Et si l’IA changeait radicalement la donne dans les entreprises en permettant de modéliser quotidiennement et en continu la satisfaction des clients, et donc leur fidélité ? C’est le pari que font Nicolas Rieul — quelques mois après son départ de Criteo — et son associé, Nans Thomas, avec le lancement d’Actionable.
Quels sont les plus précisément les fondements de cette nouvelle approche et les bénéfices clés pour les organisations ? Comment celle-ci se positionne versus les dispositifs « classiques » des acteurs des études marketing sur ces enjeux ? Ce sont les questions auxquelles nous répond son co-fondateur, Nicolas Rieul.
MRNews : Vous avez lancé votre start-up, Actionable, avec une promesse forte auprès des équipes des entreprises, celle de pouvoir prédire la satisfaction de leurs clients grâce à l’IA. Quels constats vous ont amené à prendre cette initiative ?
Nicolas Rieul (Actionable) : Mon associé – Nans Thomas – et moi sommes partis des problématiques que nous avons connues dans nos précédentes entreprises. Nans a occupé des fonctions techniques où il était en charge de l’expérience-client. Il avait cet esprit « feedback loop ». Mais il était régulièrement challengé par son conseil d’administration sur la façon dont évoluait la satisfaction des clients, le niveau de NPS. Et était confronté à la difficulté d’apporter des réponses, ou plus exactement d’avoir une vision globale, « scientifique », structurée et pas seulement quelques éléments de feedbacks ou d’intuition.
Il m’en a parlé. Et cela a énormément résonné en moi parce que j’avais un poste de dirigeant dans une grande entreprise, où il y avait pas mal de strates hiérarchiques, et je voyais bien à quel point il est difficile d’avoir une image claire de la situation, même en disposant pourtant de beaucoup de reportings, les mauvaise nouvelles remontent toujours trop tard… Des études permettent de comprendre des phénomènes clés sur la satisfaction et la fidélité des clients, et donc d’agir. Mais bien souvent trop tard et avec une approche centrée sur un seul département de l’entreprise et pas holistique.
Comment résumeriez-vous en quelques mots la proposition Actionable ?
L’idée clé est de rendre actionnables les insights sur ces enjeux, en étant capable de modéliser la satisfaction des clients, individuellement et en continu, et en étant prédictif grâce à l’IA. Cette modélisation permet d’une part d’identifier les leviers clés de la satisfaction client, pour aider à définir les meilleures décisions stratégiques. Mais aussi de faire en sorte que les équipes opérationnelles puissent agir au quotidien, non pas avec de nouveaux outils mais en se servant de ceux qu’ils ont tous les jours entre les mains. Cette double portée, stratégique et opérationnelle, fait partie des ingrédients essentiels de l’approche.
L’idée clé est de rendre actionnables les insights sur ces enjeux, en étant capable de modéliser la satisfaction des clients, individuellement et en continu, et en étant prédictif grâce à l’IA.
C’est une démarche somme toute assez « classique » pour les spécialistes des études que d’élaborer des modèles autour de la satisfaction des clients. En quoi vos partis-pris sont-ils fondamentalement différents ?
Avec le type d’études que vous évoquez, on mesure en effet la satisfaction globale des clients, éventuellement en mode NPS sur un echantillon réduit et à un instant T. La valeur de l’Insight repose essentiellement sur des questionnaires longs ou des feedbacks. La modélisation essaie ainsi d’établir le lien existant à un instant T entre le Y que constitue la satisfaction globale et les X que sont les scores de satisfaction sur les composantes évaluées. Cela donne une vision « macro » indispensable, et permet d’avoir une bonne compréhension des phénomènes pour définir une stratégie.
L’approche que nous proposons est complémentaire de ces dispositifs. Et d’ailleurs, nous nous servons de ces études comme un point de donnée clef. Le Y reste la satisfaction globale des clients, mais nous cherchons les X parmi toutes les informations dont l’entreprise dispose dans sa base clients, sur l’échantillon des individus interrogés. Ce sont toutes leurs caractéristiques connues, leur localisation, leur ancienneté… Mais également toutes les interactions entre l’organisation et eux dès lors que celles-ci sont tracées dans la base, avec un identifiant client unique. Par exemple les achats, mais aussi les appels au service client, le motif de l’appel, etcétéra. Une fois le modèle « calé », il peut être appliqué à l’ensemble de la base clients, y compris donc à ceux qui n’ont pas participé à des enquêtes.
On s’affranchit ainsi de la limite d’un modèle « Survey Based Only ». Cette option offre de multiples avantages, dont celui de pouvoir prédire en continu la satisfaction de tous les clients, ces X étant disponibles pour chacun d’entre eux. Incidemment, cette approche permet aussi d’être plus « rationnel » dans les sollicitations des clients à répondre aux enquêtes et ne demander qu’une simple notation, sachant que l’on ne peut pas les interroger tous, sur tout et en permanence…
On s’affranchit ainsi de la limite d’un modèle « Survey Based Only ». Cette option offre de multiples avantages, dont celui de pouvoir prédire en continu la satisfaction de tous les clients, ces X étant disponibles pour chacun d’entre eux.
