrialisation de l’IA n’est pas sa mise en oeuvre, mais son constant besoin de recalibrage et d’évolution en fonction de ses performances.

 

Télécharger le livre blanc

Évaluez l'article :
1 Star2 Stars3 Stars4 Stars5 Stars (1 vote(s), 4,00/5)
Partagez l'article :

Commenter

Ces articles pourraient vous intéresser

La génération Y : un rapport différent aux banques et assurances . . .

  Banque et assurance, digitalisation, expérience digitale, fossé des générations, général, nouvelles technologies, outils digitaux

Les 20-35 ans expriment à travers leurs réponses un rapport essentiellement utilitaire, fondé sur la comparaison pragmatique des avantages d . . .

20 March 2018 0 commentaires 0

Politiques publiques : réutiliser pour simplifier la mise en oeuv . . .

  digitalisation, données numériques, E-administration, général, smart data, Smartcity

La simplification attendue par les usagers passe par la capacité à réutiliser et à partager l’information au travers de plateformes… . . .

15 March 2018 0 commentaires 2

Ces innovations techno qui révolutionnent la médecine…

  analyse de données, bien-être, esanté, général, transformation digitale, transition digitale, transition numérique

Le CES de Las Vegas de janvier 2018 a été l’occasion pour bon nombre de startups françaises de présenter les…

26 February 2018 0 commentaires 3

Relation Clients

Relation client banque et assurance : l’intelligence artificielle, entre mythes et réalité.

Relation client banque et assurance
Par  02 March 2018

Loin de se limiter à ses déclinaisons les plus spectaculaires ou fictionnelles, l’Intelligence Artificielle (IA) offre dès aujourd’hui de multiples possibilités à mettre au service de la transformation digitale de la relation clients sans attendre. Avec l’intelligence artificielle (IA), nous sommes au début d’un cycle. Nombre d’évolutions apparaîtront dans les dix prochaines années. Mais il ne sera pas nécessaire d’attendre jusque-là pour commencer à tirer profit de l’IA dans les entreprises. Pour l’ INRIA(1), un premier cap de maturité est déjà franchi : des progrès considérables ont été faits ces dernières années en matière de capacités de compréhension, d’apprentissage, de reconnaissance des images ou de la parole, pour ne citer que ces domaines directement liés à la relation clients digitale. Il est par exemple déjà possible d’utiliser des algorithmes d’apprentissage pour analyser la tonalité ou le vocabulaire des conversations entre les clients ou avec l’entreprise, afin d’identifier des tendances ou des sources d’insatisfaction. De la même manière, l’analyse prédictive à partir de grands volumes de données est tout à fait capable aujourd’hui, d’identifier des profils comportementaux. Enfin, toujours dans ce même domaine, l’IA recèle un potentiel réel pour alimenter et enrichir le flux conversationnel de la relation clients digitale. Il peut par exemple être utilisé en combinaison avec des objets connectés pour sensibiliser les usagers à des comportements de prévention, ou encore pour, comme le demandent les répondants de l’enquête, faire oeuvre de pédagogie en matière de gestion des finances personnelles.

Apprendre à apprendre aux machines de l'IA

Si les technologies sont effectivement déjà disponibles ou proches de l’être, il reste malgré tout de nombreux obstacles à franchir. Avant d’utiliser ces capacités avancées de l’IA, les entreprises devront d’abord apprendre à leur apprendre. L’un des enjeux notamment, rappelle Joi Ito(2), directeur du Media Lab du MIT, est de veiller à ne pas propager ces mêmes biais dont l’IA est censée libérer. Pour les entreprises, cela signifie deux choses. D’un côté, elles doivent veiller à ne pas inscrire dans les algorithmes des préférences qui pourraient conduire à des comportements automatiques non souhaités. Enfin, il convient de se rappeler que l’intelligence artificielle, en l’état actuel de la technologie, est constituée d’une multitude de systèmes très spécialisés, capables de réaliser parfaitement une tâche très précise, mais uniquement celle-là. L’IA n’est donc pas appelée à remplacer tout ou partie du système d’information de la relation clients digitale, mais à s’y intégrer pour y remplir des missions très particulières. Tout l’enjeu pour les entreprises consiste ainsi à trouver ces points d’insertion de l’IA dans le système d’information. Il s’agit de combiner l’intelligence artificielle à d’autres avancées technologiques, comme les objets connectés ou les nouvelles techniques de sécurisation. À court terme, le rôle de l’IA est assez proche de celui des solutions de robotisation des processus (RPA). Dans les deux cas, il s’agit de libérer les utilisateurs métiers d’une tâche à faible valeur ajoutée. Mais là où l’IA va beaucoup plus loin que les RPA, c’est qu’elle ne se limite pas à automatiser la recopie d’information d’un système à un autre. Elle permet par exemple d’éliminer la tâche routinière de réponse aux questions les plus courantes et les plus simples grâce à un chatbot. Elle peut aussi traiter automatiquement les requêtes « normales » par courrier ou par email et n’alerter l’utilisateur métier que si elle rencontre une situation inhabituelle. La vraie valeur ajoutée de l’IA dès aujourd’hui tient ainsi au fait qu’elle peut participer pleinement à l’accélération et à la fluidification du flux conversationnel.
(1) Intelligence artificielle, les défis actuels et l’action d’Inria, 2016 (2) Is artificial intelligence taking over our lives ? New York Times, Dec 2016
  Automatisation banque et assurance, intelligence artificielle

