Mettre à jour les coordonnées, les préférences et les statuts dans un CRM après une interaction ou un changement est une des tâches dont l'IA peut déjà reprendre aujourd'hui une grande partie du travail. Pas parce que l'IA est "intelligente" au point de comprendre les clients, mais parce que la tâche elle-même demande peu d'interprétation. Un changement d'adresse, un nouveau numéro de téléphone, un changement de statut de prospect à client : ce sont des champs que l'on remplit, pas que l'on évalue.
Trois axes sont ici déterminants : la structuration, le volume et le coût des erreurs.
La structuration obtient un score élevé car un CRM fonctionne par définition avec des champs fixes. Un nom, une adresse e-mail, une catégorie de préférence : ce sont des données ayant une place et un format fixes. Il n'y a pas de texte libre à interpréter, pas de contexte à peser. Cela rend la tâche adaptée à un traitement basé sur des règles : si le champ X change dans la source Y, mettre à jour le champ X dans le système Z.
Le volume est également élevé. Dans une entreprise disposant d'une base de clients importante, il s'agit de dizaines, voire de centaines de modifications par jour, réparties sur des opérations isolées et de petite taille. C'est précisément le type de travail où un schéma récurrent et prévisible pèse plus lourd que les exceptions ponctuelles. Un volume élevé combiné à une structuration élevée est la combinaison où l'automatisation se rentabilise le plus rapidement.
Le coût des erreurs se situe entre les deux. Un numéro de téléphone mal mis à jour est gênant, mais généralement réparable lors du prochain contact. Pour les champs plus sensibles, comme les préférences de paiement ou le consentement pour les communications marketing, les erreurs pèsent plus lourd. C'est aussi pourquoi la validation n'est pas une étape superflue, mais une condition.
La marge d'appréciation et le contact client obtiennent un score moyen à élevé, et c'est précisément là que se situe la nuance. Une partie des changements de statut est univoque : un client déménage, l'adresse change, terminé. Mais tout changement n'est pas aussi simple. Lorsqu'un collaborateur du service client doit évaluer, après un appel téléphonique, si une réclamation justifie un changement de statut vers "risque de résiliation", il ne s'agit plus d'une saisie de champ mais d'une évaluation. Cette partie reste un travail humain, ou en tout cas elle est soumise à un collaborateur qui approuve ou rejette avec motif.
Pour une entreprise avec un profil client simple et peu d'exceptions, la part que l'IA peut reprendre est donc plus élevée que pour une entreprise avec des relations clients complexes, de nombreux accords sur mesure ou des données personnelles sensibles. La conformité entre également en jeu ici : plus un champ touche à des informations sensibles au sens du RGPD ou à des accords contractuels, plus un contrôle humain est souhaitable avant qu'un changement ne devienne définitif.
La technique déjà mise en œuvre est principalement la RPA : un logiciel qui reprend les données d'une source à l'autre selon des règles fixes, signale les enregistrements en double et remplit les champs sur la base d'une correspondance fixe. Ce n'est pas une intelligence artificielle qui "comprend" qui est le client, mais un traitement automatisé d'une saisie structurée.
Trois conditions cadres déterminent si cela fonctionne :
Si une de ces trois conditions manque, la tâche retourne dans la deuxième catégorie : l'IA fait la proposition, un collaborateur approuve ou rejette.
Ce qui change aujourd'hui, ce n'est pas que les collaborateurs deviennent superflus, mais que leur temps se déplace du travail de saisie vers le travail de contrôle. Là où un collaborateur retapait autrefois manuellement un changement d'adresse, ce collaborateur évalue désormais une liste de modifications proposées et clique sur accepter ou refuser. C'est une tâche différente, avec une répartition du temps différente, pas nécessairement moins de travail mais un travail différent.
Ce glissement est parallèle à ce qui se passe pour la saisie des commandes dans le système et pour le contrôle et la communication du statut des commandes : là aussi, le schéma est celui d'une saisie structurée, d'un volume élevé, d'un coût des erreurs limité, avec des exceptions qui restent à charge d'un humain. Pour qui se demande comment cela se rapporte à d'autres tâches orientées client, un arbitrage comparable se retrouve dans la fourniture d'informations sur les stocks et les délais de livraison, où la même tension existe entre rapidité et les cas qui demandent juste un peu plus d'explication. Et pour qui considère le travail CRM surtout comme faisant partie d'un processus plus large, l'aperçu du travail au sein du service financier constitue un bon point de départ, car les données clients et de facturation partagent souvent les mêmes systèmes source.
Le fait de savoir si et à quelle vitesse cela est mis en place au sein d'une organisation n'est pas seulement une question technique. Les conséquences éventuelles sur le personnel qui en découlent relèvent des propres obligations légales de l'employeur ; cette page ne se prononce pas à ce sujet.
Cette page décrit une tâche isolée. L'image réelle n'apparaît que lorsque cette tâche est examinée aux côtés des autres tâches au sein d'une entreprise : certaines avec un profil comparable, d'autres totalement différentes. Pour en avoir une première impression, un quickscan gratuit est disponible : douze questions, sans compte, avec comme résultat une indication de la part des heures de ce profil que l'IA peut reprendre dès aujourd'hui. L'analyse de travail complète, qui décompose le travail d'une entreprise en tâches et le convertit tâche par tâche en capacité en équivalents temps plein (ETP), est encore en construction.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.