Customer Square

Module plug and play de transcription Speech-To-Text.

Automatisation de processus grâce à l'IA.

Module plug and play de transcription Speech-Analytics.

12 FEV 2020

Description du projet

Aujourd’hui, les centres d’appels se concentrent sur deux tâches principales :

  • Répondre au téléphone à des clients pour traiter leurs demandes ou les contacter pour obtenir des informations et leur vendre un service ou un produit.
  • Faire du reporting sur la masse d’appels reçus pour identifier les tendances des clients concernant leurs besoins, leurs demandes ou encore leur plaintes. .

Les avancées en intelligence artificielle en matière de traitement du langage naturel et de la voix nous permettent en partie d’automatiser ces deux tâches. Cependant, on constate en pratique qu’il est préférable de se limiter au deuxième point. En effet, l’agent se doit d’être attentif aux demandes du clients et adapter son comportement ce qui est aujourd’hui difficile à réaliser pour une machine.

Notre travail s’est donc concentré sur le deuxième point : automatiser le reporting en traitant en masse les appels téléphoniques.

1
Identifier la solution optimale

Réalisation d'un benchmark comparatif sur les différents fournisseurs de Cloud (AWS, Azure, Google Cloud Plateform) sur les critères : performances, coûts, RGPD compliance et simplicité d'intégration.

2
Développer en trois phases

Première phase de prototypage (POC) puis une deuxième phase de mise à l'échelle pour tester la scalabilité de la solution et enfin une phase d'industrialisation et d'optimisation des coûts de fonctionnement.

3
Intégrer et améliorer continuellement

Intégration de la solution développée dans le logiciel client via un système d'API REST pour plus de simplicité et de flexibilité dans l'intégration pour les développeurs puis amélioration continue de la solution.

Solution

Le fournisseur de Cloud retenu est Microsoft Azure, principalement pour le service Azure Logic App qui simplifie l’orchestration des différents modules de la solution. Pour automatiser la transcription, un serveur on-premise est synchronisé à un espace de stockage dans Azure, via un VPN. Deux services Azure cognitive sont utilisés: Speech et Text-Analytics. Le premier fonctionne avec une API REST et le second avec une function serveless Python. Le fonctionnement de tout le processus et conditionné par un contrôle en temps réel du budget Azure.

Stack technique :

Azure Logic App, Azure Budget, Azure Functions (Python SDK), Azure Budget, Azure Blob Storage, API REST, React.

Vous souhaitez essayer notre connecteur Speech-Analytics ?