Les moteurs de la croissance : transformer les promesses de l'IA en résultats concrets

Points clés à retenir

La valeur de bout en bout est générée par le changement. Les gains de productivité importants sont essentiels. L'impact est obtenu en se concentrant sur les problèmes de croissance les plus importants et en les résolvant. Réutilise les processus de travail et pas les outils. L'expansion se fait en cartographiant les décisions et les transferts et en plaçant les agents au point de changement, plutôt qu'en les rattachant aux étapes existantes. Nouvelle échelle du modèle opérationnel. Une transformation de bout en bout nécessite des groupes interfonctionnels humains-IA, des produits de données qui se chevauchent et une gouvernance dans laquelle les agents sont considérés comme des actifs gérés comme des talents. Un détaillant multinational va voir la demande pour un produit de haute qualité monter dans une région et avoir un surplus de stock dans une autre. Une équipe d'agents IA peut réaffecter les dépenses publicitaires, optimiser les prix, rediriger les stocks et actualiser les ressources créatives en quelques secondes pour proposer des offres qui correspondent à ce que veulent les acheteurs. La prochaine étape, dans ce cas, c'est le boulot coordonné qui démarre grâce aux signaux des clients et l'organisation de la croissance des affaires sur place. Ce n'est pas une situation imaginaire ; c'est l'avenir de l'IA dans l'augmentation des fonctions. L'IA agentique (/services) met le raisonnement automatique dans les processus de marketing, de vente et de service client. On estime que plus de 60 % des déploiements dans le marketing et la vente qui utilisent l'IA agentique vont créer plus de valeur. Les premières estimations montrent que l'IA générique pourrait générer jusqu'à 2,6 à 4,4 billions de dollars de valeur annuelle, et jusqu'à 20 % de l'augmentation prévue de la productivité se ferait dans les domaines du marketing et des ventes. Le marketing et les ventes sont, littéralement, le fer de lance en termes de qualité de livraison du potentiel de l'IA agentique en valeur réelle. Les modèles de base de l'IA générique sont à la base de l'IA agentique, un système capable d'agir dans le monde réel et applicable à l'exécution de processus en plusieurs étapes. L'automatisation et les tâches complexes peuvent être automatisées et réalisées par des agents IA à l'aide du traitement du langage naturel, ce qui aurait autrement été fait par des êtres humains. L'impact est déjà visible chez les premiers leaders. Par exemple, d'après l'analyse, on estime que certaines des entreprises du classement Fortune 250 ont vu la vitesse de création et d'exécution de leurs campagnes multipliée par 15 grâce à une accélération de l'innovation et à l'optimisation des processus.

Ils peuvent, par exemple, simplifier les prix, faire avancer les prospects, personnaliser les offres et gérer les relations avec les clients jusqu'au bout. Les gains peuvent augmenter à mesure que les organisations adoptent davantage l'IA agentique. Il a été analysé que des déploiements d'agents appropriés et à grande échelle peuvent permettre des gains de productivité compris entre trois et cinq pour cent par an et peuvent également entraîner une croissance de 10 pour cent, voire plus. Cependant, la plupart des entreprises n'ont pas encore tiré pleinement parti de l'IA. Près de 8 sur 10 disent ne pas avoir vu d'avantages concrets de l'IA en général, surtout à cause des limites liées aux programmes pilotes fragmentés, à la mauvaise qualité des données et au manque de bases de gouvernance suffisantes. Les leaders qui ont réussi à tirer parti de l'IA sont en train de repenser leur processus de croissance en intégrant des agents IA dans leurs processus. Grâce à leur expérience dans différents secteurs, les entreprises qui font des avancées et transforment les promesses de l'IA agentique en performances dans le marketing et les ventes ont tiré quatre leçons :

L'impact commence par l'endroit où l'agent peut faire bouger les choses, que ce soit en matière de conversion, de précision des prix ou d'engagement du client, et en mobilisant les agents pour accélérer ces résultats. Pense à la personnalisation, qui est non seulement testée, mais aussi très répandue. Des études ont montré que 71 % des consommateurs s'attendent à des interactions personnalisées et que 76 % sont frustrés quand ce n'est pas le cas. Les résultats de la personnalisation par IA, avec une augmentation de la satisfaction client de 15 à 20 %, une hausse du chiffre d'affaires de 5 à 8 % et une baisse des coûts de service pouvant atteindre 30 %, sont vraiment impressionnants. Ça devient possible à grande échelle grâce à l'IA agentique, qui utilise le raisonnement contextuel et la prise de décision en temps réel pour améliorer les offres, le contenu et les expériences à chaque interaction.

