Les partenariats clients à long terme sont souvent à l’origine des innovations les plus marquantes.

Cela a certainement été le cas avec SES (Società Elettrica Sopracenerina), dont le parcours avec Spitch a évolué d’un premier voicebot dédié aux FAQ à un écosystème d’IA agentique collaborative multilingue, soutenu par les LLM, le RAG et un Knowledge Agent.

Ce qui rend cette histoire particulièrement intéressante n’est pas seulement la progression technologique, mais aussi la manière dont la collaboration s’est développée au fil du temps – toujours ancrée dans les besoins réels du client, produisant des résultats mesurables à chaque étape, soutenue par un travail d’équipe étroit et façonnée par une ambition partagée d’améliorer l’expérience des utilisateurs à travers les régions linguistiques.

Un premier pas vers l’automatisation conversationnelle

Le parcours a commencé en 2023 avec un défi clair et concret : SES souhaitait automatiser les demandes FAQ récurrentes sur le canal vocal afin de réduire le traitement manuel et d’offrir un support plus rapide aux clients sur le marché suisse italophone.

La première solution fut un voicebot italien basé sur la technologie NLU. Il a été conçu autour d’un ensemble prédéfini d’intentions et de flux de dialogue structurés, ce qui le rendait bien adapté aux parcours clients prévisibles. Les utilisateurs pouvaient appeler et recevoir des réponses automatisées aux questions les plus courantes grâce à une interaction vocale naturelle, sans avoir à attendre l’intervention d’un agent humain.

Pour SES, il s’agissait de bien plus qu’un simple nouvel outil. C’était le premier pas vers l’automatisation conversationnelle et un moyen de valider la manière dont l’IA vocale pouvait s’intégrer aux processus de support existants. Cette première mise en œuvre a posé les bases des évolutions à venir : les demandes répétitives ont été traitées plus efficacement, et le client a acquis une expérience précieuse dans l’utilisation de solutions conversationnelles basées sur l’IA.

Étendre l’expérience au chat

En 2024, le succès du voicebot a ouvert la porte à l’étape logique suivante : l’intégration de la même logique conversationnelle dans un canal de chat numérique.

SES souhaitait étendre l’expérience FAQ aux clients qui préféraient l’interaction textuelle, tout en maintenant une gestion cohérente sur l’ensemble des canaux. La réponse fut un chatbot FAQ italien qui reflétait le modèle d’intention et la structure conversationnelle du voicebot existant.

Cette phase était importante car elle a étendu l’automatisation au-delà d’un seul point de contact. En complément du canal vocal, SES pouvait désormais offrir aux utilisateurs une expérience cohérente également sur le site web. Pour les clients, cela signifiait davantage de flexibilité. Pour l’entreprise, cela signifiait une stratégie conversationnelle plus large et plus cohérente.

Passage au multilingue

L’étape suivante a eu lieu en 2025 avec la mise en œuvre d’un voicebot allemand destiné au marché suisse alémanique. Le projet est ainsi entré dans une nouvelle phase : le déploiement multilingue.

L’objectif était d’offrir la même qualité de support automatisé aux utilisateurs germanophones tout en maintenant la cohérence avec l’expérience italienne. La solution s’appuyait sur l’implémentation précédente mais adaptée à la langue allemande, aux dialectes et aux attentes locales.

À ce stade, la collaboration est devenue encore plus importante. Le projet a nécessité une coordination étroite entre les analystes commerciaux gérant les flux italien et allemand, afin de garantir la cohérence entre les différentes versions linguistiques tout en respectant les besoins spécifiques de chaque marché.

C’était aussi un signe que la solution n’était plus seulement un cas d’utilisation unique. Elle faisait désormais partie d’un écosystème conversationnel plus vaste, capable d’être déployé sur plusieurs marchés.

De l’automatisation basée sur les intentions à l’IA générative

Bien que le chatbot basé sur le NLU fonctionnait bien pour les sujets prédéfinis, sa portée était naturellement limitée par le modèle d’intention. À mesure que les besoins de SES évoluaient, il est devenu clair que les utilisateurs avaient besoin d’un moyen plus flexible et naturel d’interagir avec le système.

C’est là qu’est intervenue la prochaine innovation majeure : la transition vers un chatbot multilingue alimenté par la technologie LLM et la génération augmentée par récupération (RAG).

