Le fondateur et dirigeant de l’expérience client affirme que l’IA destinée aux clients échoue lorsque les entreprises ignorent le parcours qui l’entoure

Jaco van den Heever est un entrepreneur en série qui possède une expérience dans le domaine de l’expérience client numérique. Il est actuellement directeur général de Sand Dollar Design, un cabinet de conseil à distance spécialisé dans la stratégie UX, la conception de produits et le développement de solutions d’IA.

Nous nous sommes entretenus avec Jaco pour comprendre comment il utilise l’IA afin d’augmenter les flux de travail liés à l’expérience client — et comment l’application de l’IA à l’expérience employé peut améliorer l’expérience client.

L’expérience client ne se résume pas à la finition de l’interface

Je suis Jaco van den Heever, fondateur et directeur général de Sand Dollar Design. Depuis plus de 20 ans, je travaille à l’intersection de l’expérience client numérique, de la stratégie produit, de l’UX et de la technologie. Avant de créer Sand Dollar Design, j’ai dirigé des projets produits numériques et omnicanaux pour des applications mobiles, des sites web et des plateformes de services. Cela a façonné ma vision de l’expérience client : elle ne concerne pas seulement la finition de l’interface, mais aussi la capacité du produit, du service et du modèle opérationnel à répondre aux besoins des utilisateurs.

Chez Sand Dollar Design, nous aidons les startups, les PME et les équipes des grandes entreprises à améliorer leurs produits numériques et leurs parcours clients grâce à la stratégie UX, à la recherche UX, à la conception de produits et, de plus en plus, au développement de MVP et de produits assistés par l’IA.

Nos canaux comprennent les sites web, les applications mobiles, les portails clients, les plateformes B2B, les outils internes, les tableaux de bord et les systèmes de flux de travail. Nos clients sont généralement des fondateurs, des responsables produit, des équipes d’innovation, des équipes de transformation numérique et des dirigeants de grandes entreprises qui doivent réduire les frictions, améliorer l’adoption et prendre de meilleures décisions produit avant de s’engager lourdement dans le développement.

Nous travaillons à l’échelle mondiale, avec une expérience en Afrique du Sud, aux États-Unis, au Royaume-Uni et en Europe, et nous avons réalisé des projets dans des secteurs complexes, notamment les services financiers, la santé, les télécommunications, le commerce B2B et les logiciels d’entreprise.

Comment utiliser l’IA pour fluidifier le parcours client

J’intègre l’IA beaucoup plus tôt dans le parcours client, en particulier lors de l’intégration et de la découverte du produit.

GigExecs en est un bon exemple. Il s’agit d’une plateforme que j’ai cofondée pour les professionnels expérimentés à la recherche de missions à temps partiel, temporaires ou basées sur des projets. Nous avons identifié un point de friction : les professionnels expérimentés possèdent souvent une grande expertise, mais la transformer en un profil clair, consultable et convaincant demande des efforts. Les utilisateurs expliquent soit trop longuement leur parcours, soit ne se mettent pas suffisamment en valeur, soit retardent la finalisation du processus d’intégration parce que la page blanche leur semble fastidieuse. Cela nuisait à leur expérience.

Nous avons donc conçu l’expérience autour de la création de profils assistée par l’IA. Plutôt que d’attendre des utilisateurs qu’ils rédigent manuellement tout leur contenu à partir de zéro, le flux assisté par l’IA interprète un CV, un profil LinkedIn ou des informations fournies sous forme de conversation, puis les transforme en un positionnement plus clair, en contenu de profil et en données structurées.

Le changement important n’a pas simplement consisté à « ajouter l’IA ». Il s’agissait de repenser le parcours autour d’un chemin nécessitant moins d’efforts pour atteindre la valeur attendue.

Cela a changé ma façon d’envisager plus largement l’IA dans l’expérience client. Je recherche de plus en plus les moments du parcours où les utilisateurs restent bloqués, se sentent incertains, sont submergés ou doivent traduire leurs besoins dans le langage d’un système. Ce sont souvent les meilleurs endroits où l’IA peut être utile.

Il en résulte une vision plus pragmatique de l’IA dans l’expérience client. Je m’intéresse moins à l’IA comme couche de nouveauté qu’à son utilisation pour réduire les efforts, améliorer la pertinence et aider les utilisateurs à avancer avec davantage de confiance dans un parcours numérique.

Quelles tâches liées à l’expérience client devraient être réalisées par l’IA ?

