CONTEXTE
Sous la supervision du Ministère de la Transition Écologique et de la Cohésion des Territoires, les éco-organismes ont mis en place, avec l'aide de Bengs, le label "QualiRépar" pour garantir la qualité des réparations d'appareils électriques et électroniques. Ce dispositif national transforme l'économie de la réparation en offrant aux entreprises labellisées une visibilité accrue, des avantages concurrentiels et la possibilité de proposer des services à bas prix grâce aux subventions publiques.
ProblèmE
Mais cette belle mécanique se heurte à une réalité opérationnelle complexe. Les réparateurs, majoritairement des artisans de proximité, nécessitent un accompagnement personnalisé tout au long du processus de labellisation et lors des premières applications du bonus. Avec 2600 emails reçus en six mois, cette activité mobilise 30% du temps des opérateurs et continue de croître avec l'augmentation du nombre de réparateurs labellisés. L'enjeu devient stratégique : comment maintenir la qualité d'accompagnement indispensable à la satisfaction des réparateurs tout en absorbant une croissance exponentielle des demandes ? La réactivité du support conditionne directement l'image positive du label et son adoption par les professionnels. C'est dans ce contexte que l'automatisation intelligente des réponses via l'IA générative s'est imposé comme une solution.
NOTRE ApprochE
L'IA générative au service de l'efficacité opérationnelle
Le support QualiRépar est sollicité par les réparateurs tout au long du cycle de labellisation, et même au-delà lors des premières mises en œuvre du bonus
Les actions qui en découlent sont notamment:
- Informer les réparateurs sur des points de processus,
- Les orienter vers le bon interlocuteur,
- Traiter des problèmes avec leur dossier (incompréhension, difficultés avec l’auditeur, etc.),
- Planifier des accompagnements (audit physique, audit documentaire, levée de non-conformité, accompagnement au remboursement…),
- Etc.
Nous avons développé, testé et déployé une application d'intelligence artificielle qui analyse automatiquement les emails des réparateurs, catégorise leurs demandes et propose des réponses adaptées. Trois leviers méthodologiques ont permis d'atteindre rapidement 95% d'efficacité des réponses proposées:
- Le contexte enrichi fourni à l'IA intègre toutes les spécificités réglementaires et opérationnelles du label QualiRépar, permettant à l'algorithme de comprendre les nuances de chaque situation.
- Des instructions précises guident l'IA dans la compréhension et la formulation des réponses, définissant les formats attendus et les informations à extraire selon le type de demande.
- Un programme de post-traitement personnalise automatiquement les réponses aux demandes par email, alimente la liste des actions à entreprendre et optimise le suivi des dossiers.
Chaque réponse générée est ensuite vérifiée et validée par un manager avant envoi, garantissant ainsi la qualité du service.
L'approche itérative garantit l'amélioration continue : tests sur échantillons de mails représentatifs, analyse des écarts, extension progressive du périmètre et corrections pour un nouveau cycle d'optimisation. Cette méthodologie rigoureuse, déployée sur environnement Azure avec instance privée GPT-4 sans partage de données avec OpenAI, a permis d'atteindre des résultats exceptionnels sur un échantillon de 150 emails : 95% de conformité pour la détection des réponses, 99% pour les actions recommandées, 94% pour la catégorisation et 96% pour l'analyse du ton.
RésultATs
Cette approche a permis de maintenir les mêmes ressources humaines tout en absorbant une croissance multipliée par cinq du nombre de réparateurs accompagnés. Les opérateurs se recentrent sur les cas complexes et l'accompagnement à forte valeur ajoutée tandis que les demandes récurrentes bénéficient de réponses instantanées validées par les managers.