Construction d’une hotline intelligente, proactive et multi-canal

Il y a quelques jours avait lieu à Strasbourg le Hacking Industrie Camp. La team Versusmind étant très friande de ce type d’exercices, nous nous sommes alignés sur pas moins de 3 projets avec 11 consultants. Ce billet de blog présente la solution que nous avons conçu et développé sur l’un de ces projet au cours des 2 jours de Hackathon : « Sniffe le réseau »

Le pitch

“Scanner les messages de Twitter à l’aide d’une IA capable de comprendre le sens du message et détecter si celui-ci parle d’une panne de courant afin de détecter les incidents de façon proactive”.

L’équipe est formée, le brainstorming commence : Au-delà de ce premier canal pour la déclaration des pannes, nous proposons d’ajouter deux canaux intéressants dans ce type de scénario (pas d’électricité) : l’application mobile, installée via le store, ou le chatbot qui pourra être ajouté comme contact sur les principales plateformes de discussion sociales, et qui pourront également permettre de notifier l’opérateur de la panne, sans avoir à passer par une centrale téléphonique qui est peut être déjà surchargée.

Très vite, la détection de panne n’est plus le seul objectif et on souhaite accompagner l’utilisateur de bout en bout depuis l’apparition de la panne jusqu’au retour à la normale, ce qui ne représente aucun problème avec des canaux tels que le mobile et le chatbot. On ajoute donc à la liste une API et une interface backoffice pour les techniciens pour gérer les pannes de l’apparition à la résolution et tenir les utilisateurs au courant des avancées.

Et puis tant qu'à faire, on se dit que si on détecte un utilisateur victime d’une panne sur Twitter, on pourrait essayer de l’attirer sur notre chatbot pour lui proposer de l’accompagner de façon proactive.

Le décor est planté : nous allons développer une plateforme de SAV intelligente et multi-canal sur un week-end !

L’architecture

L’architecture est posée assez rapidement :

• Une IA qui soit capable d’analyser le contenu des tweets et de les catégoriser pour définir s’ils signalent une panne
• Un Service Worker qui analyse un stream de tweets en entrée, les passe à la moulinette de notre IA et alimente l’API avec les résultats positifs
• Une API chargée de recueillir les signalements et de renvoyer les informations vers les différents canaux
• Une interface BackOffice pour les opérateurs avec une carte permettant de visualiser les incidents, de les traiter : confirmer en tant qu’incident, suivi de l’intervention, envoi d’informations aux usagers de la zone par chatbot ou notification mobile, etc…
• Un chatbot pour offrir à nos usagers un accompagnement personnalisé, permettre la déclaration de pannes bien sûr mais aussi des notifications sur l’évolution de la situation et un assistant pour les aider à résoudre des pannes par eux-même (pourquoi pas)
• Une application mobile pour offrir sensiblement les mêmes services que le chatbot mais par un canal différent et laisser le choix aux utilisateurs

Au niveau technologique, les solutions retenues sont les suivantes :

• LUIS (Language Understanding Intelligence Service) l’IA de compréhension du langage naturel de Microsoft
• Azure Stream Analytics pour capturer, analyser et traiter les tweets
• Microsoft Bot Framework pour le développement du Chatbot
• ASP.Net MVC  et SignalR pour l’API et le Backoffice
• BabylonJS pour l'affichage de la carte en 3d
• Xamarin pour l’application mobile et Azure Notifications Hub pour les notifications mobiles

Proposition de valeur du projet

Le projet a pour but de se servir des possibilités apportées par les dernières évolutions techniques pour améliorer la qualité du service et de l’accompagnement pour les usagers. Il permet en outre :

• Une détection plus rapide des problèmes
• Un service après-vente qui contacte de lui-même le client en difficulté
• Un canal de communication privilégié avec les clients par les réseaux sociaux et les outils de communications que chacun préférera

On peut même imaginer de tout nouveaux scénarii :

• Un client qui signale une panne pourra être guidé par le bot pour vérifier que la panne ne vient pas de chez lui et le cas échéant être accompagné dans la résolution de son problème avec un simple échange comme il l’aurait fait avec un conseiller. On évitera ainsi certains déplacements inutiles de techniciens sur place pour des faux positifs.
• Un autre client, dont un proche serait dépendant de l’électricité, s’il est sous respirateur artificiel par exemple, pourra choisir de s’abonner aux alertes dans la zone géographique du domicile de cette personne afin d’être directement notifié en cas de problème.

En conclusion

Cette expérience au Hacking Industry Camp restera un excellent souvenir pour toute l’équipe. L’organisation a été vraiment top du début à la fin et l’ambiance était vraiment excellente ! Un grand bravo à toute l’équipe d’Alsace Digitale.
Nous tenons également à remercier les porteurs de projet de pour avoir apporté une si bonne idée ainsi pour leur confiance et leur bonne humeur tout au long du week-end (pas si facile de supporter une bande de dev survoltés, après 2 jours de privation de sommeil). Nous nous sommes vraiment bien amusés et avons appris plein de choses.
Si vous aussi vous voulez découvrir comment ce projet a été développé et toutes les nouvelles choses sympas que l’on a pu faire sur le Bot Framework, avec LUIS, Azure Stream Analytics et BabylonJS, je vous invite à suivre notre blog pendant les prochaines semaines: nos consultants vous détaillerons tout cela dans des billets de blog à venir.

Envie d'un aperçu du résultat obtenu? C'est juste en dessous:

Stay tuned!