Problématiques client
ENEDIS devait gérer un volume massif et hétérogène d’interactions :
plus de 13 millions d’appels par an, 52 000 sollicitations Twitter, 123 000 via Facebook Messenger et des centaines de milliers d’emails.
Une première expérimentation de catégorisation automatique sur les réseaux sociaux avait démontré la valeur de l’IA pour filtrer et router les messages. Toutefois, cette approche restait limitée à un canal, sans vision transverse ni mutualisation des briques technologiques et des connaissances métier.
Le défi consistait donc à passer d’expérimentations locales à une stratégie globale d’IA omnicanale, capable :
-
d’unifier les flux entrants (clients particuliers, producteurs, petits professionnels, fournisseurs),
-
de mutualiser les modèles et bases de connaissance,
-
de simplifier l’expérience des conseillers multi-métiers,
-
tout en garantissant sécurité, maintenabilité et maîtrise des coûts.
L’enjeu était clair : industrialiser une IA relationnelle unifiée, évolutive à 3 ans, sans attendre les grands chantiers SI structurants
Objectifs
Définir une vision IA unifiée pour la relation client
Concevoir une architecture cible mutualisée, scalable et sécurisée, intégrée au SI, permettant la portabilité et l’évolutivité des services IA.
Optimiser le traitement omnicanal des flux entrants
Automatiser la catégorisation, le routage et l’aide à la réponse sur les réseaux sociaux, les emails clients et fournisseurs, et faciliter la recherche documentaire pour les conseillers.
Améliorer l’expérience conseillers et clients
Mettre à disposition des assistants virtuels et des outils d’aide à la décision, avec des interfaces adaptées aux différents personae.
Assurer ROI, maintenabilité et souveraineté des données
Garantir la maîtrise des coûts (setup & run), la sécurité, la localisation des données et l’appropriation par les équipes.
Les contraintes du projet
Notre approche pour ENEDIS
01
Définition d’une vision IA unifiée
Nous avons cadré une architecture cible à 3 ans en répondant aux questions clés de mutualisation :
-
Mutualisation des modèles IA (classification, NER, assistants)
-
Mutualisation des flux clients et fournisseurs
-
Mutualisation des bases de connaissances (clients / conseillers)
-
Mutualisation des briques applicatives (moteur de règles, logs, APIs)
Le périmètre couvert :
-
Flux entrants clients (particuliers, producteurs, petits professionnels)
-
Usages conseillers multi-métiers
-
Flux entrants fournisseurs
02
Conception centrée utilisateur
Une équipe pluridisciplinaire (chef de projet, designer, data scientists) a travaillé en immersion terrain (« vis ma vie ») auprès des agents.
Cette démarche a permis :
-
La définition d’une cartographie claire des motifs métier
-
L’alignement des labels de classification
-
L’adaptation des workflows aux réalités opérationnelles
-
L’accélération du processus de labellisation
03
Architecture flexible et mutualisation IA
Nous avons conçu une architecture modulaire et scalable permettant :
-
L’appel centralisé aux API de modèles IA communs
-
La réutilisation du modèle initial réseaux sociaux pour les emails et assistants
-
L’intégration d’un moteur de règles métier central
-
L’industrialisation via des templates NLP et MLOps avancés
Le moteur de règles joue un rôle clé :
-
Analyse contextuelle du message (heure, réponse/conversation, statut conseiller, code postal, influence Twitter…)
-
Enrichissement IA (motifs, tonalité)
-
Déclenchement automatique des actions métier (routage, tagging, réponse suggérée)
04
Industrialisation et accélérateurs
Le projet s’appuie sur nos solutions packagées :
-
Otto – relation usager omnicanale
-
GEDI – accès intelligent à l’information
Ainsi que sur nos accélérateurs techniques :
-
Package Python d’entraînement NLP (classification & NER) intégrant les bonnes pratiques MLOps
-
Modèles pré-entraînés propriétaires
-
Template projet NLP (CI/CD, Docker, logs, tracking…)
-
Template de services de prédiction
-
Annotto (outil de labellisation avec active learning et recherche par similarité)
Les modèles sont continuellement réentraînés afin d’améliorer la pertinence et d’accompagner l’évolution des usages.
Nos résultats
Impact global
ENEDIS est passé d’expérimentations isolées à une plateforme IA relationnelle unifiée, industrialisée et évolutive.
L’IA est désormais intégrée au cœur de la stratégie relation client, combinant :
-
performance opérationnelle,
-
expérience utilisateur améliorée,
-
mutualisation technologique,
-
et maîtrise des coûts et de la gouvernance des données.
