nos cas clients

Intelligence Artificielle / Machine Learning

Chatbot de support client pour Monabanq

Optimiser l’efficacité du support client de la banque en ligne grâce à l’aide d’un chatbot de Q&A (questions and answers)

Objectifs

Monabanq dispose d’un webchat pour accompagner ses clients dans leurs opérations courantes. Ce webchat, fourni par l’éditeur Dimelo, est utilisé par une équipe de support client dédiée.
L’objectif de ce projet a été de délester cette équipe des questions les plus récurrentes posées par les clients, en chargeant un chatbot de repérer ces questions et d’envoyer aux clients la réponse, sans intervention de l’opérateur

Solutions

Phoceis a développé un chatbot en utilisant un mix de technologie, du NLP Luis de Microsoft, à un modèle de données réalisée en interne grâce à TensorFlow, en passant par la détection d’entités de Facebook.

Entrainement du modèle

Pour fonctionner, le chatbot a besoin d’un corpus de données. Dans le cas de Monabanq, il s’agit de plusieurs centaines de binômes « question / réponse »

Le corpus initial a été réalisé à partir de diverses sources de données, comme les FAQs du site, ou les questions du centre de support communautaire.

Le Workflow

1. Le client poste une question sur le webchat du site Monabanq
2. Le chatbot intercepte la question, essaye de la comprendre et la retrouver dans le corpus de questions/réponses. S’il y arrive, il essaye d’évaluer à quel point il est confiant dans sa compréhension (en %)
3.1 Le chatbot estime avoir compris la question et trouvé la bonne réponse avec une confiance > 80% : Le chatbot prend la main dans la discussion et entame le dialogue avec le client
3.2. Le chatbot n’a pas trouvé la question, ou sa confiance est < 80% :
Le chatbot laisse finalement passer la question vers le conseiller, et s’efface de la discussion.Il enregistre toutefois la question pour la phase de supervision
4. Si le chatbot est certain de sa réponse, il l’envoie au client, en précisant bien qu’il s’agit d’une réponse automatisée, et demande immédiatement si la réponse est satisfaisante. Si le client répond par la négative, le conseiller reprend la main et la question est conservée pour supervision et entrainer un futur modèle.

Résultats

Durant sa phase de production, le chatbot a intercepté plusieurs milliers de questions, et a su répondre en lieu et place du conseiller. Le taux de réussite (réponse correcte envoyée au client) a été de plus de 80%, égalant ainsi, voire surpassant les outils les plus puissants du marché.

Expertises

#IA #machinelearning #luis #nlp #tensorflow #chatbot #relationclient #azure

Cas client

Sportbox de Décahtlon : une expérience immersive InStore

Dans le cadre du New Shopping Experience (by PICOM), nous avons souhaité mener une expérimentation autour des interfaces du futur, et dans ce cas-précis, la voix

Objectifs :​

Grâce aux derniers progrès réalisés par les technologies SpeechToText, les Assistants vocaux, à la maison ou sur son smartphone, sont entrés dans nos vies.
Mais ce sont surtout les dernières évolutions des NLP (Natural Langage Processing, passer d’un texte à une intention émise par l’utilisateur) qui leur permettent aujourd’hui de comprendre mieux en mieux nos demandes.
Dans un futur où les interfaces tactiles pourraient s’effacer au profit des interfaces vocales, nous avons osuhaité mené cette expérimentation avec Décathlon

Solutions :​

Nous avons donc développé la solution Sportbox, qui consiste en une cabine dont la promesse est la suivante : vous aider à déterminer le sport qui est fait pour vous.

Dans un univers immersif à 270º, vous répondez aux questions posées par un avatar virtuel. Ces réponses, fournies par la voix, sont alors captées par un micro et interprétés par notre moteur de NLP. A la fin de l’expérience, une video du sport qui est fait pour vous est diffusée et vous avez la possibilité de recevoir par email une sélection de produits pour débuter dans cette discipline.

Cas client

WebScrapping, outil de veille automatisé

Objectifs :​

Les années 2000 ont vu naitre les « aspirateurs » de site web. Ces outils permettaient de manière automatique de récupérer de manière automatique des données d’un site web. Le webscrapping est en fait la version moderne de ces technologies.

Solutions :​

En couplant les nouveaux outils d’analyse, les outils de machine learning, et des langages comme Python, il est désormais possible d’effectuer une veille permanente du réseau. Qu’il s’agisse par exemple de récupérer automatiquement les tarifs de ses concurrents, ou d’analyser le positionnement de ses produits sur une place de marché (par exemple), le webscrapping permet le sourcing d’information et la création de rapport de veille en temps réel.

Nous avons notamment déjà mené des projets (confidentiels) sur le sujet du webscrapping pour des acteurs du monde bancaire, ou du retail.

NOS CLIENTS 

Nous sommes fiers d'avoir gagné leur confiance

Nous accompagnons certains de nos clients depuis la création de Phoceis, en 2002 !

NOUS RENCONTRER, NOUS CONTACTER 

Un projet ? Une idée ?

Retrouvez Phoceis by Ineat et le groupe près de chez vous !

Ineat Bordeaux
Cité numérique
2 rue Marc Sangnier
33130 Bègles
T. +33 (0)7 86 68 96 70
Ineat Bruxelles
ICAB Incubator
4 rue des pères blancs
1040 Bruxelles
T. +33 6 80 72 73 09
Ineat Lille
2 Allée de la Haye du Temple
59160 Lomme
T. +33 3 20 00 80 37
Ineat Lyon
18/20 rue Tronchet
69006 Lyon
T. +33 6 45 62 74 04
Ineat Paris
32 rue Mogador
75009 Paris
T. +33 1 46 10 48 50
Ineat Montréal
204, Rue Saint-Sacrement
Montréal, QC H2Y 1W8
CANADA
T. +1 438 827 7575
Ineat Shanghai
2E No.285 Anyuan Road,
Jing’An District
200041 Shanghai,
CHINA
T. +86 182 2114 7626

Newsletter Phoceis By Ineat
Tenez-vous au courant des dernières actualités du retail digital et des innovations du commerce connecté
Politique de confidentialité