Un responsable de l’expérience client dans la tech affirme que les dirigeants de l’expérience client se focalisent trop sur les résultats de l’IA tandis que l’expérience client s’atrophie

Oremeyi Akah est directrice de la clientèle chez Interswitch, une entreprise panafricaine d’infrastructure de paiement qui sert à la fois les segments B2B et B2C.

Nous nous sommes entretenus avec Oremeyi pour découvrir les résultats impressionnants qu’elle obtient grâce à l’intégration de l’IA au sein de son organisation CX. Au fil de la conversation, elle nous a expliqué où les organisations CX commettent des erreurs dans leurs intégrations de l’IA.

D’une fonction de service à une fonction stratégique

Je suis Oremeyi Akah, directrice de la clientèle chez Interswitch Group — une entreprise panafricaine d’infrastructure de paiement présente sur 23 marchés africains, qui connecte les particuliers, les entreprises et les gouvernements aux services financiers numériques.

L’organisation dédiée aux clients que je dirige couvre l’ensemble des relations commerciales d’Interswitch — des grandes institutions financières et entreprises fintech, prises en charge par notre fonction de gestion des comptes clés, aux commerçants, émetteurs de factures et consommateurs finaux qui interagissent avec nous par l’intermédiaire de canaux numériques, de centres de contact et de points de contact physiques. Nous servons à la fois les segments B2B et B2C.

Notre mission CX va des relations stratégiques avec des comptes clés, nécessitant un accompagnement personnalisé, avec des banques comme Stanbic IBTC et Providus, jusqu’à l’expérience de millions de Nigérians qui effectuent quotidiennement des transactions avec les cartes Verve, Quickteller et notre infrastructure de commutation.

Mon équipe gère des relations à l’intersection du chiffre d’affaires, de la confiance et de l’inclusion financière nationale — faisant de l’expérience client non seulement une fonction de service, mais aussi une fonction stratégique.

Comment l’IA élargit radicalement les possibilités des équipes CX

Il y a un an, avec une équipe de 15 personnes, nous n’examinions manuellement que 10 % des contacts clients sur nos canaux B2B et B2C. Cela signifiait que nous ne pouvions pas voir 90 % des expériences de nos clients — chaque réclamation, chaque point de friction, chaque signal de risque réglementaire. Nous prenions des décisions en matière d’expérience client sur la base d’une vision très incomplète.

Nous avons ensuite mis en place un système d’assurance qualité alimenté par l’IA, ce qui a complètement changé la situation. Nous analysons désormais 100 % des contacts clients. Nous examinons chaque interaction, la précatégorisons selon sa gravité et signalons les risques réglementaires, les schémas d’échec récurrents ou les domaines nécessitant une attention critique.

Trois choses ont changé en conséquence.

1. Notre couverture est passée de 10 % à 100 % — sans augmenter les effectifs. Cela représente un bond de 10 fois en matière de visibilité, avec les mêmes ressources.
2. Nous sommes passés d’une approche réactive à une approche proactive. Auparavant, nous ne découvrions les problèmes que lorsque les clients les faisaient remonter. Désormais, nous les détectons avant qu’ils ne soient signalés — et, dans le domaine des infrastructures de paiement, cette distinction est extrêmement importante, tant pour la confiance des clients que pour la conformité réglementaire.
3. La nature du travail de notre équipe de 15 personnes a changé. L’équipe est passée de l’échantillonnage des contacts à l’exploitation des informations. Elle se concentre désormais sur les situations où le jugement humain est le plus important : les interactions présentant le niveau de gravité et de risque le plus élevé, identifiées par le système.

Voilà à quoi ressemble la CX optimisée par l’IA en pratique : il ne s’agit pas de remplacer les personnes, mais d’élargir radicalement ce que ces mêmes personnes peuvent voir et accomplir.

Un flux de travail réel fondé sur l’IA pour gérer les interactions clients

Voici comment le flux de travail se déroule.

