Les équipes de service client sont habituées à des métriques précises. Durée moyenne de traitement, résolution au premier contact, scores CSAT; des chiffres propres, comparables, faciles à présenter. Les agents IA changent fondamentalement cette donne.
Contrairement à un menu vocal ou un chatbot scriptés, un agent IA gère des conversations non linéaires. Un client peut commencer par une question sur un retour, évoquer un problème de livraison en cours de route, et finir par demander un code promo. Pas de parcours fixe, pas de bouton reset, pas de script à suivre. Ce qui soulève une question que toute équipe déployant une IA finit par se poser : comment savoir si ça marche vraiment ?
En pratique, la réponse tient à trois choses que l'on peut dire de n'importe quelle conversation :
De quoi parlait-elle ? Le sujet.
Comment s'est-elle terminée ? Résolue, non résolue, ou transférée à un humain.
Comment le client l'a-t-il vécue ? Son retour.
Tout le reste découle de ces trois éléments. Nous avons étendu les capacités analytiques de HALO pour rendre ces trois dimensions visibles, connectées et actionnables.
Vous utilisez déjà HALO ? Retrouvez tout ce qu'il faut savoir sur les Analytics HALO dans notre Centre de connaissance.
Analyse des sujets : commencez par comprendre ce qu'on demande vraiment à votre IA
Avant d'améliorer quoi que ce soit, il faut savoir où regarder. Quand votre IA traite un large éventail de questions, les problèmes les plus coûteux ne sont pas forcément les plus visibles. Un type de demande très fréquent mais systématiquement mal traité vous coûte bien plus qu'un cas isolé qui déraille de temps en temps. Sans vue par sujet, ces patterns restent cachés.
L'Analyse des sujets dans HALO regroupe automatiquement les conversations par thème et sous-thème, et les visualise dans un diagramme de Sankey. Ce diagramme relie directement les volumes par sujet aux statuts de résolution et aux scores de satisfaction. Vous voyez d'un coup d'œil où concentrer vos efforts. Si les retours génèrent beaucoup de conversations non résolues, ou si un sous-thème spécifique reçoit régulièrement des retours négatifs, ça saute aux yeux immédiatement. Vous pouvez ainsi prioriser sans perdre de temps sur ce qui fonctionne déjà bien.
Depuis le diagramme, vous accédez directement aux conversations sous-jacentes, jusqu'au niveau du message individuel, et à la vue Optimisation pour agir sur ce que vous trouvez.
Taux de résolution : transformer un chiffre en direction
Une fois que vous savez quels sujets génèrent le plus de trafic, la question suivante est : comment ces conversations se terminent-elles ? Connaître votre taux de résolution global est un point de départ, mais un seul pourcentage ne vous donne aucune direction. Il ne vous dit pas où chercher ni quoi corriger.
Le détail du Taux de résolution dans HALO présente la situation complète selon quatre statuts : Résolu, Indéterminé, Non résolu et Transféré. Vous pouvez filtrer l'ensemble de la vue analytique par n'importe lequel de ces statuts et voir immédiatement quels sujets ou sous-thèmes font baisser vos chiffres. Un score global devient alors une action concrète : combler ce manque de connaissance sur ce sous-thème, ajuster le parcours pour ce type de question. Les équipes qui l'utilisent régulièrement voient leur taux de résolution progresser sans avoir à deviner par où commencer.
Retours clients : ce que les chiffres ne montrent pas toujours
Le statut de résolution vous dit comment une conversation s'est terminée. Pas forcément comment le client l'a vécue. Les deux ne coïncident pas toujours. Une conversation que HALO a classée comme résolue peut tout à fait avoir laissé le client insatisfait, et sans données de feedback connectées à vos métriques opérationnelles, vous ne le sauriez pas.
