Grâce à ChatGPT et à l’IA générative, l’intelligence artificielle est plus que jamais au cœur de l’actualité. Les entreprises de tous les secteurs d’activité sont en train de planifier, si ce n’est déjà fait, des investissements stratégiques dans cette technologie.Dans le secteur des centres de contact, 99 % des entreprises récemment interrogées par NICE ont déclaré qu’elles prévoyaient d’investir dans une gestion de la qualité pilotée par l’analytique associée à l’IA. Ce pourcentage impressionnant démontre clairement à quel point les organisations sont conscientes que leurs méthodes actuelles d’évaluation des performances des agents ne sont pas à la hauteur. Mais surtout, certaines de ces pratiques obsolètes d’échantillonnage ont conduit à des décisions mal informées. D’autres études confirment cette tendance : selon Aberdeen, 75 % des dirigeants souhaitent faire un meilleur usage de leurs données d’interaction (en utilisant l’IA).Voyons de plus près comment l’IA peut améliorer la collecte et l’utilisation des données par les entreprises. De nombreux centres de contact s’appuient sur un échantillonnage aléatoire des interactions pour évaluer les performances de leurs agents et obtenir des informations sur les interactions avec les clients. Ces échantillons sont utilisés pour identifier des axes d’amélioration pour les agents, s’assurer qu’ils respectent les scripts d’appel ou les exigences réglementaires, et identifier les problèmes récurrents qui peuvent servir de base à l’élaboration de formations et de séances de coaching ciblées. Dans certains cas, ces évaluations ont même une incidence sur la rémunération des agents.Cependant, l’échantillonnage aléatoire pose des défis, surtout lorsqu’il n’est pas suffisamment adapté ou représentatif. Afin de mieux comprendre la relation entre les compétences relationnelles des agents, la satisfaction des clients et le potentiel de l’intelligence artificielle à révolutionner la façon dont nous évaluons les performances, NICE a réalisé une enquête auprès de 400 décideurs seniors (superviseurs, managers, directeurs et vice-présidents) qui travaillent dans des départements d’assistance à la clientèle, de service à la clientèle ou de centres de contact comptant au moins 200 agents, dans tous les secteurs d’activité aux États-Unis et au Royaume-Uni.L’enquête s’est notamment intéressée aux pratiques d’échantillonnage des centres de contact, ainsi qu’à leur perception de l’impact potentiel de l’IA sur l’amélioration de ces pratiques, ainsi que sur les objectifs et les résultats liés à l’expérience client.
L’échantillonnage n’est pas adapté : les centres de contact s’appuient sur des données biaisées ou aléatoires pour prendre des décisions cruciales
Si les centres de contact n’échantillonnent pas toutes les interactions, ils mettent souvent en œuvre des stratégies pour garantir un échantillonnage représentatif et pertinent. Celui-ci peut être aléatoire, stratifié selon des types d’interactions ou des segments de clientèle, ou encore ciblé sur un autre objectif d’évaluation spécifique. Le but est de trouver un équilibre entre les contraintes de ressources, l’efficacité opérationnelle et la capacité à obtenir des informations fiables pour améliorer continuellement le service à la clientèle.Cependant, dans la réalité, l’échantillonnage réalisé dans la plupart des centres de contact est loin d’être représentatif, car il ne couvre qu’une très petite partie des interactions traitées chaque mois. Selon notre enquête, un centre de contact moyen analyse seulement 14 interactions vocales et numériques par mois, et plus d’un quart en évaluent moins de 10 par mois. Étant donné que toutes les personnes interrogées travaillent pour des centres de contact comptant plus de 200 agents, cette taille d’échantillon est insignifiante, statistiquement parlant, et ne reflète pas la performance des agents.De plus, près des deux tiers des responsables de centres de contact que nous avons interrogés se fient aux enquêtes de satisfaction client réalisées après l’interaction, qui sont connues pour attirer principalement des réponses de clients très satisfaits ou très insatisfaits, ce qui fausse encore davantage le processus d’échantillonnage. Par ailleurs, le taux de réponse à ces enquêtes de satisfaction est généralement faible, ce qui conduit à un échantillon de clients restreint.D’autres méthodes de sélection des interactions pour les évaluations sont également utilisées :
Ciblage en fonction des catégories d’analyse de la parole (55 %)
Malgré l’absence d’une vision statistiquement significative ou holistique, 85 % des parties prenantes utilisent ces données pour prendre des décisions commerciales cruciales.
Les équipes ne font pas confiance au processus : les agents contestent les retours sur leurs performances, critiquant le manque de représentativité des échantillons
L’objectif d’un programme de gestion de la qualité est d’évaluer les performances des agents et de leur fournir des retours constructifs. Toutefois, les programmes qui reposent sur l’écoute d’un petit échantillon aléatoire d’appels et sur l’interprétation des résultats par des évaluateurs sont intrinsèquement biaisés, ce qui affecte la confiance dans le processus. Les agents, estimant que leurs évaluations sont injustes, sont souvent réticents à accepter les retours qui leur sont fournis.En effet, selon 41 % des responsables de centres de contacts, l’un de leurs principaux défis en matière de gestion de la qualité est que les agents n’adhèrent pas au processus actuel de feedback. De plus, l’échantillonnage restreint (38 %) et l’échantillonnage aléatoire (38 %) représentent d’autres défis majeurs en matière de gestion de la qualité, car ne sont pas représentatifs de la performance des agents.Lorsque les retours sont incohérents et que la taille de l’échantillon est insuffisante, il n’est pas surprenant que les agents n’acceptent pas les résultats et ne s’engagent pas pleinement dans le programme.
Perspectives pour la suite
Les résultats de l’enquête montrent clairement que les parties prenantes cherchent activement à améliorer la gestion de la qualité. L’IA offre une solution évidente à ce défi, en permettant d’analyser 100 % des interactions, ce qui améliore l’efficacité opérationnelle et favorise des expériences de meilleure qualité.Découvrez ce que notre enquête a révélé sur l’état actuel de la gestion de la qualité et pourquoi un nombre croissant de responsables de centres de contact se tournent vers l’IA pour moderniser leurs processus.
