La responsable de la réussite client affirme que l’IA ne peut pas fonctionner de manière autonome dans les flux de travail liés à l’expérience client — elle nécessite une surveillance constante

Angela Guedes est responsable de la réussite client chez Enginy, où elle fait actuellement évoluer l'organisation d'un modèle CX à forte interaction vers un modèle segmenté. Elle est également la créatrice de la newsletter À partir de zéro.

Nous nous sommes entretenus avec Angela pour examiner en détail ce qui fonctionne et ce qui ne fonctionne pas avec l'IA dans la CX. Voici ce qu'elle avait à dire.

Diriger la réussite client dans le SaaS B2B

Je m'appelle Angela Guedes. Je construis et dirige des équipes de réussite client depuis 10 ans, toujours dans le SaaS B2B.

Actuellement, je suis responsable de la réussite client chez Enginy, une plateforme GTM intelligente de bout en bout, native de l'IA, destinée aux équipes commerciales B2B. Nous sommes un éditeur SaaS vertical spécialisé dans l'automatisation des ventes, qui sert tous les segments, des PME aux grandes entreprises. Nous sommes au stade de l'amorçage et notre ARR passera cette année de $3M à $10M.

Nous avons actuellement un modèle d'expérience client à forte interaction, que nous faisons évoluer vers un modèle segmenté. Chaque client a accès au support produit par chat intégré à l'application et par e-mail. Nous lui attribuons également un responsable de l'intégration et un responsable de compte. Nous accompagnons nos clients par le biais de réunions, d'appels téléphoniques et d'e-mails. Plus tôt cette année, nous avons lancé des webinaires d'intégration hebdomadaires afin de faire évoluer l'intégration et la formation.

Je supervise la gestion des comptes, l'intégration et le support produit avec une équipe de 12 personnes. Nous prévoyons d'atteindre 20 personnes d'ici la fin de l'année.

Comment deux changements simples peuvent améliorer l'efficacité d'une équipe CX

J'ai effectué deux changements concrets au cours de l'année écoulée :

Le premier concernait les clients. Nous utilisons FIN, l'agent d'IA d'Intercom, pour réduire le nombre de demandes adressées au support. En quatre mois, le taux de résolution a augmenté de 10 points de pourcentage. Cela signifiait que moins de tickets de niveau 1 parvenaient à l'équipe et que les tickets transmis à un humain étaient véritablement complexes. Nous avons ainsi pu réaffecter le temps de l'équipe.

Cependant, le score CX a chuté de 9 points en février. Nous avons rapidement compris pourquoi : FIN fournissait des réponses incorrectes parce que des contenus obsolètes lui étaient transmis. Il répondait avec assurance à des questions auxquelles il n'aurait pas dû répondre, et la logique d'escalade ne parvenait pas à le détecter. Les clients se retrouvaient bloqués.

Nous avons corrigé le problème en réalisant un audit des contenus et un examen complet des règles d'escalade : nous avons déterminé ce que FIN devait traiter, ce qu'il devait immédiatement transmettre et ce qui devait se passer lorsqu'il ne connaissait pas la réponse. Nous avons réécrit la logique d'escalade afin de transmettre plus rapidement les demandes lorsque certains signaux apparaissaient, comme des reformulations répétées, des indicateurs de frustration et certaines catégories de sujets, notamment la facturation et les bogues. En avril, le score CX était revenu à son niveau initial et le dépassait de 5 points.

Angela partage

…L’IA dans le support n’est pas un outil de réduction des demandes que l’on déploie une seule fois. C’est un système doté d’une couche de contenu qui se dégrade, et si vous ne l’entretenez pas, vous faites fonctionner un robot sûr de lui qui érode lentement la confiance des clients, au point que vous ne le remarquez qu’au moment où les chiffres évoluent.

