Vos appels sont enregistrés, archivés, parfois réécoutés quand un litige l’exige. Avant, il était difficile de tracer un appel et, en retour, de juger la qualité du service fourni, au-delà de la solution concrète apportée. Avec l’intelligence artificielle intégrée aux solutions de téléphonie, on peut désormais aller plus loin dans la satisfaction client.
L’analyse de sentiment est un résultat que l’on obtient à partir des résumés d’échanges téléphoniques. À terme, cette donnée permet de fournir une meilleure expérience client grâce aux insights remontés. Elle passe chaque conversation au crible et signale celles qui ont besoin d’être étudiées et améliorées. Voyons comment elle fonctionne, ce qui est signalé, quelles sont ses limites et comment la déployer sans prendre de risques avec le RGPD.
Pourquoi les enquêtes de satisfaction ne suffisent pas ?
L’enquête post-appel reste l’outil de référence pour mesurer la satisfaction. Elle a pourtant un angle mort évident : elle ne reflète que l’avis de ceux qui prennent le temps d’y répondre. Le client qui raccroche excédé et qui risque de ne jamais revenir, est pourtant une source précieuse pour la stratégie globale. L’enquête post-appel n’est donc finalement pas représentative. De plus, elle est risquée et peut énerver naturellement encore plus. Dans certains cas, elle peut donc même être contre-productive.
Elle a un second défaut. Une note résume un ressenti global, déclaré après coup. Elle indique si le client est content ou non, mais rarement ce qui, dans l’échange, a provoqué ce ressenti. Pour le savoir, il faudrait réécouter l’appel, une action qui demanderait un temps humain important.
L’analyse de sentiment prend le problème par l’autre bout : au lieu d’interroger le client, elle analyse via un résumé tout ce qui s’est dit durant cet appel, incluant les paroles du conseiller. Tous les appels enregistrés passent par une étude concrète, sans filtre : la satisfaction se mesure sur l’ensemble de vos conversations, et les signaux faibles qui vous auraient échappé, peuvent être mis en lumière.
Qu’est-ce que l’analyse de sentiment d’un appel ?
L’analyse de sentiment d’un appel est une technique d’intelligence artificielle qui détermine, à partir de la conversation enregistrée, si le client exprime un ressenti positif, neutre ou négatif. Chez Axialys, l’analyse de sentiment est obtenue à partir d’une brique d’Analyse IA dédiée qui, de manière complémentaire au résumé d’appel, s’appuie sur la Voix pour identifier les sentiments et les émotions exprimés du client. L’analyse de sentiment sert à étudier l’intensité émotionnelle mesurée directement sur la voix du client, pas seulement sur ses mots, elle peut donc par exemple identifier des pics de colère, la qualité du service rendu, le sentiment client en fin d’appel, et la résolution de la demande. Pour enrichir ces données, il est possible d’ajouter des Tags IA qui sont, en revanche, configurés et paramétrés en amont, selon les besoins personnalisés du client et surtout, ses cas d’usage. Ils s’appuient, eux, uniquement sur la transcription, et non sur la voix. Ces derniers ont pour but d’identifier des éléments précis. Certains de ces features font partie intégrante du speech analytics de Voice Monitoring. Pour en apprendre davantage et dissocier les différents blocs selon leur utilité, consultez notre guide complet sur le speech analytics →
En résumé, l’analyse IA vient enrichir les caractéristiques déjà présentes : le résumé obtenu via transcription (speech-to-text) et les tags IA. C’est cette analyse IA qui permet d’atteindre la dimension d’analyse de sentiment. Elle s’appuie sur la transcription et la voix pour donner une analyse des sentiments du client. Cette étude peut se caractériser ensuite par TAG, selon paramétrage.
Au-delà de cette polarité, un modèle bien paramétré sait aussi repérer des états plus précis : frustration, inquiétude, urgence, intention de résilier. C’est l’une des briques du speech analytics, qui transforme les conversations téléphoniques en données exploitables.
Entre le moment où le client raccroche et celui où le superviseur voit le résultat, l’appel passe par plusieurs étapes :
- L’enregistrement. La conversation est conservée dans le respect du cadre légal.
- La transcription. Un moteur de reconnaissance vocale convertit la voix en texte.
- La correction. Un premier modèle de langage (LLM) relit cette transcription brute et rectifie les erreurs de reconnaissance.
- Résumé. Il fait ressortir les points importants de l’échange. Exemple: motif d’appel, problématique client, solution apportée.
