Le grossiste alimentaire et matériel METRO a déployé un robot conversationnel interne avec la solution dydu en partenariat avec CGI. Olivia Zumkeller-Vincent, responsable du chatbot chez METRO, revient sur la mise en place du projet.
Pouvez-vous décrire rapidement votre entreprise, votre service et votre rôle ?
METRO France est le premier fournisseur de la restauration indépendante. METRO possède 98 points de vente, 400 000 clients, 50 000 produits à la vente et 150 000 références sur la marketplace. L’entreprise compte 9 000 collaborateurs répartis sur les points de vente et le siège.
Je suis responsable du chatbot interne (réservé aux collaborateurs), au sein du User Service de la DSI.
Quels sont les enjeux actuels concernant le support et l’assistance interne chez METRO ?
Les utilisateurs évoluent dans un écosystème varié et grandissant, sans pour autant avoir beaucoup de temps à consacrer à l’apprentissage des nouveaux outils. De par leur métier, les collaborateurs basés sur nos points de vente consacrent la majeure partie de leur temps au terrain, au contact de nos clients. Ils n’ont, de plus, pas tous accès à un ordinateur en continu. L’enjeu du support interne est de réussir à diffuser l’information rapidement et de façon automatisée, dans une démarche de rendre autonome et plus informé l’utilisateur. L’objectif est que le chatbot soit le point d’entrée numéro 1 de toutes les questions des collaborateurs.
Quelles problématique(s) souhaitiez-vous résoudre en mettant en place un chatbot ?
Nous voulions permettre à l’ensemble des collaborateurs d’accéder à tout moment à des réponses fiables et en autonomie. Mais également « soulager » les sachants, qui étaient beaucoup sollicités sur des questions récurrentes, ainsi que le centre de services (helpdesk). Nous voulions aussi augmenter le niveau d’information des utilisateurs, et ce, dès le début des projets (même en dehors de leur sphère applicative). Le chatbot, nommé Mbot, a été déployé fin 2019. Il est aujourd’hui disponible sur le bureau des postes fixes, mobiles et smartphones.
Notre ambition est que le chatbot devienne un assistant au quotidien, à tous les niveaux de l’entreprise.
Comment avez-vous constitué la base de connaissances de votre chatbot ?
Nous avons avancé par thématique complète plutôt que de considérer tous les sujets avec quelques connaissances seulement. Notre stratégie était de commencer par deux grandes thématiques :
- le site Metro.fr (notre site e-commerce) dont le lancement a beaucoup impacté les collaborateurs des points de vente (entrepôts).
- les services aux collaborateurs, qui suscitaient de nombreuses questions récurrentes parmi les collaborateurs du siège.
Nous avons essayé d’être le plus exhaustif possible dans les questions – réponses disponibles dans le chatbot. Puis au fil de l’eau, nous avons ajouté de nouvelles thématiques (une cinquantaine au total aujourd’hui). Nous avons mis en place des règles concernant l’ajout de nouveaux sujets :
- La thématique doit concerner au minimum 50 utilisateurs pour être intégrée dans notre chatbot.
- Les réponses doivent être validées par les experts concernés (qui sont les propriétaires des connaissances).
- Les connaissances “de base” doivent être publiées. Par exemple, s’il s’agit de l’ajout d’une thématique concernant un outil : À quoi sert-il ? Qui peut l’utiliser ? Comment se connecter ? Qui contacter en cas de problème ? Où trouver la documentation ?
- Un “crash test” est organisé avec les propriétaires des connaissances et des utilisateurs. Le but est de s’assurer du bon déclenchement des connaissances quel que soit le vocabulaire employé sur les nouveaux sujets.
Nous sommes aussi dans une démarche Bottom-up. Ce sont les questions de nos utilisateurs incomprises par le robot qui donnent lieu à la création de nouvelles connaissances.
Comment était composée l’équipe qui a mis en place le projet chatbot ? Est-elle différente aujourd’hui ?
Lors de la mise en place du projet chatbot, l’équipe était constituée d’un chef de projet en mission en interne et de deux externes, avec un consultant CGI en accompagnement.
Depuis, l’équipe s’est structurée au sein de la DSI. Nous comptons un responsable, deux internes (qui, en parallèle d’autres missions, sont chargés de la partie technique et de la communication) et deux alternants. Pour nos alternants, travailler au sein de l’équipe chatbot est un tremplin. Cela leur permet d’échanger avec toutes les directions de l’entreprise et d’acquérir de solides connaissances sur tous les sujets METRO.
Nous travaillons avec 130 experts, tous propriétaires des connaissances à ajouter ou mettre à jour. Et c’est notre équipe, responsable du bot, qui met en œuvre le contenu dans le BMS dydu (Bot Management System ou console d’administration).
Quels périmètres sont adressés par votre chatbot ?
Notre chatbot est présent sur chaque pan de la vie du collaborateur chez METRO :
- Vie des collaborateurs : RH, bureautique, matériel, compliance…
- Vie des clients : satisfaction, produits, site e-commerce
- Marchandises : application autour des commandes
- Procédures métiers
Dans le cas d’une question non comprise par le robot, même si celle-ci n’est pas dans le scope du chatbot, l’équipe fait un retour à l’utilisateur par mail dans les 48h avec la réponse.
Quelles sont les interconnexions disponibles ?