Notre plateforme d’assurance qualité alimentée par l’IA, Gladly, ingère automatiquement chaque interaction client — qu’elle se déroule par téléphone, par e-mail, par chat ou sur d’autres canaux numériques.

Tout d’abord, l’IA comprend la conversation. Elle classe le problème, évalue le sentiment, détermine le niveau de gravité, identifie les risques réglementaires ou réputationnels potentiels, détecte les schémas d’échec récurrents et prédit l’orientation la plus appropriée ainsi que le parcours de résolution probable en se fondant sur des cas historiques similaires.

Le flux de travail diverge ensuite selon la complexité.

Pour les problèmes simples, l’IA dirige le dossier vers l’équipe appropriée, avec le contexte pertinent déjà rassemblé afin d’accélérer sa résolution.

Pour les cas présentant un risque ou une valeur élevés — en particulier ceux qui impliquent nos partenaires bancaires ou des enjeux réglementaires — nous transmettons immédiatement le dossier avec une priorité recommandée. L’expertise humaine prend alors le relais. Nos spécialistes examinent les recommandations de l’IA, font appel à leur jugement, tiennent compte de la relation client dans son ensemble et déterminent la réponse et la solution de rétablissement du service appropriées.

Le processus ne s’arrête pas lorsque le dossier est clôturé.

L’IA agrège en continu les informations issues de chaque interaction, en identifiant les points de friction récurrents, les défaillances opérationnelles émergentes et les tendances chez les clients que des dossiers individuels ne permettraient jamais de révéler. Ces informations alimentent directement nos initiatives d’excellence opérationnelle, nos améliorations produits, la refonte de nos processus et nos tableaux de bord de direction, ce qui nous permet de traiter les causes profondes plutôt que de simplement résoudre les réclamations individuelles.

Pourquoi l’IA et le contact humain sont tous deux nécessaires

Globalement, l’IA prend en charge le travail à grande échelle — celui qui exige une grande couverture, de la rapidité et la reconnaissance de schémas dans des millions de points de données. Concrètement, cela comprend l’analyse complète des contacts, la précatégorisation de la gravité, la priorisation des problèmes, le signalement des risques réglementaires et l’identification des schémas de défaillance récurrents avant qu’ils ne se transforment en crises. Elle fournit également une couche d’alerte précoce pour les escalades : le système nous indique ce qui nécessite l’attention d’un humain et avec quel degré d’urgence.

Trois tâches restent humaines, et c’est délibéré.

1. Jugement en matière d’escalade : l’IA nous indique ce qu’il faut examiner ; les humains décident des mesures à prendre, en particulier lorsque les enjeux relationnels ou la sensibilité réglementaire sont élevés.
2. Rétablissement du service : aucun modèle ne peut s’en charger — en particulier du côté B2B, où une conversation avec une banque de premier rang est un moment important dans la relation, et pas seulement un ticket.
3. Compréhension de l’expérience client réelle : c’est le point qui me tient le plus à cœur. L’expérience client réelle ne peut pas être réduite aux seules données. Nous investissons dans des démarches ethnographiques et une implication immersive auprès des clients. Nous nous entretenons avec eux, observons la façon dont ils interagissent avec nos produits et écoutons ce qu’ils disent lorsque personne ne réalise d’enquête. Ce type d’information — la vérité comportementale, non filtrée et spontanée — éclaire nos décisions les plus importantes en matière de conception des parcours. L’IA peut identifier à grande échelle ce qui n’a pas fonctionné. Un humain présent dans la pièce comprend pourquoi.

L’IA élargit ce que nous pouvons voir. Les humains en déterminent la signification et décident des mesures à prendre. Les deux sont nécessaires. Aucun ne suffit à lui seul.

Comment l’IA améliore le traitement des demandes et la satisfaction

Les réflexions d’Oremeyi

Sur le plan qualitatif, nous avons fait évoluer la culture de l’équipe : elle est passée de la gestion dans l’urgence à une gestion pilotée par l’intelligence. C’est plus difficile à quantifier, mais plus facile à ressentir — dans la manière dont nous menons les revues, dont nous échangeons avec les comptes et dont nous parlons des clients lors des discussions de direction.