Je m’appuie désormais sur l’IA pour éclairer ou prendre en charge plusieurs activités liées à l’expérience client :

• Synthétiser les recherches utilisateurs
• Identifier les points de friction récurrents
• Hiérarchiser les problèmes à partir des données du support ou des retours
• Générer une première version du contenu
• Accélérer le prototypage
• Créer des options de parcours plus personnalisées

La synthèse des recherches utilisateurs se démarque particulièrement. Dans un projet de recherche classique, nous recueillons de grandes quantités de données qualitatives : notes d’entretien, transcriptions, réponses aux enquêtes, résultats des tests d’utilisabilité, contributions des parties prenantes et observations des parcours. Auparavant, la synthèse était un processus manuel. Nous effectuons toujours une analyse humaine, mais l’IA nous aide désormais à repérer les tendances beaucoup plus rapidement. Elle nous aide à regrouper les thèmes, à repérer les points de friction récurrents, à comparer les retours entre différents types d’utilisateurs et à identifier les signaux nécessitant une analyse plus approfondie. Nous consacrons ainsi moins de temps à organiser les données et davantage à poser des questions plus complexes : qu’est-ce que cela signifie, que devrait faire le client ensuite et quelles décisions produit doivent être modifiées ?

Quelles tâches liées à l’expérience client doivent être réalisées par des humains

Les activités que je maintiens explicitement humaines sont celles qui impliquent du discernement, de la confiance et de la responsabilité.

Par exemple, la conception des parcours nécessite toujours du discernement humain, car elle implique de trouver un équilibre entre les besoins des clients, les objectifs de l’entreprise, la réalité opérationnelle et les contraintes techniques. La récupération de service devrait également rester dirigée par des humains lorsqu’il y a de la frustration, un risque financier, une sensibilité médicale, un impact sur la réputation ou une dimension émotionnelle. L’IA peut faire remonter le problème et préparer le contexte, mais c’est une personne qui devrait décider de la manière d’y répondre.

Il en va de même pour la stratégie produit et la priorisation. L’IA peut nous aider à repérer plus rapidement les tendances, mais elle ne devrait pas décider de ce qui compte le plus. Cela nécessite toujours de comprendre le client, le modèle économique, la promesse de la marque et les conséquences d’une erreur.

Mon point de vue est donc simple : l’IA doit réduire les efforts, améliorer le contexte et accélérer l’apprentissage. Les humains doivent être responsables des décisions pour lesquelles l’empathie, l’éthique, la confiance et le discernement commercial sont les plus importants.

Jaco States

…mon point de vue est simple : l’IA doit réduire les efforts, améliorer le contexte et accélérer l’apprentissage. Les humains doivent être responsables des décisions pour lesquelles l’empathie, l’éthique, la confiance et le discernement commercial sont les plus importants.

Comment le prototypage par l’IA améliore la qualité des retours des utilisateurs

L’un des grands avantages de l’IA se manifeste dans le prototypage. Auparavant, un processus classique passait des maquettes filaires aux conceptions haute fidélité, puis aux prototypes cliquables et enfin au transfert aux développeurs. Désormais, grâce au développement produit assisté par l’IA, nous pouvons souvent présenter beaucoup plus tôt aux utilisateurs un prototype fonctionnel. Ce prototype peut inclure de véritables interactions, des données réalistes et suffisamment de logique fonctionnelle pour que les utilisateurs y réagissent comme à un produit plus proche de sa version finale.

Cela améliore la qualité des retours. Les gens se comportent différemment lorsqu’ils utilisent quelque chose qui semble réel. Nous pouvons ainsi mieux comprendre le comportement réel du produit avant d’achever son développement complet.

Mais l’inconvénient est que l’IA peut aussi créer une fausse confiance. Les équipes peuvent construire plus vite qu’elles ne réfléchissent. Le code nécessite toujours une vérification. Les décisions produit nécessitent toujours des éléments probants. La synthèse des recherches nécessite toujours du discernement humain. Un prototype soigné peut donner à une idée faible une apparence plus solide qu’elle ne l’est réellement.

Le meilleur résultat n’est donc pas que « l’IA a remplacé l’équipe ». L’IA a plutôt réduit la distance entre l’analyse, le prototype, les tests et l’itération.

Pourquoi les chatbots destinés aux clients passent à côté de leur objectif

Ma plus grande déception concerne les chatbots destinés aux clients dans les grandes entreprises, en particulier dans les services financiers, l’assurance, le secteur bancaire et les technologies financières.

Les capacités actuelles de l’IA dépassent largement ce que vivent de nombreux clients.

En théorie, les clients devraient pouvoir avoir une conversation naturelle avec un assistant numérique. Celui-ci devrait comprendre l’intention, garder le contexte en mémoire, poser des questions de suivi utiles, accéder aux bonnes informations, expliquer clairement les options et transférer la conversation à un humain lorsqu’un problème devient sensible ou complexe.

En pratique, de nombreux chatbots d’entreprise ressemblent encore à d’anciens arbres de décision auxquels on aurait donné un nouveau nom. Le bot enferme les clients dans un ensemble restreint de choix, échoue dès qu’une question devient légèrement inhabituelle et les utilisateurs cherchent souvent à échapper au bot plutôt qu’à obtenir son aide.

