Automatiser le traitement des courriels des clients

Contexte

Un de nos clients avait un volume important de messages support, qui étaient traités par une équipe d'assistance. Comme les demandes des clients pouvaient porter sur des sujets très différents, elles devaient d'abord être classées par un premier agent, afin d'être acheminées vers le bon destinataire. Le problème est que cela signifie que chaque email est traité deux fois et chaque étape manuelle retarde la réponse au client.

Une autre question est de savoir si certaines demandes de clients pourraient être entièrement traitées par une IA.

Solution

La première exigence pour un tel projet est de disposer d'un nombre suffisant de données labellisées pour entraîner un modèle de machine learning (ML). Bien qu'il soit possible d'utiliser un large language model (LLM) pour catégoriser les messages de manière non supervisée, cela ne refléterait pas nécessairement les meilleures pratiques métiers. La deuxième étape consiste à élaborer un plan de classification clair. Il est important que les différentes catégories ne se chevauchent pas, sinon le modèle aura du mal à les distinguer.

Un modèle de classification ML peut ensuite être entraîné et évalué sur un ensemble de jeu d'évaluation. Pour l'évaluation, outre les métriques standard telles que la précision et le rappel, il est important d'inclure des métriques métier, telles que la comparison du temps gagné par les équipes d'assistance par rapport au coût d'une classification erronée. Pour ce cas d'utilisation, on privilégie généralement exécuter le modèle localement, puisqu'il s'agit de données personnelles de vos clients.

Une fois que nous disposons des scores de classification pour chaque catégorie, il est possible de décider:

• quels messages peuvent être acheminés vers le bon destinataire sans intervention humaine, si nous avons confiance dans la prédiction du modèle et si le coût d'une erreur n'est pas élevé
• quels sont les messages auxquels l'IA pourrait potentiellement répondre, dans le cas de questions d'ordre général
• quels sont les messages qui doivent être traités par un humain

En conclusion, ce projet a permis à notre client de réduire considérablement le temps nécessaire au traitement des demandes des clients, ainsi que le coût de ce traitement.