- Speaker #0
Bienvenue dans ce nouvel épisode des signaux du changement. Avant le débat, voici l'essentiel en 3 minutes. Vos clients disent vouloir un humain. Dans toutes les enquêtes, ils le disent massivement. Et pourtant, ils utilisent les machines. Alors, que refusent-ils exactement ? Les études montrent 3 choses. La première, c'est qu'on leur dise que c'est un robot. Dans une expérience de terrain, une société de crédit a appelé 6000 clients. Un robot vocal qui ne se présentait pas comme un robot a vendu autant qu'un conseiller expérimenté, près d'un client sur quatre. Le même robot, qui annonçait au début de l'appel qu'il était un robot, a vendu à moins d'un client sur vingt. La moitié des clients ont raccroché dans les cinq secondes. Le robot était le même, seule l'annonce avait changé. La deuxième, c'est l'impasse. Une organisation de consommateurs a interrogé 2000 Américains sur leur dernier contact avec un service client par messagerie. Avec un chatbot, près de 6 clients sur 10 n'ont pas obtenu l'aide cherchée. Avec une personne, 2 sur 10. Et la moitié ont eu du mal à trouver un humain. La troisième, c'est l'erreur que personne ne répare. Quand la machine se trompe, le client se méfie ensuite. Même de l'humain qui reprend le dossier, s'il répond trop vite. Depuis le 2 août, la loi européenne oblige les entreprises à dire aux clients qu'ils parlent à une machine. Sur le premier point, vous n'avez donc plus le choix. Mais tout le reste reste à décider. Comment vous l'annoncer, ce que la machine sait faire, et comment le client rejoint un humain. Car les mêmes clients préfèrent la machine dans un cas précis. Quand ils veulent être entendus, pas dépannés. On ne prête pas d'intention à une machine. Elle ne juge pas. On lui dit ce qu'on ne dit pas à un humain. Et quand on peut corriger ce qu'elle propose, même un peu, on l'accepte bien plus. 7 personnes sur 10 au lieu d'une sur deux. D'où 3 actions. 1. Distinguer deux situations. Le client qui a un problème à résoudre et le client qui veut être entendu. Ce sont deux demandes différentes. Elles n'appellent pas la même machine ni les mêmes règles. 2. Pour le client qui a un problème à résoudre, 4 règles. Dites-lui ce que la machine sait faire et ne sait pas faire. Donnez-lui un chemin simple vers un humain sans qu'il ait à répéter son problème. Laissez-le corriger ce que la machine propose. Et quand la machine a échoué, laissez l'humain qui reprend prendre son temps. Une réponse trop rapide ressemble encore à la machine. 3. Pour le client qui veut être entendu, 3 règles. Dites-lui que c'est une machine. Dites-lui ce qu'elle fera de ce qu'il dit, et confiez la suite à des humains. La machine écoute, elle ne décide pas. Le débat qui suit reprend ses points, avec les études, les cas d'entreprise et les objections. Bonne écoute !
- Speaker #1
On a tous connu cette situation, et on sait à quel point elle peut agacer en fait.
- Speaker #2
Ouais, le fameux appel au service client.
- Speaker #1
Exactement ! On appelle un service d'assistance, on entend une voix de synthèse au bout du fil, et là, bah le... Premier réflexe presque viscéral, c'est de chercher le moyen de contourner le système.
- Speaker #2
On appuie sur toutes les touches du clavier.
- Speaker #1
C'est ça. On appuie avec insistance sur la touche d'appel pour avoir un opérateur. Ou on prononce en articulant bien fort le mot conseiller.
- Speaker #2
Dans l'espoir qu'une véritable personne prenne le relais.
- Speaker #1
Et aujourd'hui, en croisant les données issues de multiples enquêtes d'opinion, de retours de terrain et d'analyse sur l'expérience client, on se pose une question très précise. Les clients disent vouloir un humain. plutôt qu'une machine, mais que refusent-ils exactement ?
- Speaker #2
C'est vraiment toute la contradiction qu'on observe constamment quand on analyse les comportements face au système automatisé.
- Speaker #1
C'est-à-dire ?