Success story d'un assureur européen

D'après l'analyse, un assureur européen, par exemple, a redéfini son processus de vente en utilisant des agents IA qui ont adapté les campagnes à des centaines de microsegments, personnalisé les scripts en fonction des signaux des acheteurs et formé les équipes de vente avec des retours en temps réel. Résultat :

• deux à trois fois plus de taux de conversion
• Réduire de 25 % la durée des appels au service client.
• des boucles d'apprentissage continues que les révisions manuelles n'ont pas pu égaler en termes d'efficacité

Étude de cas sur les compagnies aériennes américaines

D'autres organisations font pareil avec l'aide de l'IA pour améliorer l'expérience client en comprenant ce que chaque client veut ensuite et en le proposant au bon moment. Une compagnie aérienne américaine a utilisé des infos prédictives en appliquant la même compensation pour les perturbations de vol, en faisant la différence entre les voyageurs fréquents et les voyageurs occasionnels. L'impact :

• Augmentation de 210 % du ciblage des clients à risque
• Augmentation de 800 % de la satisfaction des clients
• 59 % de baisse du taux de désabonnement chez les voyageurs qui dépensent beaucoup

Applications de tarification dynamique

Ce genre d'intelligence trouve aussi des applications dans le domaine de l'amélioration des prix. Il est possible de faire en sorte qu'une IA agentique perçoive les changements du marché, calcule les résultats et réagisse tout de suite en modifiant les prix ou en redistribuant les stocks en temps réel, en fonction de ce que font les concurrents, des changements chez les consommateurs ou des prévisions de la demande. Prenons l'exemple des compagnies aériennes qui utilisent déjà l'IA agentique pour créer des forfaits personnalisés basés sur les tarifs, les sièges et les offres optionnelles, qui sont mis à jour en temps réel pour s'adapter aux infos en direct, comme les tendances de recherche, la météo et les comportements de réservation.

Les organisations qui voient une contribution significative à l'IA agentique ne se contentent pas de mettre en place de nouveaux agents pour améliorer les tâches actuelles, mais repensent aussi les flux de travail. Les agents apportent une valeur ajoutée lorsqu'ils sont appliqués à des processus et parcours de bout en bout en ajoutant une force d'automatisation et de coordination limitée, mais lorsqu'ils sont appliqués à des étapes individuelles, leur force est restreinte.

Les processus traditionnels peuvent être décrits comme unidirectionnels, généralement entre les services : le service marketing transmet le travail au service commercial, qui le transmet au service après-vente et au service de tarification. Ces dernières années, on a vu des progrès énormes dans chacune de ces fonctions grâce à l'intégration des fonctionnalités numériques et analytiques. L'IA agentique s'appuie sur ces avancées pour automatiser et coordonner les activités au niveau des équipes et des fonctions. En surmontant les problèmes endémiques de coordination entre les silos et les flux de travail complexes des opérations, les organisations peuvent être en mesure d'obtenir des cycles plus courts, en plus d'une cohérence et d'une réactivité à une échelle qu'aucune coordination humaine ne pourrait égaler. Plus important encore, pour réussir, il faut concevoir un processus basé sur les agents, et non pas simplement ajouter des agents à d'anciens processus. À titre d'illustration, au lieu d'affecter des agents pour aider les services clientèle à répondre plus rapidement aux réclamations, les organisations de premier plan déploient des agents pour anticiper les problèmes éventuels, appeler les clients à titre préventif avant qu'ils ne le fassent eux-mêmes et traiter les situations à l'avance en leur proposant des offres personnalisées.

Transformation des assureurs européens

Pour avoir une idée claire de ce que ça veut dire en pratique, l'assureur européen donne un exemple précis. D'après l'analyse, en 16 semaines, l'entreprise a repensé un modèle commercial avec un réseau d'agents connectés qui s'occupent de toute l'expérience client. Les améliorations obtenues :

• Les agents de connaissances ont centralisé plus de 1 000 documents sur les politiques et les produits, ce qui permet aux employés en contact avec la clientèle de trouver tout de suite la réponse qu'ils cherchent.
• Grâce à la transcription des appels par IA et à la notation par les agents de coaching, 95 % des appels commerciaux ont été examinés automatiquement, contre 3 % avant.
• Ces fonctionnalités ont été intégrées par les agents d'intégration dans le CRM et le portail des agents disponibles, conformément aux politiques de sécurité d'authentification unique et offrant des tableaux de bord de performances en temps réel. Ces systèmes agissants ont permis, ensemble, de réduire de 25 % la durée moyenne des appels, de diminuer les transferts interfonctionnels effectués manuellement et de créer une boucle de rétroaction. Cette expérience a permis aux agents de continuer à améliorer les meilleures actions suivantes, la séquence des messages et l'adéquation des produits afin de rester en phase avec l'évolution de la demande des clients.

