Comment Alan réussit à automatiser 40 % de son support client grâce à l’IA

En deux ans, l’assurance santé Alan a construit une architecture IA qui permet de traiter près de la moitié des tickets du service client. Une odyssée jalonnée de nombreuses itérations et apprentissages partagés sur la scène des Grands RETEX par Marie Hardel, sa responsable du département Care, et Grégoire Lambert, Product Manager IA de la licorne clairement avant-gardiste sur ces sujets. Récit dans les coulisses en 10 points clés.

⌛ 8 min de lecture pour être à la pointe

 ✉️ Article issu du Ticket n°131

🎫 Les membres Premium du Ticket ont un accès intégral à cet article

🔗 IKXO, co-organisateur des Grands RETEX, partagent dans cet article leurs enseignements sur ce talk

---

📌 TL;DR - Les 10 apprentissages de ce Grand Retex sur l'intégration d'agents IA au service client d'Alan : 1- Un gain de productivité de 35 % au service client… sans baisse de la satisfaction 2- Mettre de l’IA face aux membres : un pari risqué mais plus scalable dans le temps 3- Un MVP sur un périmètre très restreint pour expérimenter rapidement 4- Du RAG généraliste à des agents spécialisés pour passer à l’échelle 5- Des agents humains du service client devenus superviseurs (et développeurs) d’agents IA 6- Des outils de gestion des agents IA et de debug développés en interne 7- Le seuil de 80 % de réponses correctes pour déployer un nouvel agent IA 8- Un investissement dans l’évaluation “en ligne” et “hors ligne” avec un outil maison 9- Le passage d’une base de données structurée en workflows (arbre de décisions) à une approche en “playbooks” (langage naturel) pour sortir du plafonnement de l’architecture IA (et la déception des modèles fine-tunés) 10- Assistance vocale, agentique et pro-activité du service client pour 2026

1- Le service client d’Alan augmenté par l’IA : comment ça marche et quel déploiement actuel ?

Commençons par la photographie actuelle. Mieux qu’une longue notice d’utilisation, voici une démo concrète de réponse par l’IA à une question concernant des séances d'ostéopathie.

Un exemple loin d’être isolé. Aujourd’hui, 40% de toutes les demandes des membres d’Alan sont résolues instantanément par des assistants IA. Un chiffre qui monte même à 70 % pour des demandes simples (sur les garanties de l’assuré par exemple). Tout en réussissant à préserver la satisfaction client avec un score de CSAT stable à 4,5/5.

Le gain de productivité, lui, est assez simple à calculer : sur la dernière année, le nombre de membres a augmenté de 34 %, tandis que l’équipe relations membres est restée stable, autour d’une centaine de personnes. Passage à l’échelle.

2- Des assistants IA face aux clients : un pari risqué et de longue date pour Alan

Alan a très vite embrassé l’IA. Rappelons que ses cofondateurs, Jean-Charles Samuelian-Werve et Charles Gorintin, ont contribué à la naissance de Mistral AI.

Ce projet de d’intégrer l’IA au service client remonte à juillet 2023 (alors que la première version de ChatGPT était sortie 8 mois plus tôt). Pour plusieurs raisons énumérées par Marie Hardel, la responsable du département :

• Différenciation - Le service client a toujours été un élément de différenciation fort pour le néo-assureur et l’IA permet de conserver un avantage concurrentiel durable voire d’améliorer l’expérience membre (avec des réponses 7j/7 24h/24)

• Scalabilité - L’IA peut aider à absorber l’hypercroissance de l’entreprise (autour de 40 % / an) sans dégrader la qualité de service ni les coûts opérationnels

• Pertinence - Le service client est un un terrain de jeu idéal pour les LLMs, avec des gros volumes de textes

Très vite aussi, Alan décide de faire un choix risqué mais potentiellement plus rentable sur le long terme : créer en interne un assistant qui interagit directement avec les membres, plutôt que de suggérer une réponse à un expert humain du service client - pour uniquement augmenter sa productivité.

Risqué car il s’agit de questions sensibles (liées à la santé et aux remboursements) et que l’IA se retrouve directement face aux membres. Mais c’est aussi la solution qui permet d’avoir l’impact le plus intéressant en termes de coûts et de satisfaction client.

