G7 transforme sa relation client avec Dydu

Comment un chatbot basé sur les LLMs améliore l’autonomie des clients tout en renforçant la qualité de service ?

Face à l’évolution des usages et à la nécessité de répondre toujours plus rapidement et efficacement aux demandes de ses clients, G7 (leader du taxi en France) a fait un pari ambitieux : s’appuyer sur l’intelligence artificielle générative pour améliorer sa relation client. Pour relever ce défi, l’entreprise a collaboré avec Dydu, expert en IA Conversationnelle, pour déployer un chatbot basé sur un modèle de langage (LLM). 

Une démarche résolument tournée vers l’innovation, mais aussi vers le contrôle, la maîtrise et la qualité. Retour sur un projet structurant.

Un objectif clair : fluidifier la relation client sans la déshumaniser

G7 est une entreprise qui repose sur une double promesse : améliorer la mobilité pour les passagers et simplifier le quotidien des chauffeurs. Avec 32 millions de passagers transportés chaque année, 15 000 chauffeurs affiliés, et plus de 10 000 entreprises clientes, la relation client y est un enjeu central et permanent. 

L’entreprise disposait déjà d’un centre d’aide enrichi par l’IA, mais souhaitait aller plus loin avec un outil capable de comprendre le langage naturel, s’adapter au contexte et répondre de façon fiable, tout en maîtrisant les risques grâce à un LLM « bridé » et paramétrable. 

C’est dans ce contexte que G7 a vu dans les LLM une opportunité : non pas de remplacer ses équipes, mais de mieux orienter les clients, de leur offrir une autonomie accrue, et de libérer du temps pour les demandes à forte valeur. 

Trois objectifs ont été identifiés : 

1. Permettre aux clients de trouver rapidement les réponses à leurs questions simples, sans avoir besoin de contacter un conseiller. 

2. Garantir une qualité de réponse constante lorsqu’un contact humain reste nécessaire.

3. Exploiter les données issues des interactions pour identifier les signaux faibles et ajuster les priorités business et produit.

Un chatbot LLM co-construit avec Dydu : une approche hybride et pragmatique

G7 et Dydu ont fait le choix d’une approche hybride, mêlant puissance des LLM et structure métier. Le chatbot, désormais déployé sur le site web G7, s’articule ainsi autour de trois niveaux de réponse : 

• Niveau 1 : pour de simples questions fréquentes, le LLM génère une réponse naturelle, à partir des données disponibles sur le site web. 
• Niveau 2 : pour les sujets plus complexes (ex : remboursement, cadre légal), les réponses sont construites sur des formats plus structurés (arbres de décision), avec un accompagnement intelligent de l’IA. 
• Niveau 3 : pour les cas sensibles (par exemple, une personne en situation de handicap qui a besoin d’un service particulier), la demande est redirigée vers un conseiller via un ticket enrichi automatiquement par le LLM. 

Cette architecture permet d’allier réactivité, qualité et sécurité dans le traitement des demandes, tout en assurant une expérience fluide pour l’utilisateur. Et surtout, la solution Dydu a été conçue pour être utilisée directement par les équipes métier, sans nécessiter de compétences techniques. 

Mesurer la performance : un nouveau défi pour l’ère LLM

La phase de test du chatbot a débuté avec l’envoi de centaines de questions simulées, analysées manuellement pour évaluer la pertinence des réponses. Mais cette méthode, bien que précieuse, s’est rapidement révélée trop chronophage pour être pérenne. G7 et Dydu ont donc travaillé ensemble à la mise en place d’un système d’évaluation automatique des performances, adapté aux spécificités des modèles LLM. 

Premier défi : définir les bons indicateurs. Les KPIs classiques des chatbots (comme le taux de non-compréhension) deviennent obsolètes, car un LLM fournit presque toujours une réponse, même s’il n’est pas certain de sa pertinence.