La leçon à retenir est que l'IA dans le support n'est pas un outil de réduction des demandes que l'on déploie une seule fois. C'est un système doté d'une couche de contenu qui se dégrade, et si vous ne l'entretenez pas, vous faites fonctionner un robot sûr de lui qui érode lentement la confiance des clients, au point que vous ne le remarquez qu'au moment où les chiffres évoluent. La baisse de février a montré que les chiffres évoluaient. L'avantage, c'est que le signal est clair. Lorsqu'un problème survient, vous pouvez en retracer l'origine. C'est davantage que ce qu'une équipe humaine peut offrir à grande échelle.

Le deuxième changement était interne. Nous avons amélioré notre processus de préparation des appels en connectant Claude à Granola, Intercom, HubSpot et à notre propre produit. Auparavant, les AM consacraient 20–30 minutes à rassembler le contexte avant chaque appel : notes de la dernière réunion, tickets de support ouverts, étape de la transaction et utilisation du produit.

Désormais, Claude rassemble automatiquement toutes ces informations dans une seule synthèse préalable à l'appel. Les AM arrivent avec un contexte précis plutôt qu'avec des échanges de suivi génériques. Cela nous a permis de réduire le temps de préparation, et les heures ainsi économisées sont consacrées à la prise de contact proactive et aux discussions sur la valeur.

Comment l'analyse de l'attrition fondée sur l'IA améliore la prise de décision

Examinons en détail un processus d'analyse de l'attrition que j'ai créé dans Claude. Le point de départ évident pour analyser l'attrition est le champ « raison de l'attrition » dans le CRM. C'est également là que se trouve la plus grande partie des distorsions. Le responsable de compte renseigne ce champ après avoir perdu le contrat, sous la pression de clôturer le mois. Il reflète la manière dont le responsable de compte a interprété la perte, et pas nécessairement la raison pour laquelle le client est parti.

J'ai commencé par une invite IA manuelle que j'exécutais chaque mois. Le résultat était incohérent ; je passais plus de temps à le corriger que je n'en économisais, alors j'ai créé une compétence automatisée qui extrait directement les données de HubSpot selon des règles claires concernant les propriétés et les activités à rechercher dans le CRM.

Elle extrait toutes les opportunités perdues pour cause de désabonnement et celles à risque sur une période donnée, normalise les libellés du CRM et les regroupe selon plusieurs dimensions, notamment une raison déduite à partir de l'historique complet de l'opportunité : notes, transcriptions d'appels, activités et finalisation de l'intégration. Surtout, elle réattribue la responsabilité du désabonnement selon une logique causale, et non selon ce que l'AM a enregistré.

Par exemple, une opportunité récente avait été enregistrée comme « Aucun ROI », ce que la plupart des gens interprètent comme un échec du CS. Mais les notes de l'opportunité montraient que le processus commercial avait créé des attentes que le produit n'aurait jamais pu satisfaire. Il s'agit d'un problème de qualification commerciale, pas d'un problème de CS. Il aurait fallu que quelqu'un lise chaque note de chaque opportunité ayant abouti à un désabonnement — ce qui n'arrive pas — pour le détecter sans IA.

Le résultat est un document prêt à être présenté au CEO, accompagné d'extraits distincts pour le CS, le produit et les ventes, chacun contenant les cas et les analyses des causes profondes qui le concernent.

Pourquoi le processus allant de l'analyse au résultat doit être éprouvé avant d'ajouter l'IA

Je déploie l'IA là où un humain a déjà démontré l'efficacité du processus allant de l'analyse au résultat. Si ce processus est encore en phase de test, l'IA n'y intervient pas — ce travail de validation ne peut pas être ignoré. Si vous automatisez avant d'avoir confirmé le schéma, vous amplifiez le mauvais comportement.

Voici les tâches actuellement prises en charge par l'IA :

• Analyse : prévision des renouvellements et détection des schémas de désabonnement. Voici l'exemple le plus clair. J'ai cessé de me fier aux raisons de désabonnement indiquées par les AM (qui se regroupent autour de « budget » et de « inadéquation », car elles sont faciles à enregistrer) et j'ai commencé à déduire les véritables raisons à partir des notes, des transcriptions et de l'utilisation du produit. L'IA a révélé qu'une intégration bloquée se cachait derrière la moitié des libellés « budget ». Cela a déplacé notre intervention en amont.
• Résumé : préparation des réunions, suivis et synthèse hebdomadaire des décisions. C'est la seule manière pour qu'un CSM puisse gérer la densité de relations dont nous avons besoin tout en atteignant notre objectif d'efficacité.
• Chat d'assistance : réponses de première ligne fondées sur une documentation préalablement vérifiée par un humain. L'ordre est important.

