PegaWorld 2021 : Pegasystems peaufine ses briques CRM et CX
Pendant sa conférence annuelle, PegaSystems s’est concentré sur ses outils CX et CRM. En ce sens, sa plateforme de développement Pega Infinity 8.6 doit s’enrichir de fonctionnalités attendues de longue date et de quelques ajustements pour faciliter l’accessibilité aux briques d’intelligence artificielle, tout en s’alignant sur la concurrence.
Le spécialiste du BPM et du CRM a listé les nouveautés de Pega Infinity 8.6, disponibles à la fin du deuxième trimestre 2021.
Pega commence par soigner les performances des front-end avec l’arrivée d’une nouvelle version de Pega Cosmos, d’abord introduite dans la version 8.4. Cette bibliothèque de modèles, de schémas et de composants UX/UI sera désormais capable de supporter la technologie React (ici nommée Cosmos React). Avec React, Pega promet réduire de 75 % la charge utile d’une « single page application ».
En outre, Cosmos doit offrir des modes de configuration et une expérience de développement low-code/no-code simplifiés. Cela permet notamment de sauvegarder les paramètres des designers UX pendant toute la durée d’une session de travail.
Par ailleurs, l’éditeur veut faciliter les liens entre le case management et l’interface utilisateur d’une application bâtie avec Pega Infinity.
Introduites dans la version 8.5, les API DX (Digital Experience) sont des points de terminaison basés sur des modèles conçus pour visualiser, créer et mettre à jour des cas et des affectations au sein de la plateforme.
Renforcer le lien entre UX et Case Management
« Les services REST d’API DX assurent une coopération transparente entre le framework d’interface que vous avez choisi et la capacité de gestion des cas de Pega », peut-on lire dans la documentation. En clair, Pega permet d’interconnecter son outil de case management avec une UI développée avec Angular, React ou Vue.js pour qu’elle s’adapte automatiquement lorsqu’un cas est modifié.
Dans un superbe oxymore, Steve Bixby, Vice-président Product Engineering, chez Pegasystems, a évoqué les performances « sans précédent » des API DX, mais a également rappelé leurs jeunesses et a recommandé de ne pas les utiliser avec des applications existantes.
Pega App Studio, l’un des quatre environnements de développement dans la plateforme, bénéficie d’ajustements afin de simplifier les configurations d’applications et certains calculs automatisés (par exemple, l’estimation du prix d’une assurance automobile suivant l’âge et l’expérience d’un conducteur). Pega revoit également la gestion des rôles et ajoute des capacités pour débugger les front-end construits avec Cosmos React.
De nouvelles microjourneys, Pega Process Fabric (enfin) disponible
Mais l’éditeur a surtout mis en avant ses « microjourneys », présentées l’année dernière. Ce sont des templates destinés à faciliter la conception de parcours clients dans le CRM Pega Customer Service depuis Pega App Studio et Dev Studio. Ces cases préconfigurés couvrent des cas d’usage liés à la finance, l’assurance ou encore la communication et complètent une bibliothèque de 180 templates.
Les microjourneys permettent entre autres aux clients d’une banque de notifier un voyage à l’étranger, de réaliser un paiement ou bien de vérifier une transaction financière.
Économiquement, cette approche ressemble à celle de Salesforce qui cherche à pousser l’adoption de son CRM à travers différents verticaux et à bâtir des solutions spécifiques à certains marchés. En ce sens, ce concurrent a racheté Vlocity. Microsoft et Oracle ont récemment proposé des fonctionnalités et des initiatives dans cette même direction, sans compter les stratégies des éditeurs ERP SAP et Infor, basées sur cette formule.
Mais Pega ne veut plus seulement proposer des modèles préconçus pour nourrir les applications de ses clients, il souhaite également harmoniser le case management à travers différentes applications déployées. Là encore, il avait présenté en bêta Pega Process Fabric, une solution pour les superviser, mais aussi donner des moyens aux products owners pour guider les projets en cours. Il s’agit de rassembler les applications, les processus et les intégrations depuis un espace unifié (Pega Process Fabric Hub).
Dans ce cadre, les API DX et d’autres basées sur la norme OpenAPI doivent faciliter le traitement d’événements en temps réel. Pour l’instant, Pega Process Fabric ne peut administrer que les applications bâties avec Infinity. Cependant, l’éditeur affirme que la solution permettra d’orchestrer des produits tiers. Il s’agit là d’étendre un concept né avec Federated Case Management, une fonctionnalité disponible depuis 2015.
Pega Process AI : un module pour rassembler les fonctionnalités d’IA
Notons encore une fois l’absence de nouveautés dédiées à la RPA. Il a pourtant bien été question d’hyperautomatisation (un concept attribuable à Gartner) pendant PegaWorld.