Le bénéfice clé est de pouvoir piloter opérationnellement la satisfaction des clients…
Tout à fait. Notre approche est de prédire la satisfaction de chaque client. Et, du fait de la nature des informations, qui s’actualisent en continu au fur et à mesure des interactions avec l’entreprise, cette connaissance évolue en temps réel. On s’affranchit ainsi d’une limite importante des études « classiques », celle du « timing », qui fait que lorsque les éclairages deviennent disponibles, la situation a pu fortement changer, au point que le plan d’action est dépassé à peine a-t-il été défini.
Nous modélisons donc non pas pour le plaisir de modéliser mais pour pouvoir déterminer les KPI les plus pertinents, que les équipes opérationnelles peuvent suivre au quotidien, avec des dispositifs d’alerting pour pouvoir agir au plus vite sans se perdre dans les informations. KPI sur lesquels elles peuvent se donner des objectifs. Nous contribuons ainsi à créer une configuration où la customer-centricity n’est pas seulement un mantra mais une réalité quotidienne pour des collaborateurs à même d’agir efficacement.
Nous modélisons donc non pas pour le plaisir de modéliser mais pour pouvoir déterminer les KPI les plus pertinents, que les équipes opérationnelles peuvent suivre au quotidien, avec des dispositifs d’alerting pour pouvoir agir au plus vite sans se perdre dans les informations.
Mais si la dimension opérationnelle est majeure, l’approche a également une vraie portée stratégique, la modélisation permettant d’identifier les facteurs clés de succès pour l’entreprise sur ces enjeux de satisfaction et donc de fidélité des clients.
Vous dites que, pour les opérationnels, il ne s’agit pas d’un outil de plus… Qu’en est-il en pratique ?
C’est effectivement une des facettes essentielles de l’approche. Notre solution se connecte à 300 SaaS du marché, dont les leaders du CRM et de la relation client tels que Salesforce, Hubspot ou Zendesk. L’information que l’IA délivre est intégrée via des widgets dans ces outils, avec des dispositifs d’alerte pour proposer automatiquement des actions, des tâches pour tel ou tel account manager. L’idée n’est donc surtout pas que les opérationnels soient dans l’obligation de recourir à un n-ieme outil supplémentaire.
Notre solution se connecte à 300 SaaS du marché, dont les leaders du CRM et de la relation client tels que Salesforce, Hubspot ou Zendesk.
Il existe bien une interface spécifique au dispositif, mais celle-ci n’a vocation à être utilisée que par un périmètre restreint de personnes, essentiellement dans une perspective « insight », ou bien pour paramétrer les connexions avec les outils que nous avons évoqués.
La modélisation que vous proposez implique de disposer d’une base de données clients « propre », « lisible », et d’associer des données originellement « silotées ». Or cela n’a rien d’évident pour les organisations. Comment les aidez-vous à résoudre ce problème ?
L’idée est en effet de combiner des informations hétérogènes de sorte à tendre vers une vision à 360° du client et de son expérience. Nous mettons en place des algorithmes de data quality ou de détection automatique de réferentiel client unique entre les bases de données. Cela demande des ressources d’ingénierie particulièrement importante que la plupart des entreprises ne peuvent pas dégager. Mais c’est précisément un de nos savoir-faire essentiels que de parvenir à faire communiquer différents outils, ceux que nous avons évoqués précédemment, et à automatiser ces processus d’échange. C’est naturellement plus facile à faire lorsque l’entreprise utilise des logiciels répandus sur le marché. Mais nous pouvons aussi procéder à cette intégration de façon customisée, autour des outils « maison » développés par les entreprises si elles ont fait ce choix.
Nous mettons en place des algorithmes de data quality ou de détection automatique de réferentiel client unique entre les bases de données. Cela demande des ressources d’ingénierie particulièrement importante que la plupart des entreprises ne peuvent pas dégager.
Quelles sont les premières entreprises avec lesquelles vous avez commencé à travailler ?
Nous nous sommes efforcés de trouver des partenaires dans des verticales différentes. C’est le cas, puisque nous collaborons notamment avec un acteur des voyages, du BtoC donc avec des millions de tickets vendus mensuellement. Mais aussi avec deux entreprises SaaS B2B, l’une ayant pour clients des TPE et l’autre des très grands comptes.
Une dernière question enfin : comment réagissent les équipes Études et Insights des entreprises avec lesquelles vous êtes en contact ? Ne perçoivent-ils pas votre approche comme potentiellement concurrente des leurs ?
Je ressens plutôt une forme de curiosité et même de bienveillance de leur part vis-à-vis de notre approche. Ils sont souvent les premiers convaincus par notre approche et aurait aimé pouvoir proposer ce type de Tech à leur client en étant conscients de ce que leurs outils apportent mais aussi de leurs limites. C’est vrai du NPS notamment, qui du point des experts que nous avons interrogés, constitue un bon KPI mais auquel on demande de faire trop de choses dans les entreprises. Je suis convaincu que nos approches peuvent être extrêmement complémentaires, dans une relation partenariale. Et que pouvons donc être à leur service pour les aider à aller encore plus loin dans l’actionnabilité des insights.
POUR ACTION
• Echanger avec l’interviewé(e) : @ Nicolas Rieul
• En savoir plus sur Actionable