Nous essayons de garder un humain dans la boucle. Lorsque l'IA suggère une action (alertes de risque, signaux d'expansion, prochaines étapes), un CSM ou moi-même l'examinons et la validons avant qu'elle ne parvienne au client. L'IA détecte les schémas plus rapidement que moi, mais la personne qui gère la relation conserve son jugement.

Comme je l'ai dit, je dois moi-même démontrer l'efficacité du processus allant de l'analyse au résultat avant d'intégrer l'IA ; le coaching des AM et les évaluations de performance sont donc les exemples les plus clairs de tâches qui sont restées entièrement humaines. Je finirai par les déléguer, mais je dois d'abord tester auprès de mes AM si l'association d'actions précises à des signaux précis améliore les résultats du portefeuille. Tant que ce schéma ne se confirme pas lors des entretiens individuels, l'automatiser ne ferait qu'amplifier une supposition.

Pourquoi les responsables CX doivent fournir du contexte à l'IA

Ne déléguez jamais la réflexion et ne négligez jamais le contexte.

Rappelez-vous que la qualité du résultat de l'IA dépend uniquement de la qualité du contexte que vous lui fournissez. Et rien ne peut remplacer la réflexion humaine. Oui, utilisez l'IA pour remettre en question vos hypothèses, repérer les failles de votre raisonnement et comparer vos idées aux normes du secteur. Mais pour obtenir un résultat pertinent, vous devez lui fournir le contexte issu de votre esprit et de vos documents internes.

Si vous lui demandez simplement de construire quelque chose sans cela, le résultat sera au mieux banal et, dans la plupart des cas, sans pertinence.

C'est particulièrement important avec les chatbots — travaillez sur votre couche de contexte client. Un agent qui ne dispose pas de l'ensemble du contexte client ne donne pas seulement une mauvaise réponse ; il en donne une qui est erronée, mais formulée avec assurance. Et rappelez-vous que les chatbots ne peuvent pas fonctionner seuls. Quelqu'un doit être responsable du contenu transmis à l'IA, définir les règles d'escalade et contrôler activement la qualité de ses résultats.

Comment l'IA peut révéler les lacunes de vos données

Mon conseil ? Commencez par vos données, pas par vos outils.

La chose la plus utile que l’IA puisse faire aujourd’hui est de mettre en évidence ce qui ne fonctionne pas dans vos systèmes existants — non pas générer un rapport, mais trouver les lacunes. Ma première analyse de l’attrition avec Claude ne m’a pas indiqué pourquoi les clients partaient : elle m’a montré que les AMs étiquetaient les raisons de l’attrition de manière incohérente, que les données du CRM étaient obsolètes et que des champs essentiels étaient manquants. C’est un problème de données que je n’avais pas entièrement identifié avant que l’IA n’essaie de les exploiter.

C’est le point de départ. Comprenez ce dont vous disposez, corrigez les incohérences et enrichissez les données manquantes. L’IA ne sera jamais meilleure que les données que vous lui fournissez. Les dirigeants qui négligent cette étape automatiseront du bruit et se demanderont pourquoi les informations obtenues ne produisent aucun effet.

Des données propres, ce n’est pas un conseil très glamour, mais c’est le préalable indispensable.

Angela partage

Mon conseil ? Commencez par vos données, pas par vos outils…C’est le point de départ. Comprenez ce dont vous disposez, corrigez les incohérences et enrichissez les données manquantes…Des données propres, ce n’est pas un conseil très glamour, mais c’est le préalable indispensable.

Suivez son parcours

Suivez Angela Guedes sur son profil LinkedIn et sur Substack.

D’autres entretiens avec des experts seront bientôt publiés sur le CX Lead !