À mesure que la demande en service client augmentait durant la pandémie, Bell a vu une opportunité de réduire la pression exercée sur les centres d’appels en introduisant une expérience d’assistant virtuel alimentée par l’IA conversationnelle.
L’initiative visait à moderniser l’écosystème de support client de Bell en offrant aux utilisateurs des réponses plus rapides, des parcours d’auto-assistance intuitifs, et des interactions plus humaines sur mobile et web.
En tant que Senior Product Designer, j’ai dirigé la conception UX de l’assistant propulsé par IA, en définissant les modèles d’interaction, le ton, et la logique d’escalade afin de trouver le juste équilibre entre automatisation et empathie.L’objectif était clair : réduire le volume de support tout en améliorant l’accessibilité, la rapidité et la confiance dans les canaux numériques de Bell.
Lorsque la pandémie de COVID-19 a forcé les fermetures de centres d'appels et les ordres de rester à la maison, Bell a fait face à un défi sans précédent : une augmentation de la demande pour les services de télévision et Internet de la part de clients travaillant et apprenant depuis la maison, combinée à une capacité de centre d'appels considérablement réduite. Les centres de support étaient submergés, les temps d'attente s'étiraient jusqu'à des heures, et les clients devenaient de plus en plus frustrés par leur incapacité à obtenir de l'aide en temps opportun — créant une crise qui menaçait à la fois la satisfaction client et les revenus commerciaux.
Problèmes des utilisateurs :
Nous avions un problème sérieux. Notre support client était submergé par l'afflux de nouveaux clients qui étaient coincés à la maison et voulaient des services de télévision et Internet. Nous n'avions pas assez d'agents de centre d'appels pour gérer les appels et nos clients sont devenus frustrés par les longues attentes.
Problème commercial :
En tant qu'entreprise, l'inévitable churn due à l'incapacité d'offrir un support approprié et rapide coûtait à l'organisation des milliers de pertes de revenus.
J'ai géré la conception de l'expérience de bout en bout pour l'assistant virtuel de Bell — une interface conversationnelle alimentée par l'IA conçue pour gérer les demandes de support, l'intégration de service et le dépannage sans intervention humaine. Travaillant aux côtés de product managers, d'ingénieurs IA/ML et de stratèges de contenu, j'ai dirigé le flux de travail de design de la découverte à la livraison, créant un assistant virtuel qui a réduit la charge du centre d'appels, amélioré les temps de réponse et empêché la perte de revenus due au churn client.
La direction de Bell a reconnu que la crise de support motivée par la pandémie causait des pertes de revenus significatives par le churn client et les retards de service. L'initiative de l'assistant virtuel visait à transformer le support d'un goulot d'étranglement uniquement humain en une solution automatisée et évolutive. Les principaux objectifs commerciaux comprenaient :
Nous avons comparé les expériences d'IA conversationnelle des principales entreprises technologiques (Amazon Alexa, Google Assistant, Apple Siri) et des plateformes de services (chatbots bancaires, assistants e-commerce) pour informer une expérience d'assistant virtuel plus naturelle et efficace. Les insights clés ont révélé que les assistants virtuels réussis privilégient la compréhension du langage naturel, la conscience contextuelle et la transition gracieuse vers les agents humains lorsque nécessaire. Nous avons adapté ces modèles à l'écosystème de support de Bell, créant un assistant virtuel qui pouvait gérer les demandes courantes tout en escaladant sans effort les problèmes complexes — transformant le support d'une crise en un avantage concurrentiel.
Des entretiens avec 36 clients de Bell et l'analyse des données de tickets de support pendant la pandémie ont révélé des modèles cohérents autour de la frustration de support :
Ces insights ont façonné notre approche : créer un assistant virtuel naturel et conversationnel qui fournit un support immédiat et efficace sans retards humains.
Nous avons conçu un assistant virtuel conversationnel qui transforme le support d'un goulot d'étranglement uniquement humain en une solution automatisée et évolutive. L'assistant virtuel gère les demandes courantes, guide l'intégration de service et fournit un support de dépannage instantanément — sans temps d'attente ou dépendance humaine. Grâce à la compréhension du langage naturel et à la conscience contextuelle, l'assistant fournit des réponses immédiates tout en escaladant gracieusement les problèmes complexes vers les agents humains lorsque nécessaire.
Permettre aux utilisateurs de poser des questions dans leurs propres mots, pas des options de menu rigides. L'assistant comprend l'intention à partir de l'entrée conversationnelle, rendant le support naturel et humain plutôt que robotique ou scripté.
Guider les nouveaux clients à travers la configuration de service étape par étape. L'assistant aide les clients à activer les services, configurer l'équipement et dépanner les problèmes de configuration initiaux — réduisant le besoin d'intervention d'agents humains et empêchant les retards de service.