- L’analyse IA. Analyse du sentiment client et de l’efficacité de l’agent, basée sur l’audio et la transcription.
- Le tag. Le résultat prend la forme d’une étiquette posée sur l’appel, que l’on peut filtrer, compter ou envoyer dans le CRM.
À quoi sert l’analyse de sentiment durant un appel ?
L’analyse de sentiment sert à repérer les appels à risque
Sans outil d’analyse, le contrôle qualité repose sur la réécoute d’un échantillon : les superviseurs n’écoutent qu’une petite partie des appels. Or un échantillon laisse passer les signaux faibles, et une conversation qui a mal tourné peut rester inaperçue.
Avec un sentiment attribué à chaque appel, la logique s’inverse. Le superviseur ouvre la liste des appels négatifs et sait immédiatement où regarder, sans réécouter ceux qui se sont bien passés, et perdre un temps précieux.
Le signal devient vraiment parlant quand on le rapproche des réitérations. Un client qui rappelle pour la même demande est déjà un client fragile. S’il exprime en plus un sentiment négatif, l’alerte est sérieuse. Le reporting Axialys permet de remonter jusqu’à 18 mois (variable en fonction de vos règles RGPD en vigueur) en arrière pour examiner vos appels. En consultant l’analyse des différents appels antérieurs, vous avez la possibilité de voir où la résolution a échoué : une information manquante, un transfert mal orienté, une promesse non tenue, une solution non-apportée. C’est sur ce premier appel qu’il faut agir pour améliorer votre taux de résolution au premier contact (FCR), et réduire du même coup le volume d’appels.
L’analyse de sentiment peut être croisée avec le motif d’appel
Le sentiment prend tout son intérêt quand on le rapproche du motif de l’appel. Les tags automatiques classent chaque conversation par sujet : facturation, livraison, résiliation, panne, changement d’offre. En croisant les deux, vous obtenez une donnée complète et vous voyez quels motifs concentrent l’insatisfaction.
C’est souvent là que se trouvent les leviers les plus efficaces pour améliorer le service client d’un centre d’appels. Si les appels liés à une nouvelle grille tarifaire sont majoritairement négatifs, le problème ne vient pas donc pas de vos conseillers mais de la nouvelle règle en vigueur concernant les prix. En étudiant la cause, vous avez la possibilité de réduire à la fois l’insatisfaction et le volume d’appels. Pour d’autres pistes, consultez nos 10 conseils pour améliorer son service client.
L’analyse de sentiment peut devenir un indicateur de suivi clé
Une fois les appels qualifiés, le sentiment devient un indicateur comme un autre. Vous pouvez suivre la répartition des appels par tonalité, la part d’appels négatifs semaine après semaine, ou l’évolution des motifs d’insatisfaction après un changement de process. Ces données s’ajoutent naturellement aux statistiques de pilotage de votre centre de contact.
Cet indicateur vient compléter, sans remplacer, vos KPI de satisfaction client, comme la CSAT ou le NPS, et vos indicateurs de qualité de service, comme le taux de résolution au premier contact (FCR). Il ne remplace pas la CSAT : l’enquête recueille l’avis que le client déclare, l’analyse de sentiment couvre l’ensemble des appels. Les deux se complètent.
La mise en place de l’analyse de sentiment en trois étapes
Enregistrer dans les règles
Pour introduire l’IA dans vos outils, il faut un système d’enregistrement assez fiable et qualitatif. L’appelant doit savoir que l’appel est enregistré et dans quel but, et les enregistrements ne doivent pas être conservés plus longtemps que nécessaire. Nous détaillons ces obligations dans notre guide sur l’enregistrement des appels et le RGPD.
À noter que si un client veut par exemple n’enregistrer que 50% de ses appels, Axialys propose quand même de faire l’analyse IA sur la totalité des appels.
L’analyse ajoute une question : que faire des données personnelles qui apparaissent dans les transcriptions ? Un client donne son nom, son adresse, parfois son IBAN. La bonne pratique consiste à à anonymiser ces informations dès qu’elles sont détectées, tout en gardant le contexte utile à l’analyse grâce à la pseudonymisation (exemple: un prénom est remplacé par [Personne] ; une adresse est remplacée par [Adresse postale]. Le choix des catégories à masquer se fait avec la décision de votre DPO, en fonction de votre secteur et de vos traitements.