Les chiffres racontent une histoire éloquente.

Comme je l’ai indiqué, notre système d’assurance qualité alimenté par l’IA nous a permis de passer de l’examen de 10 % à celui de 100 % de tous les contacts clients avec la même équipe de 15 personnes — un gain de visibilité de 10x, sans coût supplémentaire lié aux effectifs.

Notre portail de libre-service client alimenté par l’IA a également réduit de plus de 54 % le traitement manuel des demandes et, surtout, il ne se contente pas de détourner les demandes : il les priorise intelligemment en fonction du volume de clients et des données de tendance, afin que les humains traitent d’abord les sujets les plus importants.

L’effet en aval sur l’expérience est également mesurable : le CSAT a progressé de 60 %. Les délais de traitement se sont considérablement améliorés. Et le chiffre dont je suis peut-être le plus fier — la satisfaction des employés a progressé de plus de 70 %. Lorsque votre équipe cesse d’être submergée par le volume et commence à effectuer un travail utile, cela se reflète dans la façon dont elle accompagne les clients.

Sur le plan qualitatif, nous avons fait évoluer la culture de l’équipe : elle est passée de la gestion dans l’urgence à une gestion pilotée par l’intelligence. C’est plus difficile à quantifier, mais plus facile à ressentir — dans la manière dont nous menons les revues, dont nous échangeons avec les comptes et dont nous parlons des clients lors des discussions de direction.

Pourquoi les responsables de l’expérience client doivent se concentrer sur le transfert et l’escalade

La plupart des efforts consacrés à la refonte se concentrent sur l’interface utilisateur — l’agent conversationnel, le moteur de personnalisation et l’automatisation des contacts répétitifs. Ce travail est nécessaire et déjà largement en cours. Mais le point de jonction qui détermine si l’IA aide ou nuit à la relation est souvent traité comme une fonctionnalité à configurer ultérieurement, alors qu’il s’agit du système qui détermine le plus la confiance.

Les recherches convergent sur ce point de plusieurs façons. Une étude CX menée en 2025 a révélé que 79 % des répondants préfèrent un humain à un agent d’IA pour les problèmes complexes — le parcours d’escalade n’est donc pas facultatif ; ce qui l’est, c’est de savoir s’il sera fluide. Le coût d’une erreur est désormais quantifié : 48 % des clients abandonneraient une marque s’ils devaient réexpliquer leur problème après avoir été transférés à un humain, et 40 % partiraient s’ils devaient à nouveau vérifier leur identité. Le problème n’est pas la lenteur — c’est qu’un mauvais transfert efface tout ce que le client vous a déjà expliqué, et que la confiance instaurée par l’IA s’évapore précisément lorsque les enjeux augmentent.

Deux constats méritent l’attention des conseils d’administration. Premièrement, le secteur reconnaît discrètement être allé trop loin dans l’automatisation : Gartner prévoit que d’ici 2027, la moitié des entreprises ayant réduit leurs effectifs du service client à cause de l’IA recruteront à nouveau pour des missions similaires, sous des intitulés différents. Deuxièmement, le verdict stratégique est explicite — les marques les plus susceptibles de gagner la confiance grâce aux agents d’IA ne sont pas celles qui se précipitent pour éliminer les interactions humaines, mais celles qui conçoivent une escalade claire, une conservation du contexte et une communication honnête.

Pourquoi l’IA ne réduit pas le besoin de contact humain

Deux aspects n’ont pas donné les résultats escomptés, mais tous deux nous ont appris quelque chose d’important.

Le premier : nous pensions que l’IA pourrait réduire considérablement le besoin de contact humain. Ce ne fut pas le cas — du moins pas comme nous l’espérions. Le volume a diminué, oui. Mais le besoin d’une véritable interaction humaine n’a pas diminué. Avec le recul, cela n’aurait pas dû nous surprendre. Nous travaillons dans le domaine de l’argent — l’argent des particuliers, l’argent des entreprises — et lorsque quelque chose tourne mal ou que les enjeux semblent importants, les gens veulent parler à une personne. Pas à un robot, pas à un portail. À une voix humaine qui comprend, assume ses responsabilités et agit. L’IA peut absorber un volume important. Elle ne peut pas reproduire une présence. Après tout, nous sommes humains.