Types et rôles des agents

Pour tout changer, il faudra créer de la valeur avec des agents IA, mais il faudra trouver le bon agent pour la bonne tâche :

• agents spécifiques à un domaine qui font des trucs complexes et adaptés au contexte
• des agents généralistes qui font des trucs comme la synthèse de données ou la création de contenu
• agents de vérification des erreurs
• des agents d'orchestration pour coordonner et harmoniser l'ensemble du système Le rôle le plus important dans cette entreprise est joué par les humains. Ils peuvent bosser en étroite collaboration avec les agents pour superviser, vérifier et traiter les problèmes que les agents IA leur soumettent. Les entreprises les plus avancées intègrent ces interactions entre humains et agents dans des flux de travail adaptatifs, qui changent à chaque itération et à chaque signal du client.

Les organisations doivent arrêter de voir l'IA agentielle comme un simple outil supplémentaire et commencer à la considérer comme un partenaire numérique. Ça veut dire leur donner des rôles, les intégrer correctement et les gérer avec des attentes claires en matière de performance, comme on le ferait avec des membres humains de l'équipe. Les mesures appropriées de la performance des agents IA varient cependant par rapport aux indicateurs de performance clés (KPI) de productivité classiques. Au lieu de compter les appels ou le nombre de campagnes, les organisations les plus performantes prennent en compte une combinaison de mesures :

• qualité de la conversation
• sois précis quand tu fais ton boulot
• Réponds avec précision aux escalades.
• le taux d'apprentissage, qui montre la capacité des agents à assimiler les retours et à s'adapter aux changements de comportement des acheteurs Ces indicateurs sont surveillés en continu, car toutes les actions des agents sont enregistrées et peuvent être suivies. Des tableaux de bord en temps réel indiquent les changements de performance, comparent les résultats de référence avec le seuil humain et indiquent quand une nouvelle formation ou un recalibrage est nécessaire.

Étude de cas sur un constructeur immobilier américain

L'un des plus grands constructeurs immobiliers des États-Unis montre comment cette discipline peut être efficace. Pour améliorer la communication en ligne et la prise de rendez-vous, l'entreprise a formé des commerciaux IA et leur a appris à agir comme ses meilleurs vendeurs. Après avoir analysé plus de 500 000 transcriptions de ventes, on a repéré des dizaines de types de conversations (salutations, gestion des objections, suivi, conclusion) et les modèles les plus souvent associés au succès. À partir de ces infos, l'équipe a créé des profils d'agents avec des styles, des rythmes et des façons de parler différents. Tous les dialogues de l'IA ont ensuite été comparés à des références humaines grâce à un agent de notation qui a évalué la précision, la personnalisation et la fluidité. Les tableaux de bord ont montré des baisses et des incohérences de ton, ce qui a permis de régler rapidement les problèmes. Résultats :

• Le taux de conversion en rendez-vous a triplé.
• les rendez-vous hebdomadaires ont augmenté de deux fois
• les agents les plus efficaces faisaient preuve d'une empathie et d'une fluidité dignes d'un humain

Comme les agents gèrent les flux de travail qui touchent au marketing, aux ventes et au service client, les entreprises devraient repenser comment elles s'organisent pour se développer. L'approche historique consistant à faire fonctionner chacune des fonctions de manière isolée est en train d'être remplacée par une approche intégrée dans laquelle les agents coordonnent leurs activités, partagent des données et s'associent à l'ensemble de l'expérience client afin de créer une expérience client entre le moment de la prise de conscience et celui de la fidélisation. La conception des campagnes, la conversion des prospects et l'interaction avec les clients ne se font plus dans un ordre précis, mais dans une boucle d'apprentissage unique. Ça ne peut pas se faire sans un nouveau modèle hybride d'exploitation humain-IA. Ce système implique des agents chargés de la coordination et de la mise en œuvre, avec des humains pour fournir la stratégie, la créativité et le contrôle. La nature interfonctionnelle des équipes de croissance est conçue de manière à ce que les spécialistes du marketing, les commerciaux, les représentants du service client et les data scientists travaillent ensemble sur la base de workflows et d'objectifs communs.

