Pas un jour ne passe sans qu’un article ne nous rappelle comment l’intelligence artificielle transformera nos modes de vie, notre façon de travailler, et nos interactions avec les entreprises qui nous entourent. Alors qu’est-ce que l’IA ? Quels seront les impacts des récents progrès réalisés par OpenAI, Google ou autres acteurs IA sur le Gestion de l’expérience (XM) ?
Pas de doute : l’IA transforme chaque instant de notre vie – littéralement.
Nos boîtes de réception débordent de requêtes de clients voulant s’informer quant à notre politique relative à ces nouvelles technologies (y compris les plus populaires d’entre elles), et savoir ce que nous faisons pour protéger leurs données.
Et cela n’a rien de surprenant, puisque chaque semaine semble apporter son lot de gros titres sur ChatGPT et sur les changements profonds que l’IA devrait introduire dans nos modes de vie et notre façon de travailler.
Au cours des 12 derniers mois, l’intelligence artificielle, jadis chasse gardée des informaticiens et experts en data science, s’est généralisée suite aux lancements des chatbots d’OpenAI et Google. Cette mise à disposition du grand public de ces technologies, nettement plus performantes que les précédentes, ont assez logiquement alimenté les débats et captivent l’imagination quant à leurs potentielles applications dans un cadre professionnel.
Cependant, bien que l’IA soit actuellement au centre d’un énorme buzz, son adoption doit s’accompagner d’un intérêt accru pour la confidentialité et la sécurité des données.
Ces nouvelles technologies sont certes vouées à accélérer l’innovation, créer de nouveaux métiers et offrir de nouvelles opportunités de création de valeur à partir de l’Experience management… mais tout cela doit faire l’objet d’un véritable encadrement.
Décryptage du jargon de l’Intelligence artificielle
Avant de poursuivre, rafraîchissons-nous rapidement la mémoire sur les différents termes utilisés dans les publications au sujet de l’IA :
Les Transformateurs génératifs pré-entraînés (GPT) sont un type de modèle d’IA qui a été entraîné à partir de vastes quantités de données, et capable de générer du texte, des images et même du son comme s’ils étaient créés par un être humain.
Les Grands modèles de langage (LLM) sont similaires aux GPT, mais sont spécifiquement conçus pour des tâches utilisant le langage naturel.
Le Traitement du langage naturel (NLP) est une sous-catégorie de l’IA qui se focalise sur l’analyse et la compréhension du langage humain.
Le Machine Learning (ML) est une technique utilisée dans le domaine de l’intelligence artificielle, et consistant à entraîner des machines à apprendre et à s’améliorer dans l’exécution de tâches sans y avoir été explicitement programmées.
Les réseaux neuronaux sont un type de modèle de machine learning s’inspirant de la structure du cerveau humain pour le traitement et la transmission d’informations. Ces modèles peuvent ainsi apprendre et effectuer des prédictions à partir des données saisies.
Le Deep Learning est un sous-segment du machine learning qui utilise plusieurs couches de réseaux neuronaux pour résoudre des problèmes complexes, comme dans le cas de la reconnaissance de formes au sein des données. Cette technologie est donc bien indiquée pour des tâches telles que la reconnaissance d’images et vocale.
L’IA appliquée à la gestion de l’Expérience (XM)
Nous voyons déjà ce que l’IA peut apporter à nos clients grâce aux innovations que nous avons déployées sur notre plateforme ces dernières années. Au cœur de ces innovations réside le machine learning (ML), et plus spécifiquement le deep learning — deux domaines dans lesquels nous nous perfectionnons et innovons depuis plusieurs années.
Qu’il s’agisse de passer au peigne fin plusieurs millions de commentaires en ligne et de données issues d’enquêtes, ou de mettre à profit d’autres mécanismes d’écoute, vous avez probablement déjà vu ces technologies à l’action dans vos propres programmes.
Les Grands modèles de langage (LLM), qui font partie de ces mécanismes de machine learning, ont récemment été sous les feux des projecteurs en tant que modèles au cœur de ChatGPT, Bard et nombre d’autres IA disponibles au grand public. Nous utilisons nous aussi de Grands modèles de langage dans notre IA, que nous entraînons avec les données qu’ils devraient rencontrer dans le monde réel, afin qu’ils offrent les niveaux de précision et de fiabilité attendus par nos clients.
Au-delà des LLM, généralement entraînés sur de vastes sources de données publiques tirées d’Internet et souffrant d’une grande hétérogénéité, notre plateforme puise dans ce que nous estimons être le plus vaste recueil de données d’expérience humaine au monde — appels, e-mails, retours, conversations sociales, commentaires en ligne, chats et autres interactions avec des chatbots.
À partir de ces sources de données, nous avons développé plus de 150 modèles optimisés pour la gestion de l’expérience (client comme employé) pour une grande variété de secteurs, de cas d’usage, de types de clients ou de domaines réglementaires.
Enfin, il y a également notre modèle de Traitement du langage naturel (NLP) qui comprend les sentiments, les intentions, et est capable de faire preuve d’empathie et de mesurer les efforts des clients dans le cadre de n’importe quel type d’interaction, et ce dans 23 langues (24, si on inclut les émojis).
Ces technologies permettent d’offrir de nouvelles fonctionnalités aux entreprises en les aidant à prendre de meilleures décisions, à ne pas perdre de vue l’essentiel, et à prendre des mesures pour concevoir des expériences mémorables.
Et désormais, suite aux progrès auxquels nous assistons à travers l’ensemble de l’industrie, nous sommes ravis de voir l’intégration des Transformateurs génératifs pré-entraînés aux IA “faite maison”, comme la nôtre, afin de profiter d’opportunités encore meilleures.
L’ajout de nouvelles capacités d’intelligence artificielle vous aidera assurément à franchir un palier dans vos programmes de gestion de l’expérience.
Cette technologie est susceptible de changer la donne pour les organisations devant faire davantage avec moins de ressources et des équipes réduites. Leurs rapports étant automatisés, les professionnels peuvent alors se concentrer sur le développement d’idées innovantes à même de faire avancer leur entreprise.
____________________________
par Ellen Loeshelle et Nikhil Kamath de Qualtrics
puis