Dès qu'il est question d'IA dans l’écoute client et les études de marché, le débat se polarise vite. D'un côté, la promesse d'insights quasi instantanés et peu coûteux, sans compter cette injonction à plus de performance et de productivité avec l’IA. De l'autre, une méconnaissance du fonctionnement des différentes approches autour de l’IA, un aspect un peu ‘boîte noire’ de certaines offres et, au final, la crainte de décisions prises un peu rapidement sur la base de « faux » consommateurs ou d’insights récoltés uniquement en surface. Les deux positions passent à côté de l'essentiel.

‍

L'enjeu n'est pas de choisir entre l'IA et le terrain, mais de savoir à quel moment du processus de connaissance client chaque approche apporte le plus de pertinence. Par exemple, là où l'on se contentait hier d'un brainstorming, voire d'un « gut feeling » - et combien d’entre vous ont connu ce type de décisions tactiques prises à la volée entre deux bureaux faute d’insights disponibles ! - l'IA permet désormais, non seulement de synthétiser l’information existante, mais également de simuler, d'itérer et de trier les hypothèses avant d'aller plus loin dans le développement d’une offre ou d’un concept.

‍

L’IA n’est ainsi pas seulement un outil ponctuel, mais plutôt une méthode à intégrer dans les process de recueil et de connaissance client des organisations.

‍

‍

Les bénéfices de l’IA en CX et Market Research

‍

Il convient en préambule d’identifier et de structurer les forces associées à l’IA générative. Elle apporte trois bénéfices concrets, déjà visibles dans les équipes.

‍

La Synthèse : condenser pour décider. L'IA peut synthétiser en quelques minutes des milliers de verbatims, d'avis ou de tickets SAV. Elle code les questions ouvertes, repère les thèmes émergents et permet enfin d'exploiter la masse de données CX qui dormait faute de bras. C’est souvent son premier usage - ou le premier POC développé au sein des organisations. Des volumes d'études et de données peuvent être croisés plus facilement et deviennent des insights clairs et priorisés : monographies, synthèses d'enquête, recommandations.

‍

Le Search : indexer, retrouver et croiser. L’IA permet aujourd’hui d’interroger en langage naturel l'ensemble des connaissances disponibles (études internes, segmentations, open data) pour retrouver une information dispersée et la croiser. Cela donne une nouvelle vie aux repositories et aux interfaces de knowledge management (fini les fastidieux tags de documents à la main), renforce la consumer centricity et permet un meilleur partage de la connaissance client en interne.

La Conversation : dialoguer avec ses clients. Les capacités conversationnelles de l’IA peuvent d’ores et déjà permettre d’enrichir les dispositifs de connaissance clients existants, on pense par exemple aux agents vocaux IA qui permettent de faciliter l’administration des questionnaires ou encore des relances automatisées et contextualisées dans les traditionnelles questions ouvertes. Mais ce bénéfice conversationnel permet aussi et surtout de créer de nouvelles façons d’interagir avec nos données de connaissance clients : persona conversationnels et panels synthétiques s'interrogent comme on parlerait à de vrais consommateurs, pour recueillir des insights et tester claims, visuels et concepts à tout moment. Les rapports et les données deviennent des conversations plutôt qu'un moment ponctuel de restitution et replacent de manière permanente et accessible le client final au cœur des organisations.

‍

‍

‍

Les limites à prendre en compte dans le recours à l’IA

‍

Ces bénéfices appellent toutefois une vraie méthode, car l'IA générative n'a pas été pensée, ni pour les entreprises, ni pour la connaissance client.

‍

L'IA générative a été conçue pour le grand public, pour répondre à tout et à tous, elle méconnait les données, règles et process des entreprises et focalise ses réponses sur ce qui est disponible en surface sur Internet, avec une tendance à probabiliser, à ‘moyenniser’ et à livrer des enseignements génériques. Pour qu'elle parle de vos clients de manière crédible, il faut l'ancrer dans les données et les insights de l'organisation : parcours CX et études internes, segmentations, verbatims, open data sélectionnée et fiabilisée.

‍

L'IA générative a aussi été conçue pour susciter de l’empathie et aller dans le sens de son utilisateur. C'est le fameux biais d'adhésion : le modèle tend à finir par valider ce qu'on lui soumet, ce qui est rédhibitoire pour tester des idées ou co-créer un concept. D'où l'importance de « tordre » cette tendance naturelle de l’IA, via des prompts qui permettent de contrer ces biais : il peut s’agir d’ajouter des mécaniques décisionnelles ou des valeurs à un persona synthétique, d’intégrer des garde-fous contre la surexposition à l’actualité des LLMs via des pondérations de panels synthétiques ou encore d’injecter des contradictions pour représenter la complexité des écarts entre opinions et comportements. Le persona synthétique est créé pour évaluer, pas pour valider.

‍

Ainsi, l'usage de l’IA générative pour la connaissance client ne dispense pas de méthodes et de principes. Il s’agit notamment de contextualiser l’IA et de formuler des prompts adaptés, afin de garantir des résultats qui tiennent compte à la fois de l’environnement de l’entreprise dans laquelle elle est utilisée et de la réalité des consommateurs qu’elle représente. Deux usages cristallisent aujourd'hui ces enjeux : les persona IA et les panels synthétiques.