Le Score de satisfaction client dans HALO intègre les évaluations des utilisateurs directement dans la vue analytique. Le feedback est collecté via le widget WebConversations en fin de conversation : les utilisateurs peuvent laisser une note et un court message. Ces données apparaissent aux côtés du statut de résolution et du sujet pour chaque conversation, ce qui vous permet de voir si satisfaction et résolution évoluent dans le même sens. Si ce n'est pas le cas, c'est généralement un signal qui mérite investigation. Une conversation résolue avec des notes constamment basses pointe souvent vers une réponse techniquement correcte mais pas vraiment utile.
Pour les équipes qui n'utilisent pas WebConversations, les retours provenant d'autres systèmes peuvent être intégrés via l'API et apparaître dans la même vue.
Quand quelque chose ne va pas, vous pouvez remonter à la source et corriger sur le champ
Ces nouvelles fonctionnalités s'appuient sur quelque chose qui a toujours fait partie de HALO : un accès complet à chaque conversation individuelle. Chaque interaction peut être ouverte et lue dans son intégralité. Vous voyez quels agents sont intervenus, quels transferts ont eu lieu, et d'où provient l'information dans chaque réponse. Si une réponse s'appuyait sur du contenu de la base de connaissance, vous pouvez accéder à la source exacte. Si une réponse était incorrecte, vous pouvez remonter jusqu'au document ou au flux précis qui en est responsable et corriger à la racine, sans avoir à passer en revue toute votre base de connaissance.
Cette traçabilité est le socle. Ce que vous pouvez en faire est là où ça devient vraiment intéressant.
Depuis la vue Optimisation, les membres de l'équipe peuvent noter des réponses individuelles et signaler celles qui sont incorrectes. Mais au-delà du signalement, vous pouvez activement influencer la façon dont HALO répond. Une réponse trop longue ? Vous la raccourcissez. Le ton n'est pas le bon ? Vous l'ajustez. La réponse part dans la mauvaise direction ? Vous la corrigez. HALO mémorise ces modifications, pas seulement comme un journal, mais comme un signal qui influence sa façon de traiter des questions similaires à l'avenir. Vous pouvez aussi ajouter des connaissances ciblées directement sur une question spécifique, à la volée, sans toucher au reste de votre base de connaissance ni déclencher une reconfiguration complète.
C'est une capacité présente dans HALO depuis le début, à laquelle on n'a pas toujours accordé l'attention qu'elle méritait. Dans un marché où la plupart des plateformes traitent encore l'IA comme une boîte noire (quelque chose qu'on configure une fois et qu'on espère voir fonctionner) ce niveau de contrôle qualité en contexte reste genuinement rare. Le résultat : une IA qui gagne en précision au fil du temps grâce au travail que votre équipe fait déjà, sans cycles de maintenance séparés ni réentraînement périodique.
Lancez-vous avec HALO : comment créer des agents IA dans HALO
Une IA que vous pouvez améliorer en continu
La plupart des outils IA offrent une visibilité limitée sur ce qui se passe sous le capot. C'est acceptable quand tout fonctionne, mais ça rend l'amélioration très difficile quand ce n'est pas le cas. HALO est conçu sur le principe que votre équipe doit pouvoir voir, questionner et corriger ce que fait l'IA à tout moment.
Si vous gérez une IA pour le service client; que vous ayez tout construit vous-même, assemblé des outils, ou travaillé avec une plateforme qui ne vous offre pas ce niveau de visibilité; la différence entre faire tourner un agent IA et vraiment le piloter se résume exactement à ça : pouvez-vous voir ce qu'il fait, et pouvez-vous agir en conséquence ?
Les nouvelles fonctionnalités analytiques rendent ça concret. Si vous utilisez déjà HALO, le détail du Taux de résolution, le Score de satisfaction client et l'Analyse des sujets sont disponibles dès maintenant dans votre vue analytique.
Vous voulez voir comment ça fonctionne dans votre contexte ? Consultez la documentation complète dans notre Centre de connaissance ou contactez notre équipe.
+33 1 86 26 28 58
