«Quiconque repousse l'entrée renonce à des enseignements essentiels sur les besoins des client·e·s et le comportement du marché.»
La complexité croissante pèse lourdement sur de nombreuses EAE. L'IA générative semble être l'outil évident pour faire face à l'augmentation des volumes de travail. Pourquoi cela ne fonctionne-t-il souvent pas comme espéré dans la pratique ?
Il faut commencer par les termes. Un grand modèle de langage – c'est-à-dire l'algorithme derrière l'IA générative – a été conçu pour générer du langage. Et il le fait parfaitement. Mais dans notre branche, il s'agit de savoir-faire spécialisé, et pour cela, il faut avant tout une base de connaissances excellente. De nombreux outils SaaS (Software as a Service, logiciel en tant que service) génériques se contentent d'y connecter le site web d'une EAE. C'est largement insuffisant. Un site web commercial n'est pas un lexique de l'énergie, et la base de connaissances reste par conséquent incomplète. Le résultat : des réponses superficielles, des hallucinations et une confiance qui s'érode envers l'IA.
Comment une IA doit-elle alors être construite pour fonctionner de manière fiable dans le secteur de l'énergie ?
Ce qui est déterminant, c'est le savoir sectoriel organisé : réglementation, directives de l'ElCom (Commission fédérale de l'électricité), documents de la branche, connaissances techniques, définitions terminologiques. S'y ajoutent des sources de données dynamiques comme l'IS-E (système d'information sur le marché suisse de l'électricité) ou les tarifs. Le site web ne fait qu'ajouter, par-dessus, la personnalisation propre à l'entreprise. J'aime comparer cela à un iceberg : le site web est la partie visible, mais la masse portante se trouve sous l'eau. Il est important de souligner qu'il ne suffit pas de connecter de grandes quantités de données. La qualité prime largement sur la quantité. Les données de connaissances doivent être analysées, nettoyées et en partie complétées. La qualité des données est au cœur de tout.
«Le site web est la partie visible de l'iceberg. La masse portante, en dessous, c'est le savoir sectoriel organisé.»
Cela semble représenter un travail considérable.
C'est effectivement le cas. Il faut beaucoup de travail de la part d'expert·e·s en IA et en énergie pour constituer la base de données, l'interconnecter correctement et l'entretenir en continu. Pour les petits et moyens services industriels, cet investissement est difficilement réalisable. Mais une particularité de la branche nous est favorable : jusqu'à 80 pour cent de ces données de connaissances sont pratiquement identiques d'une EAE à l'autre. Ce socle peut être utilisé par de nombreux services industriels et développé au fil des projets. Pour chaque EAE, nous nous concentrons ensuite sur les données, processus et exigences spécifiques, et nous affinons la solution ensemble. Nous ne réinventons donc pas la roue à chaque projet.
Parlons de l'utilité concrète. Les chatbots sont très répandus, mais leur réputation n'est pas toujours la meilleure.
Le scepticisme est en partie justifié. Un bot (programme de dialogue automatisé) sans profondeur technique déçoit et finit par ne plus être utilisé. Mais qu'il est possible de faire autrement, le chatbot IA d'Energie Thun, que nous avons eu le plaisir de développer, le démontre. Sous le nom de « Tinu », il a convaincu en situation réelle et a été présenté dans un article de la Berner Zeitung intitulé « So gut ist der KI-Bot der Energie Thun AG » (Le bot IA d'Energie Thun SA : la preuve par l'exemple). Cela renforce naturellement l'image du fournisseur d'énergie.
L'utilité se manifeste d'une part dans la haute qualité des réponses, mais aussi dans la quantité : « Tinu » est en service depuis plus d'un an et a mené durant cette période environ 5 000 conversations avec des client·e·s. Ce sont 5 000 contacts clients précieux. En termes purement arithmétiques, cela correspond à environ 20 pour cent des contacts clients annuels.
Tous les client·e·s ne souhaitent toutefois pas chatter. C'est précisément pourquoi nous intégrons l'IA dans plusieurs canaux : les e-mails, un centre self-service intelligent sur le site web, et en interne, nous renforçons les collaborateur·trice·s au téléphone, car de nombreux·ses client·e·s continuent d'appeler. Il ne s'agit pas d'imposer un canal, mais de rendre chaque canal meilleur.
Si autant de client·e·s continuent d'appeler, un bot vocal ne serait-il pas la solution logique pour le téléphone ?
