A priori, l'expérimentation qu'ont conduite les BBVA Labs avec une technologie d'analyse de conversation (en langage naturel) n'est qu'un épisode normal dans la vie d'un département d'innovation désireux d'explorer les possibilités d'un nouvel outil logiciel. Pourtant, celui-ci pourrait avoir un impact déterminant dans la banque de demain.
D'une portée extrêmement limitée, le premier test effectué consistait à vérifier la capacité d'un modèle générique d'intelligence artificielle appliquée au langage, baptisé GPT-3 et déployé sous forme d'une API ouverte, à interpréter et résumer efficacement une dizaine d'échanges (glanés dans un forum en ligne public) représentatifs d'un dialogue entre un consommateur et son conseiller, sans aucune adaptation, apprentissage ou entraînement spécifique préalable, ni en espagnol ni dans le domaine financier.
Concrètement, l'équipe à l'origine du projet a soumis ces échantillons avec l'objectif, présenté tel quel à l'algorithme retenu, comme des questions posées dans un quelconque exercice scolaire de lecture de texte, d'en extraire quatre informations : le cœur de la question posée ou du sujet abordé par le demandeur, le produit ou le service concerné, la solution ou la recommandation proposée (ou leur absence) et l'indication que la réponse fournie est jugée complète et finale (et, par voie de conséquence, la dicussion close).
En dépit de quelques obstacles mineurs à la mise en œuvre, les résultats obtenus sont impressionnants, au moins dans le cas du moteur le plus élaboré (les essais ont été réalisés avec deux des quatre mis à disposition par OpenAI). La note calculée pour mesurer la performance globale est quasi parfaite (à 9,3 sur 10) et la seule petite faiblesse, affectant principalement l'identification du produit, pourrait certainement être vite résolue grâce à une séquence d'apprentissage dédiée au vocabulaire financier.
La démarche de BBVA est dans un état embryonnaire mais elle ouvre des perspectives captivantes dans l'univers de la relation client. L'usage (évident) envisagé initialement touche au suivi des interactions au fil des changements d'interlocuteurs, critique dans le contexte multi-canal contemporain, où une personne peut avoir successivement affaire à un ou plusieurs opérateurs d'un centre d'appel, à son conseiller attitré, à un expert… et avoir l'impression que ses correspondants ne communiquent pas entre eux.
Plutôt que de compter sur des compte-rendus plus ou moins bâclés dans l'application de CRM ou de se lancer dans la relecture de la totalité des échanges précédents, un nouveau participant pourrait ainsi consulter facilement et rapidement un aperçu des discussions et de la situation actuelle, de manière à prendre le relais immédiatement et sans perte de temps. Dans une autre hypothèse, la plate-forme repérerait les omissions et alerterait l'utilisateur afin qu'il apporte les compléments nécessaires.
Plus largement, l'accumulation d'un historique synthétique et structuré des questions posées, des services sollicités, des réponses formulées… offre également une extraordinaire opportunité d'enrichir la connaissance du client, jusqu'ici dispersée et fragmentaire, car limitée aux points de contacts à partir desquels peuvent être collectées des données exploitables. Cette matière première pourrait alors être mise à profit pour optimiser et personnaliser le conseil prodigué (par voie humaine ou électronique).
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)