ITSM : quatre manières dont l’IA transforme concrètement votre Help Desk
Voici en quatre usages clés tout ce qu’elle peut apporter à un help desk moderne… à condition de prendre quelques précautions, notamment vis-à-vis du RGPD.
De plus en plus, dans l'ITSM, l’intelligence artificielle (IA) apparaît comme un outil indispensable pour offrir aux utilisateurs de l’IT un help desk réactif et efficace. Surtout, ses bénéfices sont cumulatifs, car elle intervient à toutes les étapes du processus, depuis la première prise d’appel jusqu’au pilotage du système.
Voici en quatre usages clés tout ce qu’elle peut apporter à un help desk moderne… à condition de prendre quelques précautions.
1 – Filtrage des requêtes et premier niveau de réponse
Quel que soit le canal choisi par l’utilisateur (téléphone, chat, mail…), il est invité à formuler son problème avec ses propres mots. Au travers d’un algorithme de Machine Learning, l’IA va construire son propre référentiel de connaissance et, sur la base de l’analyse des propos de l’utilisateur et du contexte de la demande, établir un panel de réponses basé sur des statistiques de diagnostic.
Si un certain seuil de certitude – paramétré en amont – est atteint, une solution est automatiquement proposée, éventuellement en dirigeant la personne vers les outils en self-service (réinitialisation du mot de passe, par exemple). Si, en revanche, le seuil n’est pas atteint et le doute subsiste, la demande est aussitôt transmise à un opérateur, qui prend le relais.
S’appuyant sur des logiques proches des assistants vocaux domestiques, dont l’utilisation entre de plus en plus dans les mœurs, ce filtrage initial a le double avantage d’apporter une réponse immédiate chaque fois que c’est possible et d’épargner aux agents ces cas inutilement chronophages. Et cela, sans que l’utilisateur ait à changer ses habitudes ou à emprunter la fastidieuse arborescence d’un serveur vocal.
2 – Vers l’opérateur augmenté
Passé le premier filtre décrit ci-dessus, l’opérateur récupère le dossier. Il dispose des éléments de l’analyse initiale – ce qui lui évite d’avoir à reposer certaines questions – tandis que l’IA, toujours en action, lui propose des solutions potentielles, classées par probabilité.
S’établit ainsi une collaboration dynamique entre l’humain et la machine qui accélère la résolution du problème et accroît leurs compétences respectives.
D’un côté, l’IA ne cesse d’améliorer ses analyses. De l’autre, les opérateurs ainsi « augmentés » montent beaucoup plus vite et plus loin en expertise. Débarrassés des sollicitations triviales, leur travail n’en est que plus intéressant et ils sont en mesure de résoudre la majorité des cas ordinaires après une formation de quelques jours, la totalité en quelques semaines, et de prendre en charge des situations de plus en plus complexes. Un point particulièrement appréciable dans une activité au turnover élevé.
Cependant, le grand gagnant de ces gains de productivité reste l’utilisateur, dont le problème est plus efficacement résolu.
3 – Analyser l’émotion pour calculer la satisfaction
Pour le service desk, bien que la satisfaction des utilisateurs soit un indicateur de performance incontournable, sa mesure reste un véritable casse-tête.
Soit on interroge les personnes à chaud et l’on n’obtient que des réponses partielles et partiales, avec une surreprésentation des mécontents ; soit on les interroge à froid, en général annuellement, et l’on n’a qu’une appréciation globale dont il est difficile de déduire des axes précis d’amélioration.
Déjà en usage dans les centres d’appel du B2C, l’analyse de l’émotion permet enfin d’obtenir une mesure (plus) objective de la qualité du service rendu du point de vue des utilisateurs. En analysant les mots, les tournures de phrase, les intonations ou le fait que les voix de l’opérateur et de l’utilisateur se superposent, l’IA est capable de composer une note de satisfaction de façon (plus) impartiale, homogène, et transparente pour l’utilisateur.
4 – Exploiter la donnée pour piloter le système et plus
La satisfaction utilisateur n’est que l’un des nombreux indicateurs produits par le service desk. Porte d’entrée de tous les incidents et de tous les irritants liés à l’IT, le support est une mine de données sur les opérations.
Porte d’entrée de tous les incidents, le support est une mine de données sur les opérations. L’analytique et l’IA permettent d’interpréter cette masse d’informations pour diagnostiquer d’éventuels problèmes structurels.
L’analytique en général et l’IA en particulier, permettent d’interpréter cette masse d’informations pour piloter et améliorer le service lui-même, mais aussi, au-delà, pour diagnostiquer d’éventuels problèmes structurels.
En croisant le profil des utilisateurs, le contexte de leurs sollicitations et la nature des incidents ou des demandes, on peut identifier des usages inappropriés, des processus mal assimilés, du gaspillage digital (ressources sous-employées, licences dormantes, etc.), des outils obsolescents ou mal dimensionnés.
Partager ces enseignements avec d’autres services IT (TMA, exploitation, etc.) et non IT (achats, RH, services généraux, etc.) peut ouvrir d’importants champs d’optimisation.
Un encadrement strict sous l’œil du RGPD
L’avantage de l’IA est que chaque interaction – chaque conversation – renforce la compréhension et donc tous les bénéfices évoqués ci-dessus. Mais les données recueillies impliquant l’utilisateur, elles ont, pour certaines, un caractère personnel et relèvent donc du RGPD.
C’est pourquoi il est essentiel, en amont de la mise en œuvre de ces différents cas d’usage de bien veiller à la conformité de leur collecte, de leur traitement et de leur conservation.