L’IA et la confiance, encore du chemin

L’un des enjeux de l’utilisation de l’IA réside dans sa capacité à prendre en compte la notion de respect de la vie privée. Comme l’observe le chercheur américain Michael Jordan(3) dans son étude sur l’apprentissage sous contrainte, le respect des données privées a jusqu’ici été majoritairement abordé d’un point de vue statistique, en mettant en oeuvre des techniques d’anonymisation. Mais les capacités d’inférence de l’intelligence artificielle changeront complètement les règles du jeu. Dans le domaine médical, illustre le chercheur, elles peuvent par exemple permettre d’identifier un risque de maladie grave, celui-ci étant lié à un comportement du patient que celui-ci a gardé secret. L’enjeu ici, est autant éthique que technique. Il faudra non seulement décider d’un point de vue éthique si oui ou non le lien doit être établi entre une probabilité et une autre. Mais la décision devra aussi porter sur le fait de savoir si cette corrélation doit être visible ou rester un secret jalousement gardé par la machine. Télécharger le livre blanc
Thierry Lalandebearing point logo

Thierry LALANDE

  Head of Data & Analytics, BearingPoint

La réponse ne sera jamais plus intelligente que la question.

L’intelligence artificielle fait partie de ces concepts qui fascinent et effraient tout à la fois. Depuis HAL 9000 (2001, Odyssée de l’espace), elle porte l’image d’une science aussi séduisante que menaçante, potentiellement capable d’échapper aux desseins de son créateur. Cet hypothétique futur est cependant lointain dans la plupart des secteurs d’activité au regard de l’état de l’art actuel : l’intelligence artificielle d’aujourd’hui n’est par exemple pas capable de redéfinir à la volée les algorithmes qu’elle exécute, et la réponse qu’elle apporte ne sortira jamais du cadre que l’Homme lui a fixé. La redéfinition et l’orientation des algorithmes reste la mission exclusive des data scientists. Plus spécifiquement, les algorithmes de l’IA (ou plus précisément de « Machine learning ») modélisent des comportements à partir des données du passé proche (par exemple une liste de clients fidèles ainsi que leurs caractéristiques), et appliquent ensuite cette modélisation à un flot de données d’exploitation. L’IA peut détecter des comportements définis à l’avance, des questions posées et déclencher des actions adaptées selon le comportement comme par exemple la réponse à une question posée via un chatbot ou la proposition d’une offre personnalisée au besoin du client. Pour que l’IA produise un résultat, il faut lui fixer un objectif suffisamment précis. L’algorithme choisira la meilleure solution, mais seulement parmi les options qu’on lui aura indiquées. De façon schématique, la mise en oeuvre de l’intelligence artificielle (sans son volet robotique & automatisation) comporte ainsi deux phases, l’analyse et la prédiction. Dans la phase d’analyse il est crucial de poser des problématiques précises : il ne sert à rien de tenter de résoudre des problématiques génériques comme l’amélioration de la gestion de l’entreprise dans sa globalité. Mais l’IA peut par exemple permettre de détecter, dans l’historique des contacts clients, un volume d’appels anormalement important lié à un produit en particulier. Une fois ce filtre de données construit, l’entreprise pourra prévoir à quel moment de la vie du client il a le plus de chance d’entrer en contact avec le service client, à quelle fréquence et pour quels motifs, afin d’apporter les réponses avant qu’il n’appelle ! Bien évidemment, autant la question que les réponses sont appelées à vivre dans le temps et à être ajustées par l’équipe de data scientists, en fonction de l’évolution des comportements client. L’un des plus grands enjeux de l’industrialisation de l’IA n’est pas sa mise en oeuvre, mais son constant besoin de recalibrage et d’évolution en fonction de ses performances.
 
Télécharger le livre blanc