L’éditeur s’est davantage concentré sur les capacités de machine learning qu’ils souhaitent mettre à disposition de ses clients. Il a ainsi représenté Pega Process AI, un module additionnel à Pega Infinity 8.6. Dévoilé dans le courant du mois d’avril, ce dernier doit « trier intelligemment des millions de demandes clients, de transactions et autres événements à l’échelle de l’entreprise », selon un communiqué de presse. Le module associe machine learning, NLP et traitement d’événements en temps réel. La solution doit notamment évaluer s’il vaut mieux employer des règles ou un modèle de machine learning dans un processus. À ce titre, Pega entend simplifier la création et la gestion des modèles ML depuis une interface low-code.
Peu d’informations circulent sur ce produit, en tout cas sous cette dénomination. Jusqu’alors, les fonctionnalités listées n’étaient accessibles qu’avec certaines applications dont Pega Customer Service, Customer Decision Hub et Sales Automation, depuis la disponibilité de Pega 7.
Process AI repose en réalité sur les environnements Pega Prediction Studio et App Studio. Les deux outils permettent de bâtir des modèles « adaptatifs » autoapprenants (de self-learning) capables de comprendre quels types d’offres les clients seront plus susceptibles d’accepter. Ces modèles codés en Python sont inférés à partir des données issues des cases via une API basée sur des règles. Prediction Studio dispose également de templates de modèles prédictifs afin de détecter l’attrition ou la propension des clients à accepter une offre.
Il est possible d’injecter des modèles au format PMML (Predictive Model Markup Language, un dérivé de XML) en provenance d’outils tiers (SAS utilise le PMML, par exemple), ainsi que les algorithmes au format mojo développés à l’aide de la plateforme de data science H2O. L’éditeur recourt à une extension de fichier propriétaire : Pega OXL. Il est également possible de connecter Prediction Studio à AI Platform de Google ou Amazon SageMaker.
Concernant le NLP, Prediction Studio comprend cinq modèles d’analyse de texte préentrainés. Le premier est réservé à l’analyse de sentiment, le deuxième doit identifier les interactions humaines les plus communes dans un chatbot. Un troisième extrait des informations (nom, adresse, numéro de compte, pays, etc.) des emails et des messageries des agents conversationnels. Le quatrième vise à prélever les unités citées dans un texte (argent, distance, lieu, température, volume, poids, etc.). Et enfin, le dernier peut identifier le corps, la signature et les avertissements présents dans les emails.
Ils sont compatibles avec 35 langages, mais seulement 16 d’entre eux dont le français et l’anglais sont pris en charge par la plateforme Pega. Attention : la sélection des entités nommées demande une préparation manuelle, comme avec la plupart des outils NLP. Pega Customer Decision Hub intègre en sus un outil de simulation de prise de décision afin d’estimer les effets du changement d’un processus sur les propositions automatisées effectuées auprès des clients.
« Nos clients ont besoin de fonctionnalités pour administrer les modèles que nous leur proposons, mais aussi ceux en provenance de leurs propres pipelines ».
Don SchuermanCTO, PegaSystems
Depuis le même outil, les données en temps réel issues de topics Kafka sont analysées pour détecter des comportements. Une fois les patterns identifiés, il est possible d’appliquer des règles (Next Best Actions) afin d’envoyer des propositions par mail à une cohorte de clients, par exemple.
Afin de supporter les modèles adaptatifs et prédictifs en production, Pega introduit de nouvelles capacités MLOps.
« Un grand nombre d’entreprises recourt au machine learning, et aux modèles prédictifs à l’échelle, pour analyser des centaines de millions d’activités des clients », assure Don Schuerman, CTO de PegaSystems en réponse à une question du MagIT. « Nos clients ont besoin de fonctionnalités pour administrer les modèles que nous leur proposons, mais aussi ceux en provenance de leurs propres pipelines ».
Pegasystems dévoile la première intégration de Qurious
Enfin, Pega a laissé entrevoir ce que pourrait donner l’intégration de la solution de reconnaissance vocale de Qurious, dont le rachat a été annoncé en janvier dernier. L’outil rejoindra Pega Customer Service afin d’enclencher des processus pour faciliter la tâche des opérateurs des centres d’appels, qu’ils soient physiques ou virtuels. Lors de la démonstration, un client réclamait un changement d’adresse et la mise en place d’un prélèvement automatique. Idéalement, ces demandes déclenchent des notifications à partir desquelles l’opérateur peut valider les modifications en un clic.
Techniquement, il serait logique que les développeurs doivent construire les flux qui seront lancés à partir de mots-clés préenregistrés dans la plateforme. Cela ressemble à une réinterprétation d’une technologie existante : les serveurs vocaux interactifs.
Ce n’est pourtant pas ce type de cas d’usage qu’attendaient les analystes après le rachat de Qurious.
Ces observateurs imaginaient des cas d’usage similaires à ce que Salesforce propose en collaboration avec AWS. La firme dirigée par Marc Benioff utilise la reconnaissance vocale pour identifier le mécontentement des clients.