- Speaker #2
Si on regarde l'ensemble des études disponibles, le rejet semble total, sans la moindre ambiguïté. Les enquêtes d'opinion montrent des majorités qui déclarent préférer interagir avec un être humain.
- Speaker #1
L'humain est plébiscité ?
- Speaker #2
Oui, systématiquement plébiscité dans les réponses.
- Speaker #1
Donc on peut dire que la résistance est bien réelle, je dirais elle s'ancre dans le quotidien de façon très concrète.
- Speaker #2
Il faut tout de suite apporter une nuance à cette lecture des choses.
- Speaker #1
Ah bon ?
- Speaker #2
Bah oui, parce que ces enquêtes, qui sont d'ailleurs très souvent commanditées par les propres éditeurs de ces outils informatiques, elles mesurent avant tout une préférence déclarée.
- Speaker #1
Une opinion de principe quoi.
- Speaker #2
C'est ça, elles capturent une opinion à un moment précis. Ce qu'on déclare dans un questionnaire d'intention ne se traduit pas obligatoirement en comportement réel sur le terrain.
- Speaker #1
D'accord.
- Speaker #2
La déclaration est souvent trompeuse en fait, quand on la compare à l'usage véritable.
- Speaker #1
Oui, alors justement, je ne suis pas tout à fait d'accord avec cette vision d'une simple posture de principe.
- Speaker #2
Tu penses que c'est plus profond que ça ?
- Speaker #1
Ah oui. Les données qu'on explore aujourd'hui prouvent que cette aversion a des effets concrets sur le terrain. Et on l'observe à travers une expérience majeure.
- Speaker #2
Laquelle ?
- Speaker #1
Une campagne d'appel de vente sortant par une société financière en Asie. Et là, le résultat est net. Annoncer le robot avant la conversation fait tomber les achats de près d'un quart, à moins d'un sur vingt.
- Speaker #2
Ah oui, la chute est forte !
- Speaker #1
Le simple fait de nommer l'outil modifie complètement l'issue de l'échange.
- Speaker #2
C'est fou !
- Speaker #1
Pour donner une image, c'est un peu comme servir un repas préparé avec soin dans un bon établissement. Si l'automate n'est pas annoncé au client, il vend autant qu'un vendeur humain expérimenté.
- Speaker #2
Donc le client consomme sans se poser de questions.
- Speaker #1
Exactement. Il déguste le plat, il apprécie, l'expérience est jugée bonne. Mais si on colle l'étiquette « robot » Sur la carte, dès le début...
- Speaker #2
Avant même la première bouchée ?
- Speaker #1
Voilà, avant même d'avoir goûté. La vente s'effondre. Les clients raccrochent en quelques secondes. Et ce qui est marquant, c'est qu'ils jugent l'automate moins compétent alors que l'analyse objective des échanges prouve l'inverse.
- Speaker #2
Le travail est le même.
- Speaker #1
Le travail est rigoureusement le même. Ce n'est donc pas l'outil technique qui fait fuir, c'est son étiquette.
- Speaker #2
L'hostilité s'ancre dans le mot lui-même, oui. L'esprit humain anticipe un service de moindre qualité dès qu'il identifie l'absence d'un interlocuteur humain.
- Speaker #1
On part avec un a priori.
- Speaker #2
L'étiquette active immédiatement un schéma mental associé à la rigidité, à l'incompréhension. On projette sur la machine toutes nos mauvaises expériences passées.
- Speaker #1
Mais cette anticipation négative, elle ne sort pas de nulle part non plus.
- Speaker #2
Non, bien sûr.
- Speaker #1
Elle s'appuie sur une frustration répétée, une vraie impasse mesurée que connaissent beaucoup de clients. Ce n'est pas juste psychologique.
- Speaker #2
Tu fais référence aux impasses de résolution.
- Speaker #1
Oui. Dans une enquête d'une organisation américaine de consommateurs qui portait sur le dernier contact par messagerie, Près de 6 clients sur 10, pensant parler à une machine, n'ont pas obtenu l'aide cherchée. Contre seulement 2 sur 10 avec une personne.
- Speaker #2
Le perception sur l'efficacité est très claire.
- Speaker #1
C'est clair et net. Selon ce que les gens rapportent, l'automate échoue bien plus souvent qu'un humain à résoudre le problème.
