Présentation de Faira Memory
Pendant la majeure partie de ma carrière, j'ai cru que la difficulté des logiciels de relation client résidait dans l'interface. Réussir la boîte de réception : tous les canaux dans une seule liste de fils, un seul endroit pour répondre, et tout le reste suit. Pour des équipes humaines, c'est presque vrai. Une personne qui regarde une boîte de réception unifiée fait elle-même, inconsciemment, le travail difficile : elle voit un message WhatsApp venant d'un numéro de mobile inconnu, se souvient de l'appel de mardi, reconnaît le nom, et traite le tout comme un seul client avec un seul problème. L'interface n'a rien unifié. C'est la personne qui l'a fait.
Cette hypothèse s'effondre dès que ce qui lit la boîte de réception n'est plus une personne.
Au cours des deux dernières années, les modèles conversationnels ont franchi un seuil. Un agent vocal peut désormais tenir un appel sans que le client ne le lui reproche. Il peut interrompre avec tact, gérer une personne qui lui coupe la parole, suivre un changement de sujet. Une fois que cela a cessé d'être la contrainte, celle-ci s'est déplacée vers quelque chose de bien moins prestigieux : la récupération d'informations. Un agent qui s'exprime magnifiquement mais ne sait rien est pire qu'une messagerie vocale, car il fait perdre du temps au client avant de le décevoir.
Aujourd'hui, nous présentons la couche qui se trouve sous chaque agent Faira. Nous l'appelons Faira Memory.
La référence, c'est une personne, pas une base de données
La référence à laquelle nous nous mesurons n'est pas un système d'enregistrement. C'est la réceptionniste qui travaille au même endroit depuis onze ans, qui reconnaît la voix avant le nom, se souvient que le dernier rendez-vous de ce client a été reporté deux fois, sait lequel des deux associés il préfère consulter, et ne lui demande jamais de tout réexpliquer depuis le début.
Personne n'a jamais décrit cette personne comme une base de données, et la raison compte. Ce qui la rend efficace, ce n'est pas le stockage. C'est que le rappel des informations arrive à la vitesse d'une conversation, rattaché à la bonne personne, et façonné par tout ce que l'entreprise a appris sur ce client en particulier.
Ce dont Faira se souvient
Un système de réservation stocke des rendez-vous. Memory conserve la forme d'une relation.
Les quatre derniers rendez-vous et ce qu'il est advenu de chacun : honoré, déplacé, manqué, payé en retard. Le praticien demandé la première fois, et celui demandé discrètement depuis. Le traitement pour lequel ils se sont renseignés au printemps, dont le prix leur a été donné, et qu'ils n'ont pas réservé. Le montant qui leur a été annoncé, que l'agent doit honorer, que quelqu'un l'ait noté ou non. Le fait qu'ils répondent à WhatsApp en quelques minutes et ne décrochent jamais le téléphone avant midi. Le fait qu'ils aient annulé une fois, et pourquoi.
Rien de tout cela n'est un champ que quelqu'un a pensé à remplir. C'est le résidu de chaque conversation que l'entreprise a jamais eue avec cette personne, sur chaque canal, ramené à un seul client et disponible en temps réel dans l'échange.
Faira fonctionne sur le téléphone, WhatsApp, Instagram, le chat web, nos sites d'agents, et la capture hors ligne, avec une couverture téléphonique dans 32 pays. Répondre à cette exigence sur l'ensemble de ces canaux impose trois contraintes qu'un logiciel conçu pour être lu n'a jamais été conçu pour satisfaire.
Une récupération le temps d'un souffle. Un écran peut mettre deux secondes à charger sans que personne ne s'en plaigne. Une personne lit, et la lecture absorbe la latence. Une réceptionniste ne peut pas marquer une pause de deux secondes en plein milieu d'une phrase pendant qu'un client parle. Le silence lors d'un appel téléphonique n'est pas un état de chargement, c'est un jugement porté sur votre entreprise. Notre budget pour une récupération complète du contexte est de moins de 300 millisecondes, à chaque tour de parole, sans exception. Ce seul chiffre exclut la majorité des architectures standard.
Une identité sans clé commune. Le même client se présente comme un numéro de mobile, un identifiant Instagram, une adresse e-mail, une session de navigateur, et un nom saisi sur une tablette à l'accueil. Rien ne les relie. Il n'existe aucune clé étrangère. La plupart des logiciels résolvent ce problème en demandant à quelqu'un de fusionner les doublons plus tard, ce qui convient pour les rapports mais ne sert à rien dans une conversation en direct, car le moment de savoir qui est la personne est déjà passé lorsque quelqu'un ouvre un écran.
Des écritures simultanées, sur plusieurs canaux. Un client envoie un message sur WhatsApp pendant que son conjoint appelle le même cabinet au sujet du même rendez-vous. Deux agents Faira, deux canaux, un seul client sous-jacent, tous deux écrivant en même temps. Dans un logiciel conçu autour de la vitesse de saisie humaine, c'est assez rare pour être ignoré. Dans le nôtre, cela arrive constamment, et se tromper signifie qu'un agent contredit l'autre avec assurance.
