Contexte et objectifs

Notre client, une entité publique chargée de la collecte des déchets, était confronté à un défi récurrent : traiter des centaines de réclamations citoyennes chaque mois. Beaucoup d’entre elles étaient non pertinentes ou en doublon, consommant un temps précieux et créant des inefficacités opérationnelles majeurs.

Les équipes, submergées par ce traitement manuel, y consacraient près d’un tiers de leur temps de travail. Certaines réclamations étant agressives ou offensantes, générant du stress chez les collaborateurs.

Notre objectif était de tester si une solution basée sur l’IA pouvait améliorer l’efficacité tout en s’intégrant harmonieusement à l’infrastructure existante du client.

L’automatisation devait permettre de :

• réduire la charge de travail,

• accélérer les réponses,

• et libérer les employés pour des tâches plus critiques.

Démarche

Notre stratégie s’est articulée autour de la conception d’un assistant IA pour automatiser la majorité des interactions liées aux réclamations.

Ce projet de traitement automatisé des réclamations a été mené en deux phases :

1. Une preuve de concept a été conçue afin de vérifier qu'il était possible de reproduire le processus de gestion des réclamations avec l’IA.

2. Après la réussite de cette étape, nous avons développé un produit minimum viable (MVP), une solution plus robuste et entièrement intégrée.

Collecte et croisement des données

Pour que l’assistant IA puisse prendre des décisions éclairées sur la validité de chaque réclamation et proposer une réponse adaptée, nous avons intégré plusieurs sources de données et les avons croisées avec les réclamations pour en vérifier l’exactitude :

• localisation en temps réel des camions de collecte,

• itinéraires de collecte préétablis,

• plannings de collecte.

En utilisant les données déjà disponibles chez le client, nous avons reproduit la logique existante de gestion des réclamations sous forme d’algorithme pour alimenter l’assistant. Construit sur Azure Virtual Power Agents, l’assistant détermine automatiquement la validité des réclamations et propose une réponse que l’agent peut valider avant de l’envoyer au citoyen.

Mise en œuvre et tests

Un aspect critique du projet était de permettre à l’assistant IA de traiter des données non structurées, notamment les emails. Il devait extraire des informations structurées à partir des réclamations en texte libre contenues dans ces emails. Le succès du chatbot reposait sur sa capacité à transformer ces entrées en données exploitables.

Tout a été hébergé dans l’environnement Azure existant du client pour garantir une intégration fluide avec son infrastructure IT et son système de service desk.

Lors de la phase de test, l’équipe a appliqué des correctifs hebdomadaires, améliorant progressivement la capacité du système à gérer les cas particuliers et les réclamations inattendues. L’équipe de développement a réduit le volume de réclamations nécessitant une intervention manuelle en optimisant le système de manière itérative.

Résultats

Sur quelques semaines de tests, l’assistant IA a traité plus des trois quarts des réclamations de manière autonome. Cet automatisation a allégé la charge administrative, permettant aux équipes de se concentrer sur des tâches plus urgentes.

Ce succès ouvre de nouvelles perspectives, comme la création d’un système omnicanal de traitement automatisé des réclamations. Celui-ci unifierait les interactions clients (emails, réseaux sociaux, téléphone), facilitant ainsi l’obtention de réponses rapides pour les citoyens, quel que soit le canal utilisé.

Cette approche ne se limite pas à la gestion des déchets : des secteurs comme les transports et la logistique pourraient également bénéficier d'une automatisation du traitement des réclamations et du service client, grâce à des assistants IA adaptés à leurs besoins spécifiques. Ces systèmes améliorent les temps de réponse et permettent aux équipes de se concentrer sur des défis plus complexes.