Usines d'agents

Pour évoluer, les grandes entreprises doivent créer des usines d'agents : des centres spécifiques qui industrialisent le processus de création, de déploiement et de régulation des agents. Ces hubs formalisent une architecture réutilisable, des produits de données communs et des garde-fous en matière de sécurité et de conformité. Et les agents standardisés qu'ils construisent sont réservés aux obligations des parties prenantes, basées sur les rôles, de telle sorte que :

• les agents principaux planifient le boulot
• Les agents praticiens font ce qu'il faut.
• Les agents chargés de l'assurance qualité et de la conformité surveillent les performances. Plusieurs banques internationales ont adopté cette stratégie et ont créé des usines d'agents pour remodeler leurs efforts de diligence raisonnable. Chaque usine a ses propres équipes d'agents pour traiter les différentes étapes, comme l'extraction et la validation des données et l'assurance qualité, ce qui réduit le nombre d'étapes manuelles et améliore la précision et le contrôle.

Exemple de producteur spécialisé dans les activités de plein air

Un des gros fabricants nord-américains de produits pour les activités de plein air a utilisé les mêmes principes dans son approche du service client. Comme l'analyse l'a montré, après avoir analysé plus de 30 000 tickets de service et transcriptions d'appels, l'entreprise a repensé la fonction pour que les agents s'occupent du diagnostic, de la récupération des données et de la synthèse, et laissent le traitement centré sur l'humain aux humains. La mise en œuvre a été un succès grâce au plan de gestion du changement personnalisé qui comprenait la formation des dirigeants sur les tableaux de bord des indicateurs clés de performance, des employés de première ligne sur les outils de travail dans le cadre du flux de travail assisté par l'IA et du personnel technique sur la maintenance et le réglage des modèles. Des boucles de rétroaction continues et un tableau de bord commun permettront de s'assurer que les agents humains et numériques s'efforcent d'accélérer le temps de résolution, d'augmenter la satisfaction et de générer une croissance quantifiable des revenus.

Transformation des capacités humaines

Au fur et à mesure que ces systèmes évoluent, ce qui fait la différence, c'est la capacité humaine. Les gens ne font plus juste leur boulot ; maintenant, ils gèrent, perfectionnent et améliorent la façon dont le travail est fait. Il faut apprendre aux managers et aux spécialistes à déléguer aux agents, à vérifier le résultat, à repérer les exceptions et à diriger les boucles d'apprentissage. De nouvelles compétences, comme la conception rapide, le suivi des résultats et le contrôle de l'escalade, font de plus en plus partie des fonctions de croissance actuelles. Un bon nombre d'organisations cherchent déjà à utiliser l'IA agentique avec 25 à 50 % de leurs employés de façon régulière, ce qui montre bien que la capacité à bosser avec l'IA devient un avantage commercial.

Un an plus tard, à l'ère de l'IA agentielle, la leçon est désormais évidente : le développement ne passera pas par la multiplication des outils, mais plutôt par la manière dont les dirigeants les mettront en place et les utiliseront. L'avantage concurrentiel ne dépendra pas du nombre d'agents qu'une entreprise lance, mais plutôt de leur conception, de leur gestion et de leur efficacité à grande échelle. De nouvelles mentalités sont déjà en train de se mettre en place dans les entreprises qui montrent la voie. Ce n'est que le début de la transformation que l'IA agentique va provoquer. Bientôt, des questions plus importantes vont se poser, comme :

• Quand ton agent commercial négocie avec l'agent d'achat de ton client, comment ton entreprise va se démarquer ?
• Si l'exécution est banalisée, qu'est-ce que tu peux proposer comme marque ?
• Avec un flux de travail qui traverse les silos, comment allez-vous assurer la responsabilité et le contrôle ? On est dans l'ère des tests de leadership agentique. Bientôt, la question principale pour les leaders ne sera plus « qu'est-ce que cet agent peut nous apporter ? », mais « quels résultats est-ce que je veux atteindre avec lui, et comment est-ce que je peux exploiter au mieux l'espace qu'il offre pour permettre aux humains de faire encore mieux ce qu'eux seuls peuvent faire ? ». Plus vite les entreprises intègrent l'IA agentique dans leurs processus de marketing, de vente et de service client, plus vite elles pourront trouver les réponses à ces grandes questions.