Nous avons analysé la question, et notre réponse est actuellement un non catégorique. Le suisse allemand et la latence (le délai) dans la conversation ne sont techniquement pas encore au point pour obtenir un résultat convaincant. Certaines EAE l'ont essayé, avec des retours mitigés. Pour nous, c'est de toute façon la mauvaise approche. Quiconque décroche le téléphone veut consciemment parler à un être humain. Il ne faut pas lui retirer cette possibilité.
Comment l'IA aide-t-elle alors au téléphone ?
En assistant non pas le·la client·e, mais les collaborateur·trice·s. La personne qui prend l'appel reçoit au même instant, via l'assistant IA interne, la réponse techniquement correcte – quel que soit le sujet et le niveau d'expérience du·de la collaborateur·trice. Pour les sujets particulièrement chronophages comme le conseil en matière de CEL (communautés électriques locales) ou de RCP (regroupement dans le cadre de la consommation propre), cet outil est d'une valeur inestimable. Après l'appel, le système génère automatiquement un résumé de la conversation pour le·la client·e et le lui transmet par e-mail. Le contact humain est ainsi préservé, tandis que les demandes sont traitées efficacement. Cela améliore l'expérience client et contribue positivement à l'image de l'EAE. L'IA ne remplace donc pas les collaborateur·trice·s, mais les renforce sur le plan technique et en termes de productivité. Dans la perspective d'une éventuelle libéralisation du marché, des collaborateur·trice·s productif·ve·s et des client·e·s satisfait·e·s constituent un atout stratégique.
Vous évoquez la libéralisation du marché. Quel rôle joue l'IA générative dans ce contexte ?
Un rôle très important. Les EAE doivent se rapprocher de leurs client·e·s et développer une compréhension plus fine du marché. C'est précisément là que la solution offre une grande opportunité. Dès aujourd'hui, nous analysons systématiquement chaque conversation par chat – dans le strict respect de toutes les dispositions en matière de protection des données, bien entendu : par thèmes, satisfaction client et autres tendances. Cela crée une image en temps réel de ce qui préoccupe les client·e·s, de ce qu'ils comprennent et de ce qu'ils souhaitent. Cet outil complète les enquêtes de marché ponctuelles avec de véritables données comportementales.
Où va le voyage avec l'IA générative dans le secteur de l'énergie ?
Au-delà de nouvelles formes de connexion entre sites web et IA générative, le domaine de l'analytique recèle encore un potentiel considérable. De nombreuses EAE développent actuellement de nouvelles offres, des solutions CEL aux infrastructures de recharge en passant par les tarifs dynamiques. Celles-ci sont en règle générale très bien conçues sur le plan technique. Ce qui fait parfois encore défaut, c'est la perspective client : un tarif de puissance a-t-il du sens si la plupart des gens ne font pas la différence entre kW (kilowatt, la puissance) et kWh (kilowattheure, la consommation) ? La thématique est-elle bien comprise et comment un meilleur accompagnement des clients influence-t-il l’acceptation d’une nouvelle offre ? Imaginez que nous puissions à l'avenir simuler un tel comportement de marché à l'aide d'un jumeau numérique de marché et prendre, sur cette base, des décisions produit fondées.
Nous n'en sommes évidemment pas encore là. Mais un regard vers d'autres secteurs montre que cela est tout à fait dans le domaine du possible. La condition préalable est bien entendu une base de données solide, construite au fil des années.
De nombreuses EAE sont actuellement très sollicitées, précisément en raison de tous ces sujets réglementaires. L'entrée dans l'IA ne peut-elle pas attendre un ou deux ans ?
Je comprends cette hiérarchie des priorités. De mon point de vue cependant, la forte sollicitation ne plaide pas contre l'IA, mais plutôt en sa faveur : elle doit justement aider à soulager les collaborateur·trice·s et à maîtriser la complexité croissante. Comme je l'ai mentionné, nous apportons déjà un large socle sectoriel, développé et affiné en collaboration avec plusieurs EAE suisses. Nous assumons donc la majeure partie du travail, ce qui permet de maintenir la charge interne à un niveau raisonnable.
Je recommande de toute façon une approche progressive : un point d'entrée simple comme le support client peut être mis en œuvre en quelques semaines, apporte rapidement des premiers résultats tangibles et met les choses en mouvement. S'y ajoute un dernier point, décisif : les données que nous ne collectons pas aujourd'hui ne pourront plus être récupérées par la suite. Quiconque repousse l'entrée de plusieurs années renonce non seulement à des gains d'efficacité, mais aussi à des enseignements essentiels sur les besoins des client·e·s et le comportement du marché.