Un client écrit par WhatsApp pour résoudre un problème, ensuite il appelle le centre d'appels et finit par le contacter par l'application. Dans chaque canal, il doit expliquer qui il est, ce dont il a besoin et ce qui s'est passé. L'entreprise dispose de toutes ces informations, mais elles sont dispersées dans des systèmes qui ne communiquent pas nécessairement entre eux.
Cette situation résume l'un des problèmes auxquels de nombreuses organisations font face : pendant des années, elles ont accumulé des données provenant d'appels, d'emails, de transactions, d'applications et de plateformes numériques, mais disposer de grandes quantités d'informations n'implique pas automatiquement de savoir les utiliser.
L'expansion de l'intelligence artificielle a rendu cette différence encore plus évidente. Un rapport publié par McKinsey & Company en 2026 indique que, bien que neuf responsables marketing sur dix interrogés expérimentent des applications d'IA, moins de 10% déclarent les avoir mises à l'échelle ou capturé de la valeur tout au long de leurs flux de travail.
En d'autres termes, tester des outils est relativement simple. Faire en sorte qu'ils fassent réellement partie des processus d'une entreprise est une autre histoire.
Pour Andrés Bogetto, directeur des opérations de Konecta Perú, le point de départ ne devrait pas être l'incorporation d'une nouvelle technologie, mais s'assurer que les informations qu'une organisation possède déjà peuvent être utilisées lorsque cela est réellement nécessaire.
“La véritable valeur des données se multiplie lorsque nous parvenons à unifier toutes ces informations dans le cloud et les mettons à disposition de systèmes intelligents capables d'assister et d'agir immédiatement”, explique-t-il.
À partir de ce problème, le spécialiste identifie trois étapes qui peuvent faire la différence entre accumuler des informations et les transformer en un outil utile pour l'entreprise.
Première clé : faire en sorte que les données ne vivent plus dans des systèmes séparés
Un appel peut être enregistré sur une plateforme, un achat sur une autre et une réclamation sur une troisième. Si ces systèmes ne sont pas intégrés, chaque domaine finit par avoir une pièce distincte de l'histoire du même utilisateur.
Pour Bogetto, l'une des premières tâches consiste à centraliser les informations provenant des différents canaux afin qu'elles puissent être consultées de manière conjointe.
Cela permettrait, par exemple, à un conseiller de savoir dès le départ si un client a déjà posé une question, quel produit il a souscrit ou ce qui s'est passé lors d'une interaction précédente, sans qu'il ait à répéter toute l'information.
Mais intégrer des données ne signifie pas simplement les envoyer dans le cloud. Pour qu'elles soient utiles, elles doivent être à jour, organisées, protégées et disponibles pour les systèmes et les travailleurs qui ont réellement besoin de les consulter.
L'impact peut être important. McKinsey estime que certaines applications de personnalisation par intelligence artificielle peuvent augmenter la satisfaction client de 15% à 20% et réduire jusqu'à 30% les coûts de service, bien que l'atteinte de ces résultats dépende, entre autres, de la disponibilité d'informations intégrées et de processus capables de les utiliser.
Le défi devient plus important avec l'intelligence artificielle. Un système peut traiter des milliers d'enregistrements en quelques secondes, mais s'il reçoit des informations incomplètes, dupliquées ou désuètes, sa capacité à offrir une réponse utile est également réduite.
Deuxième clé : passer d'une IA qui répond à une IA qui exécute des tâches
Le changement suivant est lié à l'IA agéntique, une génération de systèmes conçus pour aller au-delà de la simple réponse à des questions ou de la génération de contenus.
Ces assistants peuvent réaliser différentes étapes dans un même processus. En service client, par exemple, ils pourraient valider l'identité d'une personne, consulter son historique, vérifier l'état d'une demande et exécuter certaines opérations dans les systèmes internes.
Bogetto soutient que les entreprises commencent à rechercher des applications susceptibles de s'intégrer directement aux processus quotidiens, plutôt que de rester uniquement dans des essais pilotes.
La différence est importante. Un chatbot peut indiquer ce qu'un utilisateur doit faire pour résoudre une procédure ; un système capable d'exécuter des actions pourrait avancer une partie de cette procédure pour lui.
Cependant, la plus grande autonomie exige également d'établir des limites.
Les organisations doivent définir quelles actions un outil peut exécuter automatiquement, celles qui nécessitent une approbation humaine et comment une opération est révisée en cas d'erreur ou de situation exceptionnelle.
La protection des données personnelles, la traçabilité des décisions et le contrôle humain deviennent ainsi aussi importants que la rapidité de la réponse.
Troisième clé : utiliser l'automatisation pour soutenir les personnes
La troisième pièce réside dans le travail humain.
Automatiser un processus ne signifie pas nécessairement éliminer la personne qui y participe. La technologie peut se charger de tâches répétitives telles que rechercher des informations, organiser des antécédents, compléter des données ou présenter des recommandations, tandis que le travailleur se concentre sur la résolution de situations nécessitant du discernement.
“Lorsque les outils numériques s'occupent du travail opérationnel lourd et de la synchronisation des données, le conseiller peut se concentrer sur l'écoute de l'utilisateur et la résolution de son problème”, indique Bogetto.
Dans une interaction complexe, par exemple, un système peut afficher tout l'historique disponible et proposer des solutions possibles. Le travailleur peut alors évaluer laquelle convient, dialoguer avec le client et prendre une décision lorsque le cas ne correspond pas à une procédure standard.
Le risque est d'automatiser pour le seul principe d'automatiser. Digitaliser un processus inefficace sans le modifier peut simplement faire en sorte que le même problème se produise plus rapidement.
Par conséquent, l'incorporation de technologie devrait débuter par l'identification des tâches chronophages, des informations manquantes et des décisions qui pourraient réellement être simplifiées.
De nombreuses entreprises testent l'IA, peu parviennent à l'échelle
La différence entre expérimenter et transformer un processus explique pourquoi de nombreuses organisations annoncent des pilotes d'intelligence artificielle qui ne se concrétisent pas ensuite en outils utilisés à grande échelle.
Le rapport de McKinsey mentionné précédemment montre que, bien que neuf responsables marketing sur dix interrogés experimentent avec des applications d'IA, moins de 10% déclarent les avoir mises à l'échelle ou capturé de la valeur dans leurs flux de travail. L'obstacle ne réside pas toujours dans l'outil choisi, mais dans ce qui existe avant lui : données éparpillées, systèmes déconnectés et processus qui dépendent encore de tâches manuelles.
Pour Bogetto, le saut se produit lorsque l'intelligence artificielle cesse de fonctionner comme un essai isolé et se connecte avec les informations et les processus réels de l'organisation. C'est là qu'elle peut passer de la réponse aux consultations à l'intervention dans des tâches concrètes.
Si une entreprise a des bases de données dupliquées, des systèmes qui ne communiquent pas et des processus peu clairs, ajouter une nouvelle couche d'intelligence artificielle n'élimine pas automatiquement ces défauts.
Par conséquent, avant de choisir le chatbot, l'agent ou la plateforme la plus récente, la question peut être beaucoup moins technique : quel problème concret souhaitons-nous résoudre et quelles informations avons-nous besoin pour le faire ?