‍

Les persona IA : redonner la parole à vos segments

Les persona existent depuis longtemps dans les équipes research, marketing et CX. Leur limite est connue : une fois la présentation effectuée, les posters affichés sur les murs, leur présence à l’esprit et leur usage demeurent restreints. Les segmentations clients retombent ainsi souvent dans l’oubli ou sont cantonnées à une utilisation en surface. Jusqu’à leur prochaine édition.

‍

Le persona IA, lui, redonne la parole au client et en fait un interlocuteur permanent des décisionnaires. Il est construit à partir de données réelles (parcours, études, CRM, verbatims, comportements). Et ainsi, plus l’organisation dispose de data et d’études, plus ces persona IA sont pertinents et crédibles. Il faut également intégrer des prompts pour éviter les fameuses hallucinations et faire reposer ces outils de restitution interactifs sur la documentation client utilisée pour les créer. Le persona devient alors un véritable dashboard ou rapport interactif, rendant accessible la connaissance et la perception client en interne et permettant une meilleure immersion dans le quotidien des consommateurs et des tests d’hypothèses, parfois en temps réel lors d’une réunion ou d’un COMEX.

‍

Les usages sont très concrets et en plein développement, depuis l’ajout des persona dans les sprints innovation ou les workshops, à des parcours d’onboarding collaborateurs, en passant par des trainings, notamment dans l’univers du BtoB, où les commerciaux peuvent tester leurs argumentaires virtuellement, avant leurs rendez-vous prospects. Sous réserve de données disponibles dans les organisations et en open-source, on peut modéliser des segments de consommateurs particuliers, mais aussi des profils professionnels (électriciens, voir ci-dessous, avocats, clients grands comptes…) ou encore des cibles rares - que l’on rend ainsi accessibles en permanence - comme des pathologies spécifiques. En termes de cas concrets, on peut faire « traverser » un parcours client ou de réclamation à plusieurs profils pour anticiper les frictions, on peut confronter une promesse au senior méfiant envers le digital comme au jeune actif pressé. Et surtout, on permet aux équipes marketing, produit, IT ou service client, ou à des collaborateurs peu exposés aux rapports d’étude, de dialoguer avec « leurs » clients.

Le persona éclaire ainsi en profondeur les profils distincts d’une segmentation. Pour raisonner sur une population entière, avec des ordres de grandeur, il faut changer d'échelle.

‍

Panels synthétiques : une salle d’études virtuelle

‍

Les panels synthétiques permettent d’aller encore plus loin et de répliquer, cette fois-ci, les usages et attitudes de populations entières. Il ne s'agit pas d’imiter les études menées auprès des "vrais" consommateurs. Mais d’utiliser, encore une fois, avec pertinence cette approche synthétique, tout en rappelant aussi les biais inhérents au déclaratif auprès des "vrais répondants" (temps d’attention limité, désirabilité sociale, intentions jamais suivies d'effet, rationalisation a posteriori). En bref, combiner le meilleur de ces deux mondes pour les activer en fonction du contexte et des besoins. On peut distinguer deux types d’approches d’études quantitatives via IA.

‍

Les panels synthétiques : paramétrer pour explorer. Il s’agit ici de reproduire une population donnée (souvent un échantillon national représentatif afin de disposer d’une base suffisante) via des données publiques de cadrage (INSEE, ARCEP, ADEME…), une couche psychographique (les fameux éléments de valeurs et de décision pour contrer le biais d’adhésion) et une couche narrative (ajouter des moments de vie pertinents en fonction de l’usage que l’on veut faire du panel).

‍

Les jumeaux numériques : répliquer pour simuler. Ici, on est sur la reproduction d’une base existante (CRM, membres d’un programme de fidélité, …) afin de créer les doubles numériques des contacts et de pouvoir les interroger à volonté, le plus souvent sur des sujets tactiques, afin de ne pas sursolliciter les répondants et de les réserver à des études de fond, prioritaires ou stratégiques.

Prenons un cas d’usage pour illustrer les bénéfices de l’approche des panels synthétiques, vous êtes responsable des agences au sein d’une grande banque et travaillez sur leur avenir : malmenées par la désaffection des centres-villes et la digitalisation des parcours, elles doivent se réinventer. Pour alimenter un brainstorming, vous pouvez commencer par lancer une enquête synthétique sur les fréquences et raisons de fréquentation des agences, ainsi que le test de quelques pistes de services.

‍

Les répondants admettent que la quasi-totalité des opérations bancaires peut se faire en ligne. Le contact humain (33 %) et le conseil personnalisé (32 %) demeurent les principales raisons de se rendre en agence, avec la résolution de problèmes et de réclamations (23 %), même si ce n'est sans doute pas le rendez-vous préféré des conseillers ! L'intérêt pour de nouveaux services reste élevé, notamment l'accès à des experts et l'aide aux démarches administratives. Les panels synthétiques permettent non seulement de disposer des résultats chiffrés, mais aussi de conclusions et de recommandations. Dans ce cas, trois pistes se dégagent : une indispensable « hybridation digital/humain » (l'attente de conseil personnalisé traverse toutes les générations), « l'agence comme ancrage de résolution » (face à l'échec des interfaces, le client cherche une compétence humaine pour « débloquer » une situation à forte valeur perçue) et enfin la banque « guichet unique » (attente de simplification notamment auprès des plus jeunes).

‍

L'outil suggère même des concepts : du hub administratif simplifié, qui fait de l'agence un facilitateur, jusqu’au moins intuitif bureau éphémère et connecté, orienté productivité.