- Speaker #2
Et ça bloque.
- Speaker #1
Bah oui, la majorité se heurte à un mur pour joindre un conseiller. C'est une voie sans issue. Et le pire, c'est quand cette impasse de départ contamine le reste de l'échange.
- Speaker #2
Attends, c'est-à-dire ? Comment l'échec initial se propage ?
- Speaker #1
Prenons un exemple concret tiré de notre exploration. C'est une entreprise de livraison de repas.
- Speaker #2
D'accord.
- Speaker #1
Un client a un problème avec sa commande. Un agent conversationnel intervient, mais il comprend mal la demande.
- Speaker #2
Jusque là, classique.
- Speaker #1
Face à l'échec, le système transfère finalement à un humain. Sauf que, et c'est là que ça coince, cet humain s'appuie sur une intelligence artificielle qui lui suggère des réponses toutes faites.
- Speaker #2
Ah !
- Speaker #1
Le conseiller valide. il envoie la réponse super vite. Et le client de l'autre côté, il pense quoi à lui ? Il pense être encore coincé avec la machine stupide du début.
- Speaker #2
Ouais, je vois. L'erreur de départ contamine toute la suite de la conversation.
- Speaker #1
Exactement. Le travail humain est perçu comme mécanique. Le cerveau du client fait un raccourci direct. Rapidité égale robot, donc égale incompréhension.
- Speaker #2
C'est un mécanisme de contagion perceptive, en fait. Le contexte de méfiance du début altère l'évaluation de toute l'interaction.
- Speaker #1
Voilà.
- Speaker #2
Mais... Il y a un point de contexte réglementaire fondamental qui vient bousculer cette mécanique de l'étiquette.
- Speaker #1
Ah oui, la loi ?
- Speaker #2
Ouais. La ruse qui consisterait à cacher la machine pour éviter le rejet, c'est plus légal. Depuis le 2 août 2026, une entreprise a l'obligation stricte d'informer la personne qu'elle interagit avec une intelligence artificielle. Et ce, dès le premier échange.
- Speaker #1
Donc on ne peut plus du tout avancer masqué ?
- Speaker #2
Non, c'est fini. L'étiquette est incontournable. c'est la porte fermée derrière le guichet automatique.
- Speaker #0
Retenons une chose de cette première partie du débat. Ce que les clients fuient, ce n'est pas le robot. C'est l'annonce du robot, l'impasse où il les laisse et l'erreur que personne ne répare. Le robot non annoncé vend comme un bon vendeur. Le même robot, annoncé, fait raccrocher. La compétence n'a pas changé. La perception, si. Et depuis le 2 août, l'annonce est obligatoire. La deuxième partie du débat prend l'autre côté des preuves. Si l'étiquette fait fuir, pourquoi les mêmes clients utilisent-ils les machines chaque jour ? Et que se passe-t-il quand on leur laisse une prise dessus ?
- Speaker #1
Bon, alors si l'étiquette fait fuir et qu'on est obligé de l'afficher, la résistance sur le terrain est inévitable, non ? Les clients fuient le mur, l'erreur, l'impasse.
- Speaker #2
C'est là qu'il faut regarder au-delà de la surface. Je maintiens que la préférence déclarée reste trompeuse.
- Speaker #1
Vraiment ?
- Speaker #2
Bah oui. Les clients disent détester les machines, mais la contradiction avec leurs usages est flagrante. Une grande partie de la population s'en sert au quotidien.
- Speaker #1
Mais c'est peut-être par dépit ? Juste parce qu'on leur laisse pas le choix ?
- Speaker #2
C'est pas qu'une question de contrainte. On observe un vrai phénomène d'apprentissage. L'aversion baisse avec la pratique.
- Speaker #1
Tu as un exemple ?
- Speaker #2
Ouais. Le cas d'une entreprise de télécommunication qu'on a analysée. À l'arrivée d'un automate vocal, La demande pour un humain a flambé.
- Speaker #1
La résistance de base.
- Speaker #2
Exactement. Mais très vite, les réclamations ont baissé durablement. Et c'est surtout pour les clients ayant acquis de l'expérience avec l'outil.
- Speaker #1
Donc la familiarité fait baisser la méfiance.