Le nouveau chatbot prenait en charge l’italien et l’allemand et pouvait traiter un éventail de questions beaucoup plus large. Au lieu d’exiger des utilisateurs qu’ils formulent leurs demandes d’une manière spécifique, il a permis des conversations plus ouvertes et intuitives.

L’un des principaux avantages de l’architecture RAG était que les réponses étaient s’appuyaient sur la documentation propre à SES. Cela a permis de garantir que les réponses restaient pertinentes, précises et alignées sur des connaissances internes fiables. En pratique, cela s’est traduit par une meilleure expérience utilisateur, moins de frictions et une plus grande flexibilité pour les évolutions futures.

Cette phase a marqué un changement majeur dans le projet, avec le passage d’une logique conversationnelle fondée sur des règles et des intentions à une IA générative alimentée par des sources de connaissances fiables.

Renforcer la gouvernance des connaissances avec un Knowledge Agent

Alors que le chatbot basé sur le RAG devenait central pour l’expérience, la qualité et la structure de la documentation sous-jacente sont devenues encore plus importantes. Des réponses fiables dépendent de connaissances fiables.

Pour répondre à ce besoin, l’étape suivante a été la mise en œuvre d’un Knowledge Agent pour la gestion des documents. Cela a permis à SES de gérer, d’organiser et de maintenir de manière autonome les documents alimentant la base de connaissances du chatbot.

Cela peut sembler être un détail technique, mais en pratique, il s’est agid’une étape importante. Avant ce changement, les mises à jour des documents devaient passer par le processus de livraison. Avec un accès direct au Knowledge Agent, SES a gagné beaucoup plus en autonomie.

Ce changement a amélioré l’agilité, réduit la dépendance vis-à-vis de l’équipe de livraison et a facilité l’alignement du chatbot avec les évolutions métier. Il a également renforcé l’évolutivité à long terme en créant un modèle plus durable pour la gestion des connaissances.

Un partenariat bâti sur la confiance et le travail d’équipe

Derrière ce parcours d’innovation, se trouve également une dimension humaine essentielle.

La collaboration entre Spitch et SES s’est construite grâce à une relation client étroite, une communication continue et un véritable esprit de partenariat. Dès la première implémentation, la relation s’est appuyée sur une compréhension approfondie des besoins métier du client et une volonté commune d’améliorer continuellement la solution.

Pour Giorgia, qui a rejoint le projet en 2024, le rôle ne se limitait pas aux exigences et à la livraison. Il s’agissait d’être au plus près du client, d’analyser les performances, d’identifier les opportunités d’amélioration et d’aider à traduire les objectifs métier en solutions concrètes.

Ce qui ressort de cette histoire, c’est la dynamique d’équipe. La collaboration entre Giorgia et Linda a créé un équilibre solide entre les marchés et les langues, Linda pilotant le volet germanophone du projet. Leurs forces complémentaires ont contribué à maintenir la continuité et la cohérence tout au long du projet.

Yury Lipkin, architecte de solutions principal pour les services publics chez Spitch, a également joué un rôle clé en reliant la vision du client à la faisabilité technique. La continuité des équipes tout au long du projet a contribué à l’efficacité, à la confiance et à une expérience de livraison plus fluide.

Une histoire d’évolution

Le parcours de SES est un excellent exemple de la façon dont l’IA conversationnelle peut évoluer au fil du temps lorsque la technologie, les personnes et les besoins métier évoluent ensemble :

• Il a commencé avec un seul voicebot italien pour les FAQ.
• Il s’est étendu au chat.
• Il est devenu multilingue.
• Il est passé du NLU aux LLM et au RAG.
• Et il inclut désormais un Knowledge Agent qui donne au client un plus grand contrôle sur son propre contenu.

Chaque phase s’est appuyée sur la précédente, créant non seulement une séquence d’implémentations, mais un véritable parcours d’innovation.

Pour SES, cela a signifié un meilleur support client, une couverture de canaux plus large, une cohérence multilingue et plus d’autonomie dans la gestion des connaissances. Pour Spitch, cela a été l’occasion de démontrer comment l’IA conversationnelle peut évoluer d’une manière à la fois techniquement avancée et opérationnellement pertinente.

Plus important encore, cela montre ce qui peut arriver lorsque la collaboration à long terme est associée à une volonté partagée d’innover.

Contactez-nous pour découvrir comment les solutions d’IA agentique collaborative de Spitch peuvent aider votre entreprise dès aujourd’hui.