Christophe Dany : “OWI s’engage contractuellement à une fiabilité supérieure à 95% pour ses chatbots”

Pouvez-vous nous présenter OWI ?

J’ai créé la société en 2008 et le développement de la technologie de compréhension du langage a duré jusqu’en 2013. Nous avons débuté la commercialisation en 2014. En tout, 5 millions d’euros ont été investis dans OWI, dont 1 million d’euros sur fonds propres, des subventions et concours puis 2 millions d’euros levés début 2017.

Depuis 2017, nous sommes absolument convaincus que nos cas d’usage fonctionnent, sont déployables et apportent de la valeur aux clients. Surtout, il y a depuis l’an dernier un vrai marché autour de la compréhension du langage. Depuis la levée, nous sommes déficitaires et nous le serons de plus en plus. Aujourd’hui, nous ne sommes présents qu’en France mais nous envisageons une levée de fonds plus significative pour la fin de l’année, de plus de 10 millions d’euros, en vue d’un développement aux Etats-Unis.

Quels sont les cas d’usage d’OWI ?

Nous intervenons dès lors qu’il est utile de comprendre le langage de manière automatique, pour la relation client des grands comptes. Nous comptons trois offres principales. La première permet à nos clients d’automatiser le traitement des mails de leurs clients. C’est l’offre qui nous a rendus vraiment visibles.

La seconde permet de créer des chatbots, mais c’est un sujet plus en devenir que réellement en production. Nous ne nous sommes positionnés que très récemment sur le chatbot car nous n’étions pas intéressés par les FAQ dynamiques où il n’y a pas besoin de technologie de compréhension du langage. Ensuite, des chatbots avec une interface utilisateur ont émergé mais souvent, il s’agit d’un scénario avec des questions fermées et non pas de langage naturel. Ce que nous proposons, ce sont des chatbots plus évolués capables de comprendre le langage. Nous en avons par exemple créé deux pour le ministère des Finances, notamment pour les paiements aux collectivités locales, et un avec le Crédit Agricole, qui répond aux questions des usagers sur l’assurance-vie. Nous travaillons aussi avec la Société Générale sur un chatbot grand public qui répondra aux demandes des clients [un projet différent du chatbot dévoilé fin mars par la banque et construit avec Doyoudreamup, ndlr].

Le troisième cas d’usage porte sur l’analyse des conversations téléphoniques avec les clients, afin de comprendre les motifs des appels, l’évolution des demandes… Par exemple, nous travaillons avec Canal+ pour mesurer l’impact des annonces et des publicités et identifier les causes de pertes de clients… Avec les banques et les compagnies d’assurance, nous avons plutôt mené des opérations ponctuelles, par exemple pour améliorer l’organisation interne et l’efficacité du traitement des appels.

Quel retour sur investissement peuvent en attendre les clients ?

Sur l’automatisation du traitement des mails, cela dépend du profil du client. Avec des organisations très industrielles, comme Verspieren par exemple, on est capable d’automatiser beaucoup de choses et d’atteindre une réduction globale de 30 à 40% du coût de traitement. Pour les clients intermédiaires comme Natixis Assurances, où l’enjeu est de ne pas rater les mails importants, de les envoyer au bon endroit et d’automatiser ce qui n’est pas majeur, on atteint plutôt 20% d’économies. Enfin, pour les grandes banques, c’est un peu difficile à dire car il s’agit d’une évolution globale de l’organisation : le métier du conseiller en agence change tellement qu’il est compliqué de donner le gain exact.

“OWI permet de réaliser 20 % à 40 % d’économies sur le traitement de mails”

Christophe Dany

CEO d’OWI

Natixis Assurances assurait en juin 2017 réussir à automatiser complètement la gestion de 15% des mails avec OWI. Est-ce que cette proportion se retrouve chez les autres clients ?

Cela dépend du métier mais c’est une bonne moyenne. Le taux augmente par ailleurs au fil du temps car l’entreprise améliore ses process pour automatiser ce qui a peu de valeur ajoutée. Mais l’automatisation d’une partie des mails n’est pas le seul objectif d’OWI : la solution permet aussi de les transmettre directement à la bonne personne ainsi que de faire de l’aide à la réponse. Le conseiller voit s’afficher des textes pré-écrits pour pouvoir envoyer en quelques clics une réponse adaptée.