Le problème ne vient généralement pas du modèle lui-même, mais de l’expérience qui l’entoure. Les données sont fragmentées. Les intégrations sont incomplètes. Les règles d’escalade sont faibles. Les entreprises n’ont pas conçu le bot en fonction du véritable parcours client. Et dans les secteurs réglementés, les préoccupations liées aux risques et à la conformité conduisent souvent les entreprises à déployer une solution plus sûre, mais bien moins utile.

Cela crée un étrange décalage. Les clients entendent beaucoup parler d’IA, mais interagissent ensuite avec des systèmes qui ne semblent pas du tout intelligents.

Outils que chaque équipe CX devrait envisager d’utiliser

Les équipes CX peuvent tirer parti des outils suivants :

• ChatGPT et Codex pour l’analyse et la planification
• Claude Cowork pour l’assistance dans les tâches complexes et la création de référentiels de connaissances
• Cursor pour le développement de produits et l’automatisation par l’IA
• Qualtrics pour recueillir les commentaires des clients

Pourquoi les responsables CX doivent d’abord investir dans le contexte

La qualité des résultats de l’IA dépend autant du contexte que vous lui fournissez que du modèle lui-même.

Au départ, il est facile de penser que la compétence consiste simplement à « rédiger une bonne invite ». Cela compte, mais ce n’est qu’une partie du processus. J’ai appris que l’IA est bien plus performante lorsqu’on lui fournit un contexte structuré : l’objectif, le problème du client, les règles métier, le ton, les contraintes, les exemples, les sources de données et ce à quoi devrait ressembler une bonne réponse.

Cela a changé la manière dont je configure désormais le travail avec l’IA. J’utilise des invites plus structurées, des fichiers markdown, des dossiers de projet et des documents de contexte réutilisables afin que l’IA ne reparte pas de zéro à chaque fois. Cela rend le travail plus cohérent et les résultats bien plus utiles.

Mon conseil est de considérer votre premier projet pilote d’IA moins comme une expérience ponctuelle que comme le début d’un nouveau système d’exploitation pour la manière dont votre équipe travaille. Plus vous structurez le contexte efficacement, plus l’IA devient un véritable partenaire du flux de travail.

Pourquoi l’EX augmentée par l’IA profite à la CX

Davantage de responsables devraient repenser l’expérience collaborateur, en particulier les systèmes et flux de travail internes sur lesquels le personnel s’appuie pour servir les clients.

De nombreux problèmes de CX ne commencent pas au point de contact avec le client. Ils commencent en coulisses, là où les employés tentent de fournir une bonne expérience tout en gérant des systèmes fragmentés, des processus manuels, des données manquantes et des flux de travail mal conçus.

L’IA crée une occasion de résoudre cela.

Si l’IA peut aider les employés à rassembler des informations provenant de différents systèmes, à comprendre plus rapidement le contexte client, à résumer l’historique, à recommander les prochaines étapes et à réduire les tâches administratives, l’expérience client s’améliore presque immédiatement.

C’est pourquoi je pense que l’EX est l’un des territoires les plus importants pour une CX augmentée par l’IA.

Pourquoi l’objectif ne devrait jamais être simplement d’ajouter l’IA aux flux de travail CX

Mon conseil aux responsables CX est d’adopter l’IA — mais de ne pas abandonner les fondamentaux d’une bonne expérience client.

L’IA constitue une nouvelle couche technologique puissante. Elle peut aider les équipes à avancer plus rapidement, à analyser davantage de données, à personnaliser les parcours, à créer des prototypes plus tôt et à accompagner les clients de façons auparavant irréalisables. Mais le processus fondamental de résolution des problèmes selon une approche centrée sur l’utilisateur reste inchangé.

Vous devez toujours comprendre le client. Vous devez toujours définir le bon problème. Vous devez toujours aligner les objectifs métier, la technologie et les besoins humains. Vous devez toujours tester vos hypothèses avant de déployer une solution à grande échelle.

Le danger est que les équipes utilisent l'IA pour construire plus rapidement sans commencer par se demander si elles construisent la bonne chose. Cela peut créer davantage de bruit, d'automatisation et de complexité pour les clients.

L'objectif ne devrait pas être d'ajouter de l'IA partout, mais de rendre le parcours plus simple, plus clair et plus utile pour le client. Cela nécessite de la conception, de la recherche, des données et du jugement humain, pas seulement de la technologie.

Suivez-nous

Vous pouvez suivre le travail de Jaco van den Heever sur LinkedIn, X et sur son site personnel. Vous pouvez également découvrir Sand Dollar Design sur son site web et sur LinkedIn :

• Études de cas
• Services de développement de l'IA
• Conseil en stratégie UX

D'autres entretiens avec des experts sont à venir sur The CX Lead !