- Speaker #2
Voilà. Et on l'accepte encore plus quand on utilise le levier du contrôle.
- Speaker #1
Levier du contrôle.
- Speaker #2
Dans une expérience de prévision, pouvoir corriger la machine même un tout petit peu fait passer son choix de moins d'un participant sur deux à 7 sur 10.
- Speaker #1
Attends, t'es en train de dire que... Donner juste un semblant de volant suffit à renverser la méfiance ?
- Speaker #2
Ouais, une infime prise sur l'algorithme et l'acceptation changent radicalement. Le rejet vient du sentiment de dépossession. Si on participe, on accepte.
- Speaker #1
Ok, j'entends l'argument du contrôle, mais on ne peut pas ignorer le vrai ennemi sur le terrain.
- Speaker #2
C'est-à-dire ?
- Speaker #1
Avant même de fuir le robot, les gens fuient un parcours incertain. Dans des expériences incitatives, On voit que les clients évitent l'option sans fil d'attente s'ils sentent qu'elle peut échouer.
- Speaker #2
Même sans savoir qui gère l'option ?
- Speaker #1
Exactement. Que ce soit humain ou machine, la peur de l'échec prime. Je prends le cas d'une vaste place de marché asiatique.
- Speaker #2
Ouais ?
- Speaker #1
Les demandes gérées par l'intelligence artificielle y sont traitées plus vite, c'est un fait. Mais elles sont notées moins bien.
- Speaker #2
Donc la vitesse ne fait pas tout ?
- Speaker #1
La vitesse n'achète pas la satisfaction. Si ça échoue, le fait que ce soit rapide n'a aucune valeur.
- Speaker #2
Cette observation, ça nous amène à la clé de lecture fondamentale.
- Speaker #1
Je t'écoute.
- Speaker #2
Il faut séparer deux besoins distincts. D'un côté, le besoin de résoudre. De l'autre, le besoin d'être entendu.
- Speaker #1
Ah, résoudre et entendre.
- Speaker #2
Oui, la dynamique change totalement selon le but. Pour résoudre, on veut une issue.
- Speaker #1
C'est clair, une action concrète.
- Speaker #2
Mais pour être entendu, la machine est parfois préférée à l'humain.
- Speaker #1
Préférée, hein ? Pourquoi on préférerait une machine pour se confier ?
- Speaker #2
Parce qu'elle ne juge pas et qu'elle n'a aucune intention. L'humain écoute avec ses filtres sa morale, la machine non.
- Speaker #1
Donc sa froideur devient un atout.
- Speaker #2
Absolument. Face à des symptômes médicaux gênants ou pour des achats embarrassants, les clients préfèrent se confier à un automate non humanisé.
- Speaker #1
C'est vrai que le regard social, ça pèse lourd. La règle se dessine. La machine gagne quand elle est perçue comme capable et que la personnalisation est inutile.
- Speaker #2
Et dans tous les autres cas, c'est l'humain.
- Speaker #1
Par contre, il faut qu'on s'arrête deux secondes. Il y a une objection méthodologique stricte à faire sur toutes ces preuves.
- Speaker #2
Oui, il faut mettre en garde ceux qui écoutent.
- Speaker #1
Ces données viennent d'expériences isolées, de scénarios artificiels ou d'enquêtes rétrospectives.
- Speaker #2
C'est vrai, on se base sur des souvenirs.
- Speaker #1
Aucune série sur le terrain ne suit les mêmes clients jusqu'à leur fidélisation à long terme.
- Speaker #2
On n'a pas la vue d'ensemble.
- Speaker #1
Non. Et financièrement, personne n'a mesuré ce que l'impasse coûte réellement quand le client tourne en rond. Et surtout... Aucune étude n'a comparé la qualité d'une écoute purement interne par une machine face à un humain.
- Speaker #2
On ne bâtit pas de certitudes absolues sur ce qui manque, c'est clair.