L’un des effets observés avec l’utilisation d’OWI est une augmentation rapide du volume de mails reçus après la mise en oeuvre de la solution et une diminution des appels téléphoniques en parallèle. Natixis Assurances recevait 300 000 mails par an il y a deux ans et demi et désormais ils en reçoivent plus d’un million.

Quels sont les indicateurs de succès sur les chatbots et l’analyse de conversation téléphonique ?

Avec les chatbots, nous permettons à nos clients de limiter les sollicitations dans les services clients ou les agences. Nous revendiquons un taux de succès supérieur à 90%, c’est à dire que la conversation sur le chatbot a eu une issue qui correspondait aux attentes du client. Lorsque la demande est complexe ou que nous déterminons que le client est prioritaire, nous organisons la mise en contact directe avec la bonne compétence.

Concernant l’analyse de conversations téléphoniques, nous permettons d’améliorer l’organisation des plateaux. Par exemple, Canal+ comptait une équipe d’une vingtaine de personnes dédiées à l’écoute sur les plateformes et à l’analyse des appels. Elle a considérablement maigri grâce à nos outils d’analyse. Le deuxième indicateur de succès, c’est la compréhension des appels et des raisons qui poussent les clients à résilier ou à réagir aux annonces.

Proposez-vous un déploiement SaaS ou on-premise ?

Dans la banque, c’est compliqué de faire du SaaS, mais nous proposons les deux. Nous sommes partenaires d’un certain nombre d’intégrateurs comme Orange, Capgemini ou Atos par exemple. Société Générale et la Banque Postale ont choisi Atos Worldline. Covéa a effectué l’intégration avec ses propres collaborateurs.

Combien de temps dure le déploiement ?

Dans des entreprises qui maîtrisent bien leurs process, cela peut être rapide. Chez Natixis Assurances, cela a pris trois mois seulement. Cela dépend ensuite de l’ampleur des projets. Pour le chatbot de Société Générale, cela demandera environ neuf mois.

Qui sont vos clients dans le secteur financier et sur quels types de projets ?

La Banque Postale mettra en production fin 2018 ou début 2019 notre solution avec un chatbot et l’analyse de mails. La MGEN est déjà en production sur l’analyse de mails, des enquêtes de satisfaction ainsi que, ponctuellement, l’analyse de conversations téléphoniques. Sogécap (compagnie d’assurance-vie et de capitalisation de Société Générale) est en pilote. Nous travaillons aussi avec Covéa  – nous sommes en production avec MAAF et GMF et le reste suivra – ou encore avec Crédit Agricole Assurances et CNP sur les mails…

OWI est aussi déployé à la MAIF depuis octobre 2017. Au sein du groupe BPCE, nous travaillons donc avec Natixis Assurances mais aussi avec CEGC [Compagnie européenne de garanties et cautions, ndlr]. Outre le chatbot en préparation, Société Générale nous a choisi pour le traitement de ses mails. En tout, une vingtaine de clients sont en production et une douzaine de projets supplémentaires sont en cours. Nous avons aussi des clients dans d’autres secteurs : Dior, Ikea, Total, Coriolis…

Combien coûte la solution ?

En fonctionnement, la solution est significativement plus onéreuse que celle d’IBM Watson. Notre prix dépend du volume et peut aller du simple au double. Pour traiter un million de mails par an, nous facturons 100 000 euros environ – Watson peut être 1,5 fois moins cher environ. Pour une grande banque qui reçoit plus de 100 millions de mails par an, le tarif sera bien sûr dégressif.

Nous nous retrouvons très souvent en phase finale des appels d’offres face à IBM Watson, dont le coût global du projet coûte par contre bien plus cher que le nôtre [le Crédit Mutuel a indiqué que la mise en place d’IBM Watson devrait coûter 40 millions d’euros sur cinq ans, soit 8 millions d’euros par an, ndlr]. Avec OWI, le déploiement dure entre trois mois et un an et coûte entre 50 000 et 100 000 euros si les clients choisissent le SaaS. En comptant l’intégration, un projet OWI coûte quelques centaines de milliers d’euros maximum.

