Un guide pratique pour les parcours client et l’IA agentique

L’année s’est construite sur un grand élan. J’ai passé la semaine dernière à Amsterdam à l’occasion de la première édition de l’Institute 4 Journey Management, où j’ai discuté avec d’autres experts de l’espace Journey. Ce fut l’occasion de voir ce qui occupe les principales entreprises et les succès qu’elles obtiennent. Les principaux analystes du secteur ont déclaré qu’ils n’avaient jamais vu autant d’intérêt pour la gestion du parcours client. Cependant, de nombreuses entreprises se demandent encore comment adopter la gestion du parcours client.

Ce qui a également été un point de discussion important dans l’espace des médias sociaux d’affaires (et plus précisément LinkedIn) est une discussion approfondie sur l’IA agentique et, plus récemment, sur le protocole MCP

Je vais commencer rapidement à positionner les agents d’IA. Il s’agira plutôt d’une explication profane et, par conséquent, mon explication technique pourrait ne pas être à la hauteur.

Un agent d’IA est une combinaison d’un modèle LLM (par exemple ChatGPT), couplé à un ensemble d’instructions et à un ensemble d’outils qui peuvent faire quelque chose. Par exemple, vous pouvez avoir un agent qui peut :

• Recherchez sur le Web des offres d’assurance automobile
• Un autre qui peut compiler toutes les informations recherchées en options comparables
• Un autre qui dispose d’un ensemble d’outils qui peuvent potentiellement remplir les formulaires de devis et récupérer les prix indiqués
• Un autre peut fournir des conseils sur les avantages et les inconvénients des différentes options d’assurance automobile

Chacun de ces agents (composé d’un LLM, d’un ensemble d’instructions, d’outils pour interagir avec l’environnement (par exemple citations) peut ensuite être contrôlé par un autre agent pour accomplir un travail.

L’un des développements récents dans ce domaine est une norme appelée « Model Context Protocol ». Ce qui est vraiment important avec le protocole MCP, c’est qu’il est développé et publié par le fournisseur de services (par exemple une compagnie d’assurance qui fournit des devis) afin que l’agent puisse interagir avec les services externes de manière standard. Considérez-le comme un Appstore pour les outils que les agents peuvent utiliser.

Voici d’autres exemples d’outils MCP :

• La possibilité d’afficher les disponibilités d’un hôtel
• La capacité de préciser comment une réclamation doit être soumise et de recueillir ces informations.
• La possibilité d’afficher les meilleurs contrats de téléphonie mobile entre certaines gammes de prix

Le MCP permet aux agents d’IA d’accéder à de vrais services afin qu’ils puissent accomplir leurs tâches. MCP est soutenu par de nombreux secteurs de la communauté de l’IA et les grands acteurs tels qu’OpenAI et Anthropic.

Lors du développement d’une solution d’IA (composé de plusieurs agents comme ci-dessus), il est possible de coder à la main ces agents, mais il existe d’excellents frameworks tels que Langchain et Semantic Kernal qui accélèrent le développement d’agents, puis il y a des outils visuels qui utilisent les frameworks d’IA pour permettre à des personnes non techniques de développer des solutions d’agents. Le développement dans cet espace se fait à la vitesse de l’éclair !

Étant donné que nous nous concentrons sur les parcours, le principal point d’intérêt est de savoir comment intégrer une solution d’agent dans un cadre de parcours et ce qu’un cadre de parcours offre pour améliorer les capacités des agents. J’aimerais maintenant passer à cela.

Lorsque nous proposons une solution d’orchestration et d’analyse des parcours, tous les parcours ont :

• Un début
• Un objectif
• Suivi des progrès vers l’atteinte de l’objectif
• En cas de panne, les dépôts
• La capacité de recueillir des informations sur le client tout au long du parcours

Une merveilleuse opportunité se présente lorsque le monde des agents et des voyages se réunit pour ces raisons :

• Les agents travaillent mieux lorsqu’il y a un objectif. Ils sont relativement intelligents, mais étant donné que l’IA générale n’a pas été réalisée (et ne le sera probablement pas avant un certain temps), avoir un objectif clair permet d’optimiser l’utilisation des agents
• Les agents peuvent être considérablement améliorés lorsqu’ils disposent d’un meilleur contexte. Dans l’exemple ci-dessus, plus l’agent connaît les besoins du client qui achète une assurance, mieux il faut faire la différence entre l’offre et les besoins du client
• L’extraction de données à partir des systèmes d’entreprise peut être difficile, mais les solutions d’analyse et d’orchestration des trajets sont optimisées pour cela, et elles disposent de capacités d’extraction et de cartographie de données bien développées pour permettre la visualisation et l’analyse des trajets
• Les solutions d’agent sont généralement dépourvues d’un cadre d’efficacité et de mesure, et c’est exactement ce que les parcours client fournissent.

L’image ci-dessous donne un aperçu de la façon dont cela se fait :

Les parcours clients apportent une perspective unique aux agents dans la mesure où la notion de temps est introduite. L’agent n’attend plus seulement le client, il guide et nourrit le client tout au long du parcours, car il existe un cadre d’évaluation des progrès. Il peut ainsi donner un coup de pouce au client lorsqu’il est bloqué, en s’assurant que l’agent répond à ses besoins tout en maintenant l’élan du parcours (avec de nombreux parcours clients s’étendant sur plusieurs jours)

L’avenir des parcours et des expériences client sera imprégné d’agents IA. Toute la technologie pour faire ce qui précède est en place et nous allons assister à une vague de fond massive au cours des prochains mois. J’espère que le bulletin ci-dessus donne un peu plus d’aperçu du « comment » où beaucoup de mes lectures sont beaucoup plus larges et absentes des détails.

J’attends avec impatience les commentaires et le débat sur le sujet.

Passez une semaine brillante à venir et, comme toujours, profitez du voyage

Trent