Marine Boudot
GM Wonderful France
L'IA ne transforme pas la relation client parce qu'elle converse mieux, mais parce qu'elle résout les tâches de bout en bout. De l'énergie aux télécoms, les premiers déploiements dessinent les contours d'une entreprise IA-native.
De l'automatisation des canaux a la résolution de bout en bout
Pendant des années, transformer la relation client a consisté à empiler les canaux : un serveur vocal, un chatbot, une application, puis l'IA générative. L'interface changeait ; le travail, lui, restait souvent le même. Le client répétait son contexte après chaque transfert et patientait pendant qu'un conseiller naviguait d'un système à l'autre. La dernière génération d'agents d'IA change le modèle opératoire. Elle sait consulter les données, appliquer les règles métier et exécuter des actions dans les systèmes de production : expliquer une facture, enregistrer un justificatif de paiement, diagnostiquer une panne, négocier un engagement de règlement ou planifier l'intervention d'un technicien. Pour les directions générales, la question n'est plus de savoir si l'IA peut tenir une conversation, mais si elle peut résoudre une tâche de bout en bout.
La distinction est essentielle. Une IA qui répond plus vite sans pouvoir mener le processus à son terme ne fait que déplacer les coûts. Un agent doté d'un accès contrôlé aux systèmes réduit les temps de traitement, étend la disponibilité et libère les équipes humaines pour ce qui exige jugement, négociation ou empathie.
« La question n'est plus de savoir si l'IA peut tenir une conversation, mais si elle peut résoudre une tâche de bout en bout. »
Ce que les déploiements les plus aboutis enseignent
Premier enseignement : donner à l'agent les accès nécessaires pour finir la tâche. Chez PPC Energie, fournisseur d'énergie roumain, le serveur vocal orientait les appels sans les résoudre. Un agent vocal connecté à la facturation, aux contrats et à la téléphonie, déployé en quatre semaines, explique désormais les factures et enregistre les justificatifs en temps réel. La durée moyenne de traitement est passée de six minutes à 90 secondes, avec 77 % de prise en charge, 91 % de retours positifs et une attente nulle.
Deuxième enseignement : viser la production réelle, pas la démonstration. Elior, leader français de la restauration collective — 140 000 collaborateurs, 1,1 million de repas servis chaque jour —, externalisait son support informatique, facturé au ticket. Avec Wonderful, l'agent vocal Noa, connecté à l'annuaire, à la base de connaissances et au ticketing du groupe, est passé de l'atelier de cadrage à la production sur trafic réel en cinq semaines, sans preuve de concept. C'est le terrain qui a révélé les vrais défis — reconnaissance vocale dans le bruit des cuisines, vocabulaire métier — qu'un pilote en chambre n'aurait jamais fait émerger. L'agent prend en charge plus de 70 % des sollicitations, avec 85 % d'avis positifs.
Troisième enseignement : ne pas cantonner l'agent à un seul type de demande. Chez OTE, filiale grecque de Deutsche Telekom, un même agent traite la majorité des demandes des abonnés de Cosmote TV (authentification, dépannage, etc.), huit semaines après le lancement. La part des demandes résolues sans conseiller a triplé pour atteindre 50 %, et la durée moyenne de traitement a reculé de 30 %, sans dégrader l'image de marque.
Ces résultats, que nous observons chez nos clients, bousculent un arbitrage classique : quand l'IA supprime la répétition, l'attente et les transferts inutiles, la réduction des coûts devient la conséquence d'une meilleure expérience, et non plus son unique objectif. L'impact est aussi organisationnel. Dans les centres de contact, le conseiller devient superviseur d'agents : il traite les exceptions, contrôle la qualité des réponses et se concentre sur les situations à forte valeur. Les organisations les plus avancées revoient leur pilotage — des indicateurs de résolution plutôt que de volume —, forment leurs équipes à concevoir et améliorer les agents, et rapprochent opérations, IT et data autour d'une même gouvernance.
De la Relation Client à l'entreprise IA-native
« L'entreprise collectionne les pilotes au lieu de se doter d'une capacité partagée d'industrialisation de l'IA. »
La relation client est souvent la meilleure porte d'entrée : les volumes y sont élevés, les irritants visibles, les indicateurs déjà en place. Mais elle révèle une vérité plus large : rares sont les demandes significatives qui tiennent dans un seul service. Un litige de facturation peut mobiliser les opérations clients, les équipes produit et la finance. Utiliser un outil distinct par canal ou par fonction recrée les silos que l'IA devait précisément abolir. Chaque outil refait ses propres intégrations, les données restent fragmentées, la gouvernance varie d'un agent à l'autre. L'entreprise collectionne les pilotes au lieu de se doter d'une capacité partagée d'industrialisation de l'IA.
La réponse passe par une couche opératoire commune — un « AI OS » de l'entreprise : agents, flux de travail, applications et gouvernance coordonnés sur un même socle. C'est, par exemple, l'approche retenue chez Wonderful. Voix, messagerie, interfaces collaborateurs et back-office cessent d'être des projets séparés.
Petrol Ofisi, premier distributeur de carburants turc, illustre cette extension au-delà des clients finaux. Zeynep, un agent vocal de support IT, y a été déployé en trois semaines au service des collaborateurs et des stations. Connecté à l'outil ITSM du groupe, il diagnostique les incidents, les résout lorsque c'est possible et crée des tickets structurés pour les spécialistes. La durée moyenne de traitement a chuté de quatre minutes à moins d'une minute, avec 89 % de satisfaction. L'enjeu stratégique n'est pas d'automatiser chaque processus, mais de doter l'entreprise d'une couche gouvernée unique où les agents se construisent, se testent, se déploient, s'observent et s'améliorent. La relation client en offre la preuve la plus visible, mais le même AI OS peut moderniser les parcours collaborateurs, les services internes et le back-office sans que chaque équipe reparte de zéro.
L'exécution comme avantage concurrentiel
Construire un agent de démonstration est devenu relativement facile. En exploiter un, en toute sécurité, dans une grande entreprise ne l'est pas. Les données sont dispersées, les politiques évoluent, les systèmes historiques n'ont pas été conçus pour l'IA et les exceptions sont partout. C'est dans ce dernier kilomètre — après le prototype, avant la production fiable — que s'enlisent la plupart des projets. C'est pourquoi plateforme et déploiement doivent avancer ensemble. Chez Wonderful, des équipes locales de Deployment Strategists et de Forward Deployed Engineers, détachées chez le client, cartographient les processus, déterminent les actions à déléguer à l'agent, définissent les circuits d'escalade et mesurent la performance en production. Elles tirent ensuite les enseignements des interactions réelles, enrichissent l'agent et transmettent le savoir-faire, pour que les équipes internes gagnent progressivement en autonomie. Le prochain chapitre de l'IA en entreprise fera moins de bruit qu'un lancement de chatbot : il se jouera dans les résultats. Des problèmes résolus plus vite, sans répétition — et une infrastructure bâtie pour la relation client qui transforme aussi les opérations et le back-office.
L'avantage concurrentiel n'ira pas à ceux qui accèdent à un modèle de plus, mais aux organisations qui appliquent l'IA à leurs opérations réelles et la gouvernent en production. La relation client en apporte aujourd'hui la preuve la plus visible. Ce n'est que le commencement.
Partenaire des Palmes 2026