Le deuxième : l’intelligence en matière de conception produit. Nous nous attendions à ce que les données issues de l’IA nous indiquent comment les clients souhaitaient que les produits soient conçus. Elles n’y sont pas parvenues — du moins pas entièrement. Les données comportementales vous indiquent ce que les gens font. Elles ne vous disent pas ce qu’ils aimeraient voir exister ni ce qui les frustre à un niveau qu’ils n’ont pas encore formulé. Pour cela, nous sommes revenus aux fondamentaux — nous asseoir avec les clients, avoir de vraies conversations, mener un travail ethnographique. L’idée qui a fait évoluer notre réflexion sur le produit est venue de ces échanges, pas des tableaux de bord.

L’IA est exceptionnellement performante pour gérer l’échelle et les modèles. Elle n’est pas douée pour la nuance, l’émotion ou l’imagination. Ces qualités restent obstinément et irrémédiablement humaines — et c’est peut-être exactement ainsi que les choses doivent être.

Pourquoi les responsables CX doivent apprendre à mesurer les résultats

Notre premier projet pilote a fonctionné. Le modèle était performant, les tableaux de bord se sont illuminés, les démonstrations auprès des parties prenantes ont convaincu. Je n’avais pas compris que rien de tout cela ne répondait à la seule question que la direction générale poserait six mois plus tard : « Quel rendement cela a-t-il généré, et comment le savez-vous ? »

J’avais optimisé la démonstration des capacités. J’aurais dû optimiser la démonstration de la valeur en établissant une référence pour l’indicateur que nous voulions faire évoluer, en isolant la contribution de l’IA des autres changements et en convenant à l’avance avec la direction financière de la manière de mesurer la réussite. Nous ne l’avions pas fait. Ainsi, lorsque la justification de l’investissement est devenue nécessaire, j’ai reconstitué la référence a posteriori et défendu une attribution que je ne pouvais pas démontrer clairement.

La leçon la plus difficile concerne la direction générale, et non le fournisseur ou l’outil. Une démonstration brillante est facile à acheter et difficile à justifier. Une fois que vous êtes responsable de la ligne budgétaire, l’enthousiasme n’est pas le livrable — c’est un chiffre que vous pouvez défendre devant le conseil d’administration. La plupart des projets pilotes d’IA impressionnent. Bien moins nombreux sont ceux qui sont instrumentés pour prouver qu’ils ont couvert leur coût, et vous devez concevoir cette instrumentation dès le premier jour, car vous ne pouvez pas l’ajouter après coup.

La chose que je dirais donc à toute personne lançant son premier projet pilote est la suivante : décidez comment vous prouverez le rendement avant de construire quoi que ce soit, et considérez le résultat éclatant avec méfiance jusqu’à ce que le chiffre résiste à l’examen.

Comment les aspects non mesurables de la CX échouent progressivement

Les réflexions d'Oremeyi

En pratique, cela signifie que les dirigeants qui réussiront rendront mesurables les éléments non mesurés, plutôt que de les automatiser ou de les défendre par la foi. Je m’en remets actuellement à la foi pour une partie d’entre eux, et je ne pense pas que la foi suffise.

Voici ce qui me préoccupe. Nous automatisons la moitié de l'expérience client qui est facile à mesurer et laissons discrètement l'autre moitié, plus coûteuse à mesurer, s'atrophier — et les chiffres nous diront que nous gagnons jusqu'à ce que nous ayons perdu quelque chose que nous ne pourrons pas reconstruire.

L'IA excelle dans les aspects de l'expérience client qui apparaissent dans les tableaux de bord : réduction des contacts, durée de traitement, coût par contact, rapidité de résolution. Nous les optimisons donc, parce qu'un conseil d'administration les trouve lisibles. Mais les éléments qui construisent une relation durable — pourquoi un client se sent en sécurité, ce qui lui permet de pardonner après un échec, le sentiment que quelqu'un assume la responsabilité de son résultat — ne figurent pas dans les données, et nous ne pouvons pas les automatiser.

