Avec plus de 69 millions de clients de téléphonie mobile, 25 millions de raccordements fixes et 22 millions de clients haut débit, Deutsche Telekom est une entreprise de télécommunications de premier plan au niveau mondial. Deutsche Telekom Service GmbH veille à ce que des millions de clients bénéficient d’une assistance efficace et de qualité grâce à des solutions innovantes et à des canaux de communication variés. T-Systems a joué un rôle important dans l’optimisation continue de ces services grâce à l’introduction d’une automatisation basée sur l’IA. Résultat : La catégorisation des e-mails a été automatisée à 80 %, les coûts ont été réduits, les processus de travail ont été optimisés et l’expérience client a été améliorée.
Les entreprises qui comptent des millions de clients ont besoin de services et de canaux de communication efficaces. L’équipe de service de Deutsche Telekom est accessible aux clients par de nombreux moyens, notamment les applications en libre-service MeinMagenta et Frag Magenta, les canaux des réseaux sociaux, les chats, les formulaires web ainsi que les options de contact traditionnelles par e-mail et téléphone.
« Ces dernières années, nous avons réussi à élever notre service à un niveau supérieur, notamment grâce à l’utilisation de l’intelligence artificielle », explique Marco Einacker, Lead Automation & DevOps Excellence chez Deutsche Telekom Service GmbH. L’équipe souhaite toutefois améliorer constamment ses processus afin d’optimiser encore davantage le service, tant pour les clients que pour les collaborateurs de l’équipe de service, qui peuvent ainsi se concentrer sur des tâches plus complexes.
Pour y parvenir, Deutsche Telekom Service GmbH mise de plus en plus sur l’automatisation. Par exemple, lorsque les clients remplissent un formulaire web en faisant état de leurs problèmes, ils déclenchent directement un flux de travail automatisé qui garantit un traitement rapide. La plateforme d’orchestration des processus Oreo, qui fonctionne en permanence en arrière-plan, assure le bon déroulement des processus automatisés. « Avec des données structurées provenant de formulaires web, l’automatisation est relativement facile à mettre en œuvre. Mais nous nous demandions si les demandes des clients pouvaient être automatisées, y compris sans données structurées. Par exemple, celles qui arrivent par e-mail. »
Le département Automation & DevOps Excellence de Deutsche Telekom Service GmbH a relevé le défi d’automatiser peu à peu la partie délicate de ses processus de service. L’objectif était de mieux gérer la charge de travail du personnel de service en réduisant les tâches manuelles et en gérant mieux la rationalisation des processus internes. Pour atteindre cet objectif, l’équipe s’est attaquée à l’un des principaux canaux de demandes dites « non structurées » : les commandes reçues par e-mail pour les raccordements fixes. Telekom Service GmbH reçoit environ 5 000 e-mails de ce type par semaine. Le concept prévoyait que l’intelligence artificielle saisisse automatiquement les faits contenus dans l’e-mail, les catégorise, en extraie les données pertinentes et les transmette à Oreo afin de déclencher un flux de processus automatisé. La Direction s’est tournée vers les spécialistes en IA de T-Systems, qui ont aidé à développer la solution d’IA.
Vous pouvez consulter le contenu externe directement sur notre site web si vous lautorisez ci-dessous.
J’accepte que des données personnelles soient transmises à des plateformes tierces. En savoir plus dans notre politique de protection des données.
Deutsche Telekom Service traite aujourd’hui des milliers de demandes de service plus rapidement et plus efficacement grâce à des processus automatisés.
Les Large Language Models (LLMs) sont particulièrement performants dans le traitement et l’analyse du langage. Cela en fait un outil idéal pour l’automatisation des services. « Nous avons opté pour un flux de travail Python basé sur Langgraph », explique Sebastian Wagner, ingénieur IA chez T-Systems. À l’aide de GPT, fourni via Azure, l’IA identifie le contenu des e-mails, reconnaît les pièces jointes (par exemple les photos ou les PDF) et extrait les données pertinentes. Mais la compréhension des mots ne suffit pas. Le défi consiste à interpréter les intentions des clients. Sur la base de 20 catégories principales et de 40 sous-catégories de demandes de service, les experts techniques ont travaillé ensemble pour élaborer des descriptions précises et attribuer les problèmes des clients à des processus internes afin de garantir une catégorisation correcte.
L’IA développée exécute successivement les tâches suivantes : Analyser les e-mails, extraire les données, catégoriser les demandes et déterminer si elles contiennent plusieurs problèmes. Sur la base de cette analyse, les demandes sont soit dirigées vers les processus d’automatisation d’Oreo, soit marquées pour être traitées manuellement. Pendant la phase de test, les agents de service ont annoté des e-mails afin de créer un ensemble de données. L’IA a ainsi atteint une précision de 80 % dans l’identification des problèmes des clients. Pour garantir la qualité, des contrôles aléatoires sont effectués et les performances sont surveillées via un tableau de bord, tandis que MS Teams envoie des notifications en cas d’écart sur les principaux indicateurs.
T-Systems a fourni la pile d’IA complète pour notre idée commerciale : Nous pouvons désormais traiter une grande partie des e-mails des clients dans le domaine du service de manière entièrement automatisée, ce qui nous permet d’économiser environ deux millions d’euros de coûts par an – et la tendance est à la hausse.
Marco Einacker, Lead Automation & DevOps Excellence, Deutsche Telekom Service GmbH
Avec le nouveau service d’IA, Deutsche Telekom Service GmbH a continué à automatiser ses processus. 80 % de tous les e-mails entrants sont automatiquement catégorisés et dirigés vers des processus d’automatisation existants. Cela allège considérablement la charge de travail des collaborateurs et leur permet de se concentrer sur d’autres tâches. En outre, cette approche permet de réaliser des économies annuelles de plus de deux millions d’euros. « Dans les années à venir, une fois que le service aura été optimisé, nous verrons encore plus de potentiel. » Pour les clients, cela signifie un traitement plus rapide et, au final, une qualité de service nettement supérieure.
