Projets

American Express embarque l'IA dans sa relation directe avec les clients

American Express prépare ses employés à l'automatisation par l'IA, mais les implique aussi directement dans les projets. (Photo American Express)

Avec du machine learning et de la genAI, American Express réduit le temps de réponse à ses clients, même dans des cas complexes.

PublicitéL'opérateur international de paiement American Express a adopté la genAI et le machine learning afin d'automatiser et d'améliorer l'ensemble de son processus de service client. 3e mondial sur son marché, l'entreprise utilise déjà l'IA traditionnelle depuis une vingtaine d'années, mais elle a récemment déployé deux projets majeurs d'automatisation spécifiquement centrés sur son service client. Le premier, lancé en 2022, utilise le machine learning pour mesurer le ressenti des clients lors des appels téléphoniques avec près de 13000 de ses agents d'assistance aux États-Unis, au Canada, en Australie, en Nouvelle-Zélande et au Mexique.

Le deuxième projet, dont les phases pilotes ont débuté fin 2023, utilise cette fois la genAI pour assister les conseillers voyages dans leurs interactions avec les clients. Cette fois, l'IA aide le conseiller à préparer la conversation avec le client, puis à créer des itinéraires, à rechercher des offres, à trouver des hôtels et à formuler des recommandations personnalisées pour les restaurants, les sites touristiques et autres activités de loisir. La genAI synthétise également les échanges entre le conseiller et le client. American Express a étendu la solution à l'ensemble de ses 5000 conseillers sur 19 marchés depuis octobre 2024.

Organiser un voyage en temps réel

« Cet assistant genAI aide nos agents à formuler des recommandations sur une grande variété de sujets et à gérer tous types de demandes, ajoute Anthony Devane, vice-président exécutif et responsable de la stratégie et des services globaux d'American Express. Nous devons parfois répondre à des requêtes compliquées à gérer : je veux un billet pour Taylor Swift ou Harry Styles ; je veux aller aux Maldives en passant par Dubaï. Je veux aller dans un restaurant végan. »

La genAI aide aussi les conseillers à trouver ces recommandations ou ces billets en temps réel, réduisant les temps d'échange téléphonique pour les clients et les agents. « Avant l'arrivée de la genAI, poursuit ainsi Anthony Devane, les conseillers voyages devaient souvent mettre le client en attente pour effectuer des recherches, voire le rappeler après avoir examiné sa requête. Nous avons utilisé la genAI pour qu'elle crée des programmes et des itinéraires que nous communiquons immédiatement au client par téléphone, plutôt que de le laisser attendre une heure avant d'être rappelé, par exemple. » Selon American Express, cette réduction du temps passé pour planifier un voyage, y compris avec des demandes complémentaires, a engendré une augmentation des réservations.

Mesurer l'empathie du client

« Par ailleurs, nous traitons globalement plusieurs millions d'appels téléphoniques, , ajoute Anthony Devane, et pour fournir aux employés du service client un retour sur chacun de leurs appels, nous utilisons cette fois du machine learning en arrière-plan. Cette IA mesure le niveau d'empathie du client et nous aide réellement à comprendre notre valeur réelle et notre proposition produit. » American Express assure là aussi avoir augmenté son NPS (net promoter score) depuis le déploiement de la technologie.

PublicitéL'entreprise a par ailleurs organisé des groupes de discussion avec les employés pour discuter de ces projets d'automatisation, et encourager ses agents du service client à expérimenter l'IA. Elle dispose actuellement d'une centaine d'idées de projets de ce type dans ses services IT, dont beaucoup émanent des employés, qui participent aussi activement aux discussions sur leur mise en oeuvre, selon l'entreprise. « Nous déployons certaines de ces idées, mais d'autres non quand le taux d'hallucinations est trop élevé ou le code source trop complexe, ajoute Anthony Devane. Nous ne les abandonnons pas complètement, mais nous les mettons en pause, car la genAI va encore progresser dans les trois ou six prochains mois, et nous reviendrons systématiquement sur ces idées mises de côté »

Une démarche agnostique vis-à-vis des LLM

American Express teste par ailleurs tous les projets d'automatisation avant leur lancement complet et s'assure toujours d'une supervision humaine des actions ou des recommandations automatisées. « Que le client réserve un simple billet de ferry entre le Royaume-Uni et la France ou une croisière autour du monde d'un million de dollars sur six mois, c'est important pour lui, insiste le vice-président exécutif. Il faut donc tester et itérer. Nous disposons d'une sandbox avec les données anonymisées des titulaires de cartes dans laquelle nous évaluons les modèles. »

Au-delà de l'adhésion des employés et de la rigueur des tests, American Express a conçu sa solution de genAI de telle façon qu'elle soit capable d'exploiter plusieurs LLM. Avec l'évolution rapide des capacités de ces IA et la multiplication des modèles, l'entreprise ne veut pas se limiter à un seul outil, comme l'explique Gary Kensey, vice-président exécutif et DSI de l'unité Services mondiaux et Technologies d'entreprise. « Tout commence avec une couche de recettes communes, en quelque sorte, comme une base de code et des frameworks aussi standardisés que possible, afin de permettre aux ingénieurs de développer des solutions qui garantissent la cohérence entre les applications, précise-t-il. À cela s'ajoute une couche d'orchestration qui se connecte à différents modèles, pour en changer en fonction des besoins métier, si nécessaire. La capacité d'adaptation rapide est une caractéristique clé de nos outils d'automatisation. Compte tenu de l'évolution rapide du monde qui nous entoure, nous voulons des fondations aussi flexibles et adaptables que possible. » Ce qu'un modèle apporte aujourd'hui pourrait ne pas être adapté à l'échelle mondiale dans six mois pour un cas d'utilisation potentiellement identique, selon Gary Kensey. « L'important est de faire preuve d'adaptabilité et de flexibilité, et de ne pas se retrouver dans une impasse, car cela pourrait nous coûter cher ».