Ma crainte n'est donc pas que l'IA effectue mal le travail mesurable. C'est qu'en rendant ce travail si peu coûteux et si visible, elle redéfinisse progressivement une « bonne expérience client » comme étant uniquement le travail mesurable. La moitié non mesurée n'échoue pas de manière spectaculaire ; elle s'amenuise simplement tandis que chaque indicateur affiché au mur continue de s'améliorer.

La partie que je n'ai pas encore résolue — et c'est la version honnête — est que je ne parviens pas à distinguer clairement mes propres biais du risque réel. Il est pratique, pour quelqu'un dont la carrière repose sur le jugement humain et l'empathie, de croire que ces éléments sont irremplaçables. Je me demande quelle part de ma conviction relève d'une véritable capacité d'anticipation et quelle part relève de mon intérêt professionnel.

Une partie de l'idée selon laquelle « l'IA ne peut pas faire preuve d'empathie » est probablement une histoire rassurante que les dirigeants de l'expérience client se racontent, et la limite des capacités évolue plus vite que cette histoire ne le suppose. Ce qui me préoccupe réellement est donc double : je crois que nous protégeons insuffisamment la moitié non mesurée de l'expérience client, et je me méfie de l'importance que j'accorde au fait que cela soit vrai.

En pratique, cela signifie que les dirigeants qui réussiront rendront mesurables les éléments non mesurés — mesurer directement la confiance, la prise en charge et la récupération après un échec — plutôt que de les automatiser ou de les défendre par la foi. Je m'en remets actuellement à la foi pour une partie d'entre eux, et je ne pense pas que la foi suffise.

Trois conseils aux dirigeants de l'expérience client qui mettent en œuvre l'IA

Globalement, voici mes conseils aux dirigeants de l'expérience client :

1. Restez authentiques. Restez bienveillants. Le bruit autour de l'IA dans l'expérience client est énorme — et une grande partie n'est qu'un battage médiatique qui en alimente un autre. Allez à l'essentiel en vous fondant sur une seule question : « Est-ce que cela améliore la vie de mon client ? » Pas sur un tableau de bord. Dans sa vie quotidienne. Si la réponse est oui, poursuivez. Si c'est seulement impressionnant, laissez tomber. Les clients ne se souviennent pas de votre architecture technologique. Ils se souviennent de ce que vous leur avez fait ressentir. Cela n'a pas changé, et l'IA ne change rien à cela.
2. Continuez à apprendre — sans relâche. Ce domaine évolue plus vite que ce pour quoi nous avons tous été formés. Les dirigeants qui seront le mieux placés pour servir leurs clients dans cinq ans sont ceux qui sont suffisamment curieux pour admettre aujourd'hui qu'ils n'ont pas encore tout compris. Lisez. Posez des questions. Échangez avec vos pairs dans différents secteurs et différentes régions du monde. Prenez le temps d'écouter vos clients. Dès que vous cessez d'apprendre dans cet environnement, vous commencez à prendre du retard — discrètement, puis soudainement.
3. N'ayez pas peur d'expérimenter. Toutes les initiatives ne porteront pas leurs fruits. Certaines de nos plus grandes découvertes sont venues d'initiatives qui ne se sont pas déroulées comme prévu. Ce n'est pas un échec — c'est de l'intelligence acquise au prix fort. Instaurez une culture dans laquelle votre équipe se sent libre d'essayer, d'apprendre et de s'adapter. Les organisations qui prendront la tête de l'expérience client n'auront pas l'IA la plus sophistiquée — elles auront les équipes les plus courageuses et les plus curieuses pour la mettre en œuvre.

Efforcez-vous de gagner pour les personnes, pas pour la présentation.

Suivez son travail

Vous pouvez suivre le travail d'Oremeyi Akah sur LinkedIn.

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