L'efficacité d'une startup par l'exemple

L'actualité importante de ces derniers jours chez Lydia est, évidemment, sa nouvelle levée de fonds, de 40 millions d'euros, menée par Tencent. Je vais cependant m'attarder aujourd'hui sur un autre sujet partagé par la startup sur son blog : comment une entreprise de moins de 100 personnes assure un service optimal pour 3 millions de clients.
Globalement, les recettes employées pour parvenir à ce qui ressemble à un exploit sont issues d'une combinaison de, d'une part, la frugalité et l'agilité typiques d'une jeune pousse et, d'autre part, de la structuration et l'organisation indispensables à une opération de grande envergure. Contrairement à ce qu'on imagine souvent, le défi de la montée en puissance exponentielle (125 000 ouvertures de comptes par mois) concerne autant, voire plus, les salariés et les processus que les plates-formes technologiques.
L'évolution du support aux clients est particulièrement représentatif de cette double préoccupation. Elle est en effet passée par la mise en place des briques classiques de ce genre de dispositif – scripts de traitement des demandes, rapprochement avec les équipes responsables des produits (pour éviter les frictions générant des plaintes), suivi des indicateurs de qualité… – et le déploiement d'outils conçus dans le but de réduire au maximum la charge de travail des employés en automatisant tout ce qui peut l'être.
Dans ce dernier registre, Lydia explique notamment avoir créé un « chatbot » qui sait actuellement répondre à la moitié des requêtes des utilisateurs, sans aucune intervention humaine, ainsi qu'un logiciel de pré-catégorisation des courriels entrants, capable, à ce jour, de trier correctement presque un tiers des messages reçus, pour lesquels il détermine, à partir d'une analyse du texte, le sujet et l'urgence de la sollicitation, de manière, entre autres, à en accélérer la résolution dans les cas les plus importants.

La présentation de cette initiative au moment où la BRED annonce, dans le sillage des projets similaires d'Orange Bank et de Crédit Mutuel-CIC, avoir recours à la solution Watson d'IBM dans le même objectif me semble plutôt savoureuse. En effet, la coïncidence fait ressortir avec une extraordinaire acuité ce qui fait l'avantage d'une startup par rapport à un établissement historique et qui constitue la base de ce que le second devrait apprendre du premier pour continuer à prospérer à l'ère « digitale ».
Je sais qu'on me rétorquera immédiatement que la complexité de la gestion des mails de clients n'a rien à voir entre une banque aux multiples métiers et le fournisseur d'une application de paiement (qui a tout de même enrichi son offre). Mais cela suffit-il à justifier que l'un engloutisse des millions d'euros et des mois d'efforts, impliquant des dizaines d'experts, quand l'autre n'a besoin que de quelques scientifiques des données pour développer un système qui, dans les deux cas, répartit des messages sur quelques catégories pré-identifiées en leur affectant un degré d'urgence estimé ?
Ce que révèle cette comparaison une peu audacieuse est que les grandes entreprises ont progressivement abandonné une partie de leur sens critique dans leur approche des problèmes qu'elles cherchent à résoudre. En l'occurrence, au lieu de s'interroger en profondeur sur la difficulté que représente réellement l'analyse des messages et sur les différentes options disponibles pour ce faire, elles donnent l'impression de se précipiter par réflexe vers leur prestataire préféré et de (quasiment) lui laisser carte blanche. Malheureusement, la force de l'habitude nuit parfois gravement à l'efficacité.