Notre chatbot est connecté à un livechat géré par notre centre de services et à nos deux outils de ticketing : JIRA SD et Matrix 42. Grâce à ces interconnexions, les collaborateurs peuvent ouvrir des tickets sur de nombreux domaines. Les incidents Ressources Humaines ne peuvent être ouverts que par le bot. Le service helpdesk n’ouvre pas de tickets RH pour des questions de confidentialité.
Nous récupérons certaines données de l’utilisateur via l’API Matrix 42, afin qu’il n’ait pas à les saisir lors de son ouverture d’incident dans le chatbot.
Depuis sa mise en place, quelles ont été les étapes majeures d’évolution du chatbot ?
Nous sommes passés d’un fonctionnement en mode expérimental à un dispositif en run avec des process cadrés :
- Alimentation systématique du chatbot au plus tôt de chaque projet
- Amélioration continue de la base via la prise en compte des retours négatifs
- Mise en place de crash test des connaissances
- Retours systématiques sous 48h aux utilisateurs qui n’ont pas eu de réponse
Cela a contribué à améliorer le taux de satisfaction et l’adhésion à l’outil !
Le déploiement du livechat en 2020 ainsi que l’ouverture d’incident en autonomie ont également permis de communiquer sur les fonctionnalités du chatbot et d’atteindre toujours plus de collaborateurs.
Quels bénéfices constatez-vous suite à la mise en place de la solution ?
METRO est en perpétuelle croissance, tant sur les outils que sur les projets. Le chatbot a permis de contenir le nombre de demandes et de sollicitations du support tout en démarrant de nombreux projets.
Un autre bénéfice est que le bot est devenu un outil de communication à part entière, en plus de sa fonction d’assistance. Il fournit des informations quand on lui en demande, mais il en pousse également (événements, dates d’inventaire, promo du moment) grâce à des pavés de news et des connaissances déclenchées.
Quels KPIs suivez-vous pour piloter l’activité du chatbot ?
Nous suivons le taux de satisfaction, le trafic sur le bot et les thématiques les plus déclenchées. Celles-ci traduisent les interrogations du moment de nos collaborateurs.
Nous analysons également le trafic par site afin d’effectuer des actions de sensibilisation ciblées. Il faut savoir que les données sont anonymisées, et au bout de 2 ans, les données sont purgées.
Considérez-vous que ce projet est un succès ? Pour quelles raisons ?
Depuis le lancement, le nombre de conversations a presque triplé pour atteindre près de 4 000 conversations par mois en moyenne sur 2021, avec un taux de compréhension de 89%. Nous avons noté un pic du nombre de conversations pour le mois de septembre avec 7 500 dialogues. Depuis le lancement, nous sommes aussi passés de 1 500 à plus de 4 000 connaissances. Nous avons également réalisé notre objectif d’obtenir 100 questions par entrepôt en un an.
Paradoxalement, ce qui génère le plus de satisfaction chez les utilisateurs, c’est l’investissement de l’équipe qui recherche et communique manuellement les réponses aux questions incomprises.
La systématisation, en réunion, de l’utilisation du chatbot sur des questionnements, même au plus haut niveau hiérarchique et les nombreuses communications métier comprenant la formulation “[…] demandez-le à Mbot !” démontrent la vraie place qu’a pris le chatbot dans nos process internes.
Estimez-vous que votre chatbot ait été plus utile pendant les périodes de confinement ? Si oui, pourquoi ?
Notre chatbot a surtout été utile pour la reprise. METRO, comme beaucoup d’entreprises, a mis en place l’activité partielle pendant le confinement. Lorsque l’activité a repris, les collaborateurs ont pu accéder aux informations concernant l’actualité (mesures sanitaires internes, reprise de l’activité commerciale…).
Quels enseignements ou des bonnes pratiques retenez-vous ?
La bonne pratique à retenir est qu’il faut constituer une équipe pour l’amélioration continue : analyser les conversations, faire des retours aux utilisateurs, améliorer le déclenchement des connaissances.
Pour garantir la bonne adoption du bot, il est important d’anticiper les questions des utilisateurs. Dès la sortie d’un projet ou d’un nouvel outil, le bot doit savoir répondre aux connaissances de base.
Comment faites-vous la promotion du chatbot auprès des différents collaborateurs ?
En plus de la communication classique autour du bot, nous nous assurons que les équipes helpdesk et les experts de chaque domaine en font la promotion.
Pour le lancement de chaque thématique, une vidéo est réalisée pour en informer les collaborateurs METRO. Celles-ci sont diffusées par les “knowledge owners” auprès des utilisateurs. Le fait que la communication vienne de leur interlocuteur privilégié a plus d’impact.
Les formateurs nous aident également puisque, lors de leur visite dans les points de ventes, ils organisent régulièrement des démos de Mbot auprès des directeurs, chefs de rayon ou employés.
Pour quelles raisons recommanderiez-vous la solution dydu ?
La plateforme dydu est facile à appréhender et ne nécessite pas d’avoir des compétences techniques : la création des connaissances, groupes de synonymes, etc, est intuitive. Nous sommes satisfaits du moteur de matching, le chatbot est fiable.
Quels développements et évolutions envisagez-vous pour améliorer le chatbot et inciter à son utilisation ?
Nous souhaitons continuer à intégrer de nouveaux arbres de questionnement pour permettre aux collaborateurs d’ouvrir leurs incidents en autonomie sur plus de thématiques. Nous allons travailler en collaboration avec l’équipe Produit dydu pour obtenir des KPI encore plus précis, qui nous aideront à pousser l’utilisation du chatbot.