Tirer parti des données de compte et de l'historique de service pour fournir un dépannage personnalisé. L'assistant comprend les services de l'utilisateur, les activités récentes et les problèmes courants pour offrir des solutions pertinentes et actionnables sans demander de contexte que le système connaît déjà.
Lorsque l'assistant ne peut pas résoudre un problème, il passe en douceur à un agent humain avec le contexte complet. Le transfert préserve l'historique de conversation, les détails du compte et les solutions tentées — permettant aux agents de reprendre là où l'assistant s'est arrêté sans répéter les informations.
Définition du point d'entrée 
Transfert vers un agent
Augmentation des notificationsPour étendre la valeur de l'assistant virtuel au-delà du simple Q&R, nous avons conçu un moteur de conversation intelligent qui apprend des interactions utilisateur et s'améliore dans le temps. L'architecture supporte les conversations multi-tours, la préservation du contexte et la reconnaissance d'intention — permettant à l'assistant de gérer des scénarios de support complexes sans intervention humaine.
Le moteur d'IA conversationnelle a introduit l'analyse de sentiment, les suggestions proactives et la résolution de problèmes prédictive — aidant l'assistant à anticiper les besoins des utilisateurs et offrir des solutions avant même que les utilisateurs ne demandent. En combinant le traitement du langage naturel, l'apprentissage automatique et le design centré sur l'humain, l'assistant virtuel a transformé le support d'un service réactif en une solution proactive et toujours disponible qui réduit les temps d'attente et améliore la satisfaction client.
L'initiative de l'assistant virtuel a transformé l'expérience de support de Bell d'un goulot d'étranglement uniquement humain en une solution automatisée et évolutive — reliant avec succès la demande de support à l'efficacité commerciale grâce à une assistance alimentée par l'IA et un transfert humain transparent.
Résultats mesurés :
Le succès de l'assistant virtuel a démontré que les crises de support pouvaient être résolues — non pas par plus d'agents de centre d'appels, mais par un design de support plus intelligent alimenté par l'IA.
Grâce à cette initiative, nous avons appris que le design efficace d'assistant virtuel va au-delà de la technologie de chatbot. Il nécessite compréhension du langage naturel, conscience contextuelle et transfert humain gracieux. En alignant le produit, le design et l'ingénierie autour d'un objectif commun de support immédiat et efficace, nous avons transformé le support d'un goulot d'étranglement uniquement humain en une solution automatisée et évolutive. Le design conversationnel, la préservation du contexte et l'escalade transparente se sont avérés essentiels pour transformer une crise de support en un avantage concurrentiel.
Les utilisateurs détestent les menus IVR et les flux de boutons rigides. Pendant la recherche, nous avons appris que les utilisateurs préféraient poser des questions dans leurs propres mots plutôt que de naviguer à travers des menus structurés. En concevant pour la compréhension du langage naturel au lieu de hiérarchies de menus, nous avons créé un assistant virtuel qui semblait humain et conversationnel plutôt que robotique ou scripté. La clé était de comprendre l'intention à partir de l'entrée conversationnelle — permettant aux utilisateurs de demander "Pourquoi ma facture est plus élevée ?" au lieu de naviguer à travers les menus "Facturation" → "Demande de facture" → "Changements de facture".
Les conversations à un seul tour ne peuvent résoudre que des problèmes simples. Les conversations multi-tours avec préservation du contexte ont permis à l'assistant de gérer des scénarios de support complexes qui nécessitaient plusieurs étapes ou clarifications. En se souvenant des messages précédents, des détails du compte et des solutions tentées dans une conversation, l'assistant pouvait guider les utilisateurs à travers l'intégration de service, le dépannage et la résolution de problèmes sans demander d'informations qu'il connaissait déjà. Cette conscience contextuelle a considérablement amélioré les taux de résolution et la satisfaction des utilisateurs.
Aucun assistant virtuel ne peut résoudre tous les problèmes. Lorsque l'assistant ne pouvait pas résoudre un problème, le transfert gracieux vers les agents humains devenait critique. Nous avons conçu des workflows de transfert qui préservaient l'historique de conversation, le contexte du compte et les solutions tentées — permettant aux agents de reprendre là où l'assistant s'était arrêté sans répéter les informations. Cette transition transparente a empêché la frustration des utilisateurs d'avoir à recommencer et a assuré que les problèmes complexes atteignaient les agents humains avec le contexte complet — améliorant considérablement les temps de résolution et la satisfaction client.
Merci aux partenaires interdisciplinaires du produit, de la recherche, de l'ingénierie et des opérations.
J'ai encadré 4 designers juniors sur les tests d'accessibilité et la recherche utilisateur, perfectionnant leur art du design visuel et les façonnant en contributeurs confiants pour les futurs projets UX sécurisés.