Quel problème de service client Conforama cherchait-il à résoudre ?
Le point de départ décrit sur scène est un écart entre la demande et la capacité du centre de contacts. L’ancien prestataire traitait environ 30 000 appels par mois, alors que la demande était estimée à près de 100 000. Une partie des magasins gérait également les appels directement.
Les demandes répétitives portaient notamment sur une commande, une livraison ou les horaires. Le projet devait absorber cette demande, répondre en dehors des heures habituelles et laisser aux conseillers les situations nécessitant une intervention. L’internalisation du service et l’introduction de l’IA ont avancé ensemble : il faut en tenir compte pour lire les résultats.
Comment l’agent vocal est-il relié aux opérations ?
L’équipe décrit une progression contrôlée : un premier magasin et un cas fréquent, puis une extension à d’autres magasins et au Portugal. L’agent s’appuie sur les systèmes de commandes, de livraison, de téléphonie et de tickets. La voix est une interface ; l’information utile vient de ces systèmes.
Le transfert vers un conseiller conserve le contexte déjà recueilli, pour éviter de recommencer les mêmes questions. Lorsque personne n’est disponible, le dispositif peut créer un ticket. Les modalités portugaises ont demandé une adaptation des règles métier, au-delà de la traduction des réponses.
Préparer la réponse avant de soigner la voix
Pour transposer cette logique, une équipe doit identifier la source faisant autorité pour chaque demande : statut de commande, créneau de livraison, disponibilité d’un conseiller. Une réponse naturelle fondée sur une information erronée reste un mauvais service.
Quels résultats ont été rapportés par Conforama ?
Les chiffres ci-dessous sont ceux rapportés par les intervenants lors d’AI Summit Barcelona 2026. Ils décrivent plusieurs indicateurs différents. La proportion traitée par l’IA ne doit pas être confondue avec celle résolue entièrement sans reprise humaine.
| Indicateur | Valeur rapportée | Périmètre à conserver |
|---|---|---|
| Volume actuel | Plus de 100 000 appels par mois | Service décrit, avec agent IA et équipe interne |
| Appels traités dans le système IA | 74 % | Ne signifie pas résolution de bout en bout |
| Résolution complète par l’IA | 47,5 % | Taux annoncé au moment de la session |
| Attente moyenne | Environ 4 minutes à 1 minute | Comparaison annoncée, sans protocole d’évaluation fourni |
Quelles conditions et limites faut-il retenir ?
Les intervenants insistent sur les erreurs provenant des sources : données manquantes, contradictions et commandes mêlant plusieurs vendeurs. Améliorer le prompt ne suffit pas lorsque la réponse correcte n’existe pas dans le système interrogé. L’identification du numéro de commande a elle aussi demandé un travail spécifique.
La transcription ne fournit ni coût complet, ni méthode détaillée de calcul des taux, ni comparaison à organisation constante. Elle ne permet donc pas d’attribuer tout le changement à l’IA. Les objectifs futurs évoqués sur scène ne sont pas des résultats acquis.
Quelles compétences une équipe peut-elle travailler ?
Un exercice utile consiste à cartographier trois demandes entrantes, leurs sources et leur issue possible : réponse, action autorisée ou transfert. Chaque scénario doit préciser ce que le conseiller reçoit lors de la reprise et ce que le système fait quand une donnée manque.
La compétence centrale est la conception du service : délimiter une tâche, vérifier une information, définir un passage de relais et analyser les incidents. Un prototype d’atelier peut travailler ces choix sur des demandes fictives, sans brancher une ligne client réelle ni promettre le taux observé dans ce cas.