Définir ses tags de sentiment
Un tag de sentiment est une consigne donnée à l’IA : « pose cette étiquette quand tu reconnais telle situation ». Sa qualité dépend entièrement de la précision de la consigne.
Prenons le tag IA_SENTIMENT_URGENCE. Une consigne trop vague le ferait apparaître sur un appel sur deux, puisque presque tous les clients veulent une réponse rapide. La consigne utilisée chez Axialys est donc volontairement stricte : le tag n’est posé que si le client exprime un besoin immédiat de façon forte ou répétée, avec des formulations du type « je ne peux pas attendre » ou « il me faut une solution aujourd’hui ». Un simple « ce serait bien d’avoir une réponse rapidement » ne suffit pas.
Commencez avec un petit nombre de tags, définis aussi précisément que celui-ci. Testez-les sur des appels représentatifs de votre activité, avec leurs accents, leur bruit de fond et votre vocabulaire métier, puis ajustez avant de généraliser. Pour aller plus loin, découvrez pourquoi utiliser les tags d’appel.
Envoyer le résultat dans le CRM
Une analyse qui reste dans un outil à part n’est pas totalement optimisée. Le sentiment, les tags et le résumé de l’appel doivent arriver à être centralisés et rattachés à la bonne fiche client, pour un suivi encore plus précis. C’est le rôle du couplage téléphonie-informatique, disponible chez Axialys, qui relie la téléphonie aux principaux outils du marché : Salesforce, Dynamics 365, Zendesk, easiware, HubSpot, Innso et Freshworks.
Concrètement, le conseiller qui reprend un dossier voit tout de suite que le dernier échange s’est mal passé. Il adapte son approche dès les premières secondes, sans avoir à réécouter les dernières conversations.
Les limites à connaître de l’analyse de sentiment
Aucune IA ne comprend parfaitement un être humain pour le moment, et l’analyse de sentiment ne fait pas exception.
L’ironie et le second degré. « Formidable, encore une semaine sans connexion » : à l’écrit, la phrase est positive en apparence. Comme l’IA lit une transcription et non une intonation, ces tournures restent l’une de ses principales sources d’erreur.
La qualité de la transcription. Une ligne qui grésille, un accent prononcé, un nom de produit inconnu du moteur de reconnaissance, environnement bruyant, micro de mauvaise qualité : chaque mot mal retranscrit fragilise l’analyse qui suit. La correction par un LLM réduit ce risque, sans l’éliminer.
Un tag doit pouvoir se vérifier. Puisque l’IA peut se tromper, ses conclusions ne doivent pas rester sans analyse humaine. Dans Voice Monitoring, chaque tag IA est accompagné des extraits de conversation qui ont conduit à l’attribuer. Face à un appel classé « négatif » ou « urgent » qui semble douteux, le superviseur lit le passage en cause et tranche en quelques secondes, sans réécouter l’appel en entier.
Le jugement humain. Un appel négatif n’est pas forcément un appel mal géré : le sentiment mesure ce que le client exprime, pas la qualité du travail du conseiller. Il indique où regarder, pas ce qu’il faut en conclure. L’IA trie, le superviseur évalue : l’analyse de sentiment renforce votre démarche de quality monitoring, elle ne la remplace pas.
La transparence. Analyser le ressenti des clients pose aussi une question de confiance. Les clients doivent être informés du traitement de leurs appels, et vos équipes doivent savoir ce que l’outil mesure et dans quel but. À savoir qu’il est formellement interdit d’enregistrer ses collaborateurs, hors appel.
Avec Voice Monitoring d’Axialys
Chez Axialys, l’analyse de sentiment fait partie de Voice Monitoring, notre logiciel d’analyse des conversations pour les centres de contact. Il reprend la chaîne décrite plus haut, de l’enregistrement jusqu’au tag, directement depuis votre téléphonie :
- tous vos appels passés par un agent ayant l’option IA, sont analysés sans échantillonnage ;
- la transcription est disponible en moins d’une minute ; et les données IA peuvent être envoyées par API au CRM ;
- un résumé est rédigé à la fin de chaque appel, ce qui allège le temps d’after call work de vos conseillers et leur permet de se concentrer à 100% sur le besoin du client ;
- les tags sont posés automatiquement, par motif comme par sentiment ;
- l’IA est souveraine et conforme au RGPD.
Vous souhaitez enrichir votre service client et améliorer la qualité des échanges téléphoniques ?