La résolution comme stratégie conversationnelle
La partie la plus intéressante de Memory n'est pas le stockage. C'est ce que nous faisons de l'incertitude.
Faira résout l'identité de manière probabiliste et continue, en évaluant chaque signal disponible : numéro, identifiant, nom, intérêt pour un service, horaire, appareil, forme des conversations précédentes, pour aboutir à un niveau de confiance indiquant que ce contact est quelqu'un que nous connaissons déjà. Élément essentiel, ce niveau de confiance n'est pas une propriété cachée. Il modifie la façon dont l'agent s'exprime.
Au-delà d'un seuil élevé, Faira utilise simplement ce qu'il sait. Il ne demande pas à un patient qui revient de tout réexpliquer ; il reprend là où la dernière conversation s'était arrêtée.
Dans la tranche intermédiaire, Faira vérifie de façon conversationnelle plutôt que de deviner silencieusement. « Ai-je raison de penser que vous avez appelé la semaine dernière au sujet de la consultation Invisalign ? » Une question qu'une bonne réceptionniste poserait, qui se trouve aussi être un événement de confirmation résolvant le graphe d'identité. Quand le client répond oui, la fusion est effectuée et elle est justifiable.
En dessous du seuil, Faira repart de zéro et ne présume rien. Le mode d'échec qui nous préoccupe le plus n'est pas d'oublier quelqu'un. C'est de s'adresser avec assurance à un inconnu en le prenant pour quelqu'un d'autre, et c'est un échec qu'aucune rapidité ne rattrape.
Pourquoi nous n'avons pas simplement ajouté une base vectorielle
La méthode classique pour ajouter un rappel sémantique consiste à répliquer les données dans une base vectorielle séparée et à l'interroger en même temps que le reste. Cela fonctionne, et pour des traitements asynchrones, c'est tout à fait raisonnable.
Cela ne résiste pas à un appel en direct. La réplication prend du retard. Sur un écran, quelques secondes de retard sont invisibles. Dans une conversation, cela signifie que l'agent qui répond au téléphone ignore le message WhatsApp envoyé par ce même client quatre-vingt-dix secondes plus tôt, alors que le client, lui, s'en souvient parfaitement.
Des stockages séparés obligent aussi l'agent à concilier des recherches structurées avec un rappel non structuré au moment de la requête, dans les mêmes 300 millisecondes déjà consommées. Memory conserve les attributs structurés, l'historique des conversations et les représentations sémantiques dans un seul chemin cohérent, écrit de façon transactionnelle. Quand Faira répond à un appel, ce qu'il sait correspond à ce qui s'est réellement passé, y compris pendant que le téléphone sonnait.
Réversible et auditable
Un rappel qui ne peut pas être corrigé n'est pas un atout. Chaque fusion effectuée par Memory est réversible. Chaque fusion enregistre les éléments qui l'ont produite. Aucune fusion n'est jamais réalisée sur la base d'un signal qu'une personne ne pourrait pas vérifier après coup, et chaque détail rappelé peut être retracé jusqu'à la conversation dont il provient.
Le dossier appartient à l'entreprise, pas à nous, et pas au membre du personnel qui a pris l'appel.
Pourquoi l'ordre de construction comptait
La méthode la plus directe pour se lancer dans ce domaine consiste à privilégier l'agent en premier : prendre un modèle, le brancher sur un canal, lancer. Le problème d'identité n'apparaît pas le premier jour. Il apparaît le jour où un deuxième canal est ajouté, et à ce moment-là le modèle de données est figé, et la correction devient une migration pour laquelle personne n'a le temps.
Nous avons construit Memory en premier, puis les agents par-dessus. C'était plus lent, et c'est la raison pour laquelle Faira se comporte comme un seul accueil plutôt que comme cinq produits partageant un même logo.
Et ensuite
Memory se trouve sous chaque agent Faira, sur tous les canaux que nous prenons en charge. La feuille de route l'étend dans deux directions : vers l'extérieur, pour que les systèmes que votre entreprise utilise déjà puissent lire et écrire le même contexte client que Faira ; et vers la profondeur, pour que la résolution s'améliore à chaque conversation confirmée plutôt qu'à chaque changement de configuration.
Le rappel n'en est que la moitié. Ce qu'une réceptionniste expérimentée possède aussi, c'est le jugement sur ce qu'il faut dire ensuite, appris au fil des années à observer quelles conversations se transformaient en contrats. C'est Faira Instinct, et il est bâti sur cette base.
L'accueil a toujours été l'endroit où réside véritablement la mémoire d'une entreprise, dans la personne qui reconnaît un client fidèle avant même qu'il ait fini de dire bonjour.
Nous avons passé deux ans à concevoir un logiciel capable de faire de même.