Il a donc fallu concevoir de nouveaux critères d’évaluation, centrés sur la confiance du modèle dans ses propres réponses. Le LLM auto-évalue désormais chaque réponse à l’aide de plusieurs techniques : 

• Une analyse factuelle, basée sur le nombre et la diversité des sources mobilisées. 
• Une analyse sémantique, qui mesure l’écart entre la réponse générée et les documents de référence, pour identifier d’éventuelles dérives. 
• Un score de probabilité qui reflète la pertinence estimée par le LLM lui-même. 

Parallèlement, le chatbot utilise aussi l’IA pour analyser les intentions et classer les thématiques abordées par les utilisateurs. Cela permet d’identifier les sujets les plus fréquents ou les plus sensibles, et de prioriser les améliorations à apporter, notamment en cas de score de confiance faible. Ce système intelligent et évolutif constitue un socle essentiel pour piloter et améliorer en continu la qualité des réponses fournies par le chatbot.

Améliorer le chatbot : un travail continu, structuré et itératif

L’approche adoptée repose sur un cycle d’amélioration permanent, structuré autour de trois leviers : 

1. Améliorer l’algorithme avec un prompt dédié : pour cadrer les réponses, éviter les digressions ou les hallucinations. 

2. Améliorer la base de connaissances pour la rendre adaptée à une utilisation par l’IA : ajouter les contenus manquants, enrichir les articles existants, et nettoyer les données obsolètes. 

3. Créer des arbres de décision : pour les cas spécifiques, complexes ou sensibles afin de contrôler les réponses proposées. 

Cette démarche a permis non seulement d’augmenter la qualité des réponses, mais aussi de renforcer la fiabilité du service pour les utilisateurs. 

Tout cela s’inscrit dans un processus itératif, mené régulièrement avec les équipes de G7 et Dydu, bien au-delà de la mise en production initiale. Le projet ne s’arrête pas au moment où le chatbot est mis en ligne : il continue à évoluer pour rester performant et pertinent. 

Gérer les escalades : efficacité sans compromis

Un autre point important du projet était la gestion des escalades vers les équipes humaines. G7 a choisi une politique claire : il est préférable d’escalader une demande que risquer une réponse inexacte. 

Grâce à l’IA, les tickets sensibles sont désormais : 

• Détectés automatiquement, selon le contexte ou certains mots-clés.
• Pré-remplis par le LLM, ce qui fait gagner du temps aux conseillers.
• Priorisés en fonction de leur complexité ou de leur criticité. 

Résultat : un service client plus réactif, plus efficace et mieux informé.

Des résultats très encourageants dès les premières semaines

La démarche structurée et progressive de G7 a porté ses fruits rapidement. Dès la première itération, les résultats étaient satisfaisants : 

Avant le travail d’optimisation : 

• 50 % de réponses très satisfaisantes 
• 45 % de réponses à améliorer (souvent par manque de contenu clair)
• 5 % de réponses insatisfaisantes 

Après amélioration : 

• 95 % de réponses très satisfaisantes (y compris les cas bien escaladés) 
• 5 % de réponses à améliorer (des sujets sensibles, non appropriés pour un traitement 100 % automatique, mais possible avec une approche hybride) 
• Moins de 1 % insatisfaisantes

Et la suite ?

Le chatbot n’est qu’un point de départ. G7 prévoit déjà de : 

• L’étendre à d’autres canaux (réseaux sociaux, applications …)
• Le connecter à son back-office pour étendre le spectre 
• L’adapter à d’autres publics, notamment les chauffeurs 
• Explorer de nouveaux formats, comme le callbot

Un partenariat humain, au service de l’innovation

Au-delà de la technologie, ce projet est aussi l’histoire d’un partenariat solide entre les équipes de G7 et celles de Dydu. Une organisation projet claire, des échanges réguliers, et une volonté commune d’itérer et d’améliorer en continu ont permis de dépasser les défis de l’IA générative. 

« L’IA ne remplace pas l’humain. Elle l’augmente. Elle nous aide à mieux servir nos clients, plus vite, avec plus de pertinence. » –Samir Dilmi, CRO chez Dydu