Agent vocal : le test des trente secondes

Il existe un test simple qui décide de la quasi-totalité de ces projets, et il tient en une question : votre appel type se traite-t-il en trente secondes avec trois informations ? Prendre un rendez-vous, confirmer une adresse, dire si un article est en stock — oui. Comprendre une panne, arbitrer un litige, négocier un prix — non, et aucun réglage ne change cela.

Le second test est technique et se fait sur vos propres enregistrements. La voix est nettement plus difficile que le texte, et la difficulté n’est pas dans la compréhension : elle est en amont, dans la transcription, qui se dégrade sur une ligne bruyante, un appel depuis un véhicule, ou une phrase qui passe de la darja au français au milieu.

Cet article décrit les deux tests, ce qu’ils révèlent, et pourquoi le résultat honnête est parfois de ne pas faire le projet. C’est un article qui commence par expliquer comment se dispenser de nous.

Une fois le relevé fait, regardez sa forme avant de conclure. Si les appels manqués sont concentrés sur deux heures précises et que le reste de la journée est calme, votre problème est un problème d’effectif à ces deux heures, et une personne de plus sur ce créneau coûte moins qu’un projet et fonctionne dès la semaine prochaine.

Si au contraire les appels manqués sont répartis sur toute la journée, sur les pauses, sur les vendredis et sur les périodes de congé, alors vous avez affaire à une absence structurelle de couverture, et c’est le cas que l’agent traite bien.

Nous faisons ce relevé au cadrage et nous le remettons quel que soit ce qu’il montre. Il arrive qu’il conclue à un renfort humain, et nous le disons — c’est une réponse moins rentable pour nous et plus rapide pour vous.

Il y a une troisième forme que le relevé peut prendre et elle est plus fréquente qu’on ne croit : les appels manqués concentrés sur une saison. Un métier dont la demande triple pendant six semaines ne gagne rien à un dispositif permanent ; il gagne à une couverture renforcée sur ces six semaines. La distinction se voit immédiatement sur le relevé et elle ne se voit pas du tout dans une conversation commerciale.

À l’écrit, une phrase en darja transcrite en caractères latins reste lisible et se traite avec des synonymes. À l’oral, l’alternance est plus dure : le locuteur passe de la darja au français au milieu d’une proposition, énonce les chiffres dans une langue et les noms de rue dans une autre, et n’articule aucune frontière entre les deux.

Les systèmes de reconnaissance sont entraînés majoritairement sur des langues où cette alternance n’existe pas. Ils la traitent en choisissant une langue et en interprétant le reste comme du bruit, ce qui produit des transcriptions plausibles et fausses — le pire des deux mondes, parce qu’une transcription visiblement cassée déclencherait un transfert alors qu’une transcription plausible ne le déclenche pas.

Il n’y a pas de solution générale à cela, seulement une mesure. Le test sur vos enregistrements le rend visible ; ce qu’on en fait ensuite est une décision de périmètre — restreindre l’agent aux appels courts et aux mots attendus, ou renoncer.

Il existe une atténuation partielle et il faut la présenter honnêtement : restreindre le vocabulaire attendu. Un agent qui sait qu’il va entendre un nom de commune, un jour de la semaine ou une référence produit reconnaît beaucoup mieux dans ce cadre étroit que dans une conversation ouverte. Cela fonctionne, et cela impose de renoncer aux appels qui sortent du cadre — ce qui ramène au test des trente secondes.

Un transfert vocal doit passer trois choses à la personne qui reprend : le motif, ce qui a déjà été dit, et le numéro. Sans le numéro, un appel qui coupe pendant le transfert est un client perdu sans moyen de le rappeler, et les coupures pendant les transferts sont fréquentes.

Les seuils de transfert se règlent bas, et plus bas qu’on ne le souhaiterait au départ : sur demande explicite, sur silence prolongé, sur une deuxième incompréhension, et sur tout signe d’agacement. Un agent qui insiste une fois de trop transforme une gêne en mauvais souvenir.

Le seuil le plus utile est aussi le plus simple à décrire : si l’appelant répète une information qu’il a déjà donnée, l’agent transfère. C’est le signe le plus fiable que quelque chose n’a pas été compris, il ne demande aucune détection d’émotion, et il attrape la majorité des cas avant qu’ils deviennent désagréables.

Nous comptons vos appels manqués, nous testons la transcription sur vos enregistrements, nous écrivons le script et toutes ses portes de sortie, et nous mettons en service sur une ligne de débordement. Le test de transcription est à notre charge et il précède le devis.

Le taux que nous ne publierons pas est le taux d’erreur de reconnaissance. Nous en mesurons un chez chaque client, il est exact, et le publier serait une erreur de catégorie plutôt qu’un excès d’optimisme : un taux mesuré ailleurs l’a été sur d’autres lignes, d’autres combinés, d’autres locuteurs et une autre proportion de darja, et ces quatre variables pèsent davantage que le moteur choisi. Un chiffre affiché sur une page commerciale serait vrai quelque part et sans rapport avec votre installation. Les rares chiffres publiés dans ce domaine sont d’ailleurs soit fournis par les éditeurs et mesurés sur de la parole lue en studio, soit issus de travaux académiques portant sur des corpus qui ne sont pas de l’audio téléphonique algérien ; nous n’avons trouvé aucune source datée qui décrive ce cas, et nous ne le fabriquerons pas.

La contrepartie est que le test est gratuit et qu’il peut nous coûter le projet. Nous le faisons avant le devis, nous vous rendons le taux par type d’appel même quand il est mauvais, et quand il est mauvais nous vous déconseillons le projet et proposons la prise de message écrite décrite plus haut. Nous préférons une recommandation que vous pouvez appliquer sans nous à un déploiement qui frustrera vos clients pendant six mois avant d’être arrêté.