- Speaker #0
Gardons la distinction que nos deux experts viennent de construire. Un client qui a un problème veut une issue. Un client qui a quelque chose à dire veut ne pas être jugé. Ce ne sont pas les mêmes demandes et la même machine n'y répond pas de la même façon. Résoudre ou entendre. Gardons aussi en tête ce que les études ne disent pas. Aucune n'a suivi les mêmes clients depuis leur premier échec avec une machine jusqu'au jour où ils partent ou restent. Aucune n'a calculé ce que coûte à une entreprise un client qui tourne en rond sans trouver personne. Et aucune n'a comparé, dans une entreprise, ce que des salariés disent à une machine et ce qu'ils disent à un humain. Trois questions ouvertes. La dernière partie du débat en tire des décisions concrètes, en s'en tenant à ce que les preuves permettent.
- Speaker #1
Bon, avec ça en tête, voyons les décisions. Comment organiser tout ça ? D'abord, pour la résolution. Puisque l'annonce de la machine est obligatoire, il faut soigner la forme.
- Speaker #2
Quelles sont les règles à retenir ?
- Speaker #1
Afficher clairement le temps d'attente, ça augmente l'acceptation.
- Speaker #2
Logique.
- Speaker #1
Dire précisément ce que l'automate sait faire et ce qu'il ne sait pas faire. Et surtout, garantir une porte de sortie vers un humain. Sans jamais forcer le client à répéter son problème.
- Speaker #2
Ah oui, l'historique doit suivre.
- Speaker #1
Toujours. Ensuite, laisser le droit de corriger la machine. Et enfin, si la machine échoue, l'humain qui prend le relais doit ralentir ses réponses.
- Speaker #2
Pour casser l'illusion robotique dont on parlait tout à l'heure.
- Speaker #1
Exactement. Et du côté de l'organisation de l'écoute, alors ?
- Speaker #2
Pour l'écoute, on s'attende sur le besoin d'être entendu sans jugement. Certaines organisations utilisent désormais des agents conversationnels pour recueillir la parole de leurs salariés.
- Speaker #1
La parole qui n'ose pas dire à leur encadrant.
- Speaker #2
Exactement. Mais il y a trois conditions strictes. D'abord, dire clairement ce qu'est la machine. Ensuite, préciser ce qu'elle va faire de cette parole.
- Speaker #1
Pour rassurer.
- Speaker #2
Et enfin, remettre systématiquement la décision finale à un humain.
- Speaker #1
C'est l'humain qui tranche.
- Speaker #2
Toujours.
- Speaker #1
On a quelques exemples d'applications sur le terrain. Un transporteur britannique a carrément dû désactiver son automate après un incident public retentissant.
- Speaker #2
Ouais, la machine laissée sans surveillance, ça pardonne pas.
- Speaker #1
A l'inverse, le médiator national de l'énergie s'est retrouvé inondé de litiges basés sur des lois inventées par des générateurs de textes.
- Speaker #2
Du coup, il lance son propre assistant automatisé pour orienter vers un conseiller.
- Speaker #1
C'est malin.
- Speaker #2
Et il y a aussi une plateforme publique française qui a réussi à réduire ses délais. Elle laisse l'intelligence artificielle proposer une réponse, mais c'est obligatoirement validé par un agent humain derrière.
- Speaker #1
L'équilibre entre les deux, en fait.
- Speaker #2
Voilà.
- Speaker #1
Ce qu'il faut retenir en clôturant cette exploration, c'est qu'on refuse les morales simplistes.
- Speaker #2
On ne dit ni que les clients détestent la machine, ni que la machine écoute mieux.
- Speaker #1
Non. Les clients rejettent l'étiquette, ils rejettent l'impasse et l'erreur non réparée. Mais ils chérissent l'absence de jugement. Et on laisse la question finale ouverte pour prolonger la réflexion. Quand la machine échoue, combien de temps le client met-il à trouver un humain ? Et doit-il tout redire ?
- Speaker #0
Cet épisode vous est proposé par Spentia. Une perspective, pour finir. Résoudre ou entendre ? La question vaut pour vos clients, elle vaut aussi pour vos équipes. Une machine qui écoute sans juger fait dire ce qu'on ne dit pas à un manager. Elle ne remplace pas la décision, elle la précède. C'est sur cette distinction que se construisent les dispositifs d'écoute utile. Et c'est celles que nous vous invitons à garder en tête. Les sources sont dans les notes de l'épisode. Si cet épisode vous a été utile, partagez-le. A bientôt pour un prochain signal.