Notre vision, c’est que l’IA sert à augmenter le service client mais pas à remplacer l’humain, précise également Marie. Il est toujours possible de s’adresser à une personne et les humains continuent de gérer les cas les plus difficiles. D’ailleurs, nous n’avons pas l’objectif d’atteindre les 100% de tickets traités par l’IA”.

Ouvrons désormais le capot en racontant l’odyssée de ces plus de deux ans d’itérations.

3- Juillet 2023 - Un périmètre très restreint au démarrage

Les Product Managers le savent bien : un nouveau produit doit toujours commencer sur un petit périmètre.

Dans le cas d’Alan, cela veut dire concrètement : 

• Un seul point d’entrée (seulement les questions portant sur le tableau des couvertures)
• Juste sur des questions simples

Aussi, chaque conversation était relue par un humain pour vérifier que l’expérience était toujours de qualité.

Cette première expérimentation n’a duré qu’un ou deux mois étant donné que les premiers résultats étaient hyper prometteurs”, se souvient Grégoire Lambert, Product Manager IA.

Voici ci-dessous l’architecture très simple du premier agent IA d’Alan, ainsi que le prompt de la phase de classification, qui permet de relier la question du membre à la bonne garantie du tableau de couverture.

Cette démarche permet d’injecter de manière dynamique les garanties en fonction du compte du membre. C’est ce que l’on appelle un RAG (génération augmentée de récupération ou retrieval augmented generation, la connexion d’un modèle IA à des données internes de l’entreprise).

4- Juillet 2024 - Le passage à l’échelle avec une architecture en agents spécialisés

À ce stade, l’IA traite 5 % des tickets reçus. Comment passer à l’échelle et gagner en volume ? 

Première approche choisie : la construction d’un agent IA généraliste qui s’appuie sur le  RAG du centre d’aide d’Alan afin de répondre aux questions. Pratique, car un seul agent IA peut répondre à toutes les questions… mais peu efficace, avec un taux d’automatisation qui ne décolle pas.

Rappelons que c’est l’IA qui détermine si elle est en mesure de répondre au ticket d’un membre où si elle doit l’attribuer à un agent humain. Le taux d’automatisation est donc un indicateur pertinent du niveau de couverture.

“On est donc vite passé à une architecture en agents spécialisés, explique Grégoire. Ce qui a beaucoup mieux marché pour deux raisons principales : 

• D’une part, car les IA sont toujours meilleures lorsqu’elles ont une mission précise
• D’autre part, car cela répliquait notre organisation Care et permettait ainsi une boucle d'itération plus forte et continue avec les experts métier”

Autrement dit, un premier agent IA dit “sélecteur” prend la question d’un membre puis l’attribue à un autre agent IA en fonction du sujet spécifique (garanties, contrat, réclamations etc.)

Aujourd’hui, Alan compte ainsi 18 agents IA spécialisés. En plus de ses agents humains.

5- Des agents humains du service client devenus superviseurs (et développeurs) d’agents IA

Parlons d’organisation, car ce fut aussi l’une des clés de la réussite du projet : la coopération étroite entre les équipes produit et service client.

Une poignée de personnes de cette dernière ont ainsi été sélectionnées en fonction de leur expertise métier, de leur historique de collaboration avec le produit ou de leur appétence pour travailler sur des sujets IA et techniques, pour participer à la construction des agents IA.

Ce sont en effet elles qui sont les mieux placées pour garantir la qualité des réponses automatisées ou du ton de voix par exemple.

"Aujourd'hui, ces agents Care "entraînent l'IA" en qualité de superviseurs, c’est-à-dire en créant les bases de connaissances, en définissant les processus de résolution, ou même, pour les plus seniors, en étant directement responsables de la performance des assistants IA les plus matures”, précise Marie.

La vision à long terme : leur donner une totale autonomie sur la gestion de ces agents spécialisés.

6- Des outils développés en interne par Alan pour gérer les agents IA

Ce point est peut-être celui qui illustre le plus l’avance et l’investissement d’Alan en matière d’IA. Et qui en fait, à notre connaissance, un cas rare dans l’écosystème.