Pourquoi cette différence de prix ?

Notre solution apprend beaucoup plus vite grâce à un procédé neuro-mimétique : elle fonctionne comme un cerveau humain sur le langage. Quand la Société Générale a testé notre solution et celle de Watson en finale de son appel d’offres, nous avons atteint plus de 90% de fiabilité sur le chatbot en un mois et demi, là où Watson se situait entre 70 et 80%. Nous nous engageons de toute façon contractuellement à une fiabilité supérieure à 95% à la fin de la recette pour mettre en production.

IBM Watson s’appuie sur deux coeurs technologiques. Le premier : des corpus mondialisés avec beaucoup de machine-learning. C’est de l’apprentissage avec ingurgitation d’énormément de données et de textes, qui permet d’identifier des schémas et tendances. Le problème, c’est que cette approche ne permet pas de dépasser 80% de fiabilité. Le langage n’est pas universel : la façon dont une entreprise interprète un mail n’est pas la même qu’une autre. Il y a donc un seuil de fiabilité que le machine learning ne peut pas dépasser. IBM Watson utilise donc une deuxième technologie qui paramètre des schémas spécifiques à chaque entreprise, mais cela prend du temps et cela coûte cher.

Et vous, comment adaptez-vous OWI aux clients ?

Chez nous, personne ne paramètre : le coeur technologique découvre ce qui a de la signification et nos chefs de projets échangent avec les métiers du client pour comprendre pourquoi ils comprennent un mail donné de telle manière. Le moteur donne déjà des éléments significatifs et l’algorithme établit des signaux sémantiques. Le chef de projet n’a plus qu’à exploiter les signaux sémantiques pour bâtir et mettre au point les concepts spécifiques à une entreprise.

Quels sont vos autres concurrents ?

Ils sont nombreux: Doyoudreamup, Inbenta, Proxem, Recast, qui a été racheté par SAP… Outre la performance, nous sommes jugés sur la capacité à s’intégrer dans une grande entreprise, à traiter de gros volumes et tous les types de messages.

“OWI travaille sur un chatbot vocal”

Christophe Dany

CEO d’OWI

Quels seront vos futures solutions ?

Le prochain sujet sera de traiter le téléphone comme le chatbot et le mail. Nous travaillons sur le chatbot vocal car aujourd’hui aucune solution ne fonctionne correctement. Nous espérons sortir un produit de qualité à la fin de l’année. Le chatbot vocal pourra répondre aux appels des clients et traiter une partie des demandes automatiquement. Il pourra aussi accompagner la conversation vers le bon conseiller si besoin puis aider le conseiller à bien traiter les demandes en lui donnant des indications sur son écran grâce à l’analyse de l’appel. Nous travaillons sur le sujet avec Canal+ notamment et nous devons démarrer un PoC avec un grand assureur.

Combien de collaborateurs compte la société ?

L’équipe compte une trentaine collaborateurs : un service commercial et administratif avec 4 personnes, 12 personnes sur la R&D (ingénieurs, docteurs) et une équipe de même taille sur la partie projet, qui accompagne les clients pour mettre en oeuvre la solution. D’ici la fin de l’année, nous devrions être 50. Et nous grossissons de manière indirecte, en faisant appel à des partenaires pour l’intégration.

Quels sont vos résultats ?

Nous avons enregistré 1,5 million d’euros de chiffre d’affaires en 2017 et nous visons entre 2,5 et 3 millions d’euros en 2018. La solution de traitement des mails représente environ la moitié du chiffre d’affaires, le chatbot moins de 10%, l’analyse téléphonique ou “speech analytics” 30% et l’analyse des enquêtes de satisfaction une dizaine de pourcents. [En 2015, la société a déclaré un chiffre d’affaires de 906 100 euros et un résultat net de 98 300 euros, ndlr.]