Au Sénégal, un agent virtuel allège la vérification des dossiers clients

.@Orange_sn utilise l’#IA issue des écosystèmes #OpenSource pour contrôler les dossiers de souscription aux offres #mobiles et éviter les tâches répétitives
Comment les technologies d’intelligence artificielle peuvent-elles contribuer à faciliter le travail des équipes en automatisant certaines tâches répétitives ? Au Sénégal, Orange a étudié la question sur le cas particulier du contrôle des dossiers de souscription à des offres mobiles. En quelques mois, l’opérateur a lancé une réponse adaptée, fondée sur des mécanismes de robotisation (Robotic Process Automation, RPA) et d’intelligence artificielle (IA) issus des écosystèmes open source.

“Un modèle d’IA à peine publié peut être utilisé par tous le jour-même.”

La mission des agents de l’équipe Nomad Back Office d’Orange au Sénégal a quelque chose du mythe de Sisyphe. Jour après jour, ses 17 membres traitent manuellement 15.000 demandes de souscription transmises depuis le terrain par des revendeurs via la plateforme Nomad.

Quand l’IA soulage l’humain

Leur intervention consiste à vérifier l’authenticité des cartes d’identités envoyées sous forme de photos et à contrôler la concordance des données y figurant avec les informations saisies par les revendeurs. Une tâche répétitive qui nécessite en moyenne entre une et deux minutes par dossier. Les équipes du service Smart Data, sous l’égide de son responsable Sandèné Ndao, responsable smart data (IA), et de Moussa Wade, responsable de l’automatisation (RPA), ont donc étudié la possibilité d’inclure un brin d’intelligence artificielle en vue d’automatiser la procédure et de soulager le back-office d’une partie de la charge de travail. Lancé l’an dernier, le projet a permis d’aboutir rapidement à une solution adaptée et performante, en production depuis 4 mois, et qui se projette déjà sur des évolutions techniques et de nouveaux cas d’usage.

Mélange d’IA et de RPA

Le système conçu et mis en œuvre par le service Smart Data et la direction du Système d’Information (DSI), sur la base des données fournies par le service client, combine différentes briques technologiques. Le circuit automatisé se décompose de la sorte : un dossier est transmis via le serveur Nomad, dont les données sont collectées par un système RPA qui sollicite ensuite une API jouant le rôle d’orchestrateur dans le flux de validation. Celle-ci contrôle la validité des dossiers, avec l’assistance d’une solution de reconnaissance d’image par IA, TensorFlow, et d’un moteur de reconnaissance de caractères, Tesseract OCR. Puis l’API retourne le dossier vers le RPA avec un indicateur de validité. Au-dessus d’un seuil de fiabilité des données contrôlées (ID et infos saisies par les revendeurs) fixé à 80 %, la demande de souscription est agréée et réintroduite dans Nomad pour lancer l’activation des services. En-dessous de 80 %, le dossier est remis entre les mains du back office pour un traitement humain.

Open source… d’opportunités !

L’agent virtuel qui résulte de cet assemblage composite est d’autant plus remarquable qu’il a été créé à partir de briques issues pour la plupart de l’écosystème open source. “Orange étudie de près les technologies liées à l’IA, en favorisant le recours à des solutions Open Source plutôt que des logiciels propriétaires”, précise Sandèné Ndao. “Le monde open source nous permet de disposer de nouvelles technologies adaptables à nos besoins métiers, et que l’on peut tester et éprouver rapidement.” En effet, le recours à ces environnements a permis au Groupe de bâtir sans délai une architecture d’automatisation complète, avec des logiciels matures, dotés d’un haut niveau de performance technique. La plateforme TensorFlow permet notamment d’élaborer et mettre en place des modèles d’apprentissage automatique (machine learning) et transfert d’apprentissage (transfer learning) avec des gains de temps significatifs à la clé. “En termes d’accessibilité”, souligne Sandèné Ndao, “l’open source est une aubaine dans le cadre de projets tels que le nôtre. Cela offre des opportunités formidables : un modèle d’intelligence artificielle à peine publié peut être utilisé par tous le jour-même.”

Un moteur opérationnel 24/7

Le modèle IA/RPA mis en œuvre tourne 24h/24, 7j/7, avec un délai de traitement moyen de 20 secondes – moins de 5 secondes pour la partie analyse des données stricto sensu. L’équipe traite mille dossiers par jours avec l’IA et a pour ambition d’en traiter cinq fois plus. Conforté par ce premier déploiement réussi, l’équipe veut désormais aller plus loin. “Nous travaillons notamment en vue d’améliorer les performances du moteur Optical Character Recognition (OCR), dont le temps moyen de récupération des données photos s’élève à 15 secondes actuellement. Et nous étudions dans le même temps la possibilité de paralléliser l’application et d’aller au-delà d’un robot en exploitation, afin de pouvoir contrôler 15.000 dossiers à terme. Nous envisageons enfin d’étendre le cas d’usage au service Orange Money, dont le processus de souscription est similaire, rapporté au contexte bancaire.”

Bref, avec Orange au Sénégal, le back office devient vitrine de l’IA !

A lire aussi sur Hello Future

Une femme assise à un bureau, concentrée sur son ordinateur portable. Elle porte une chemise à rayures et a les cheveux longs et bouclés. Sur le bureau, on peut voir un carnet ouvert et un pot contenant des stylos. La lumière naturelle entre par une grande fenêtre, créant une ambiance chaleureuse et productive.

Orange développe pour ses salariés un usage sécurisé et optimisé des IA génératives

Découvrir
Trois personnes collaborent autour d'un ordinateur portable dans un environnement de bureau moderne. L'une d'elles, debout, explique quelque chose aux deux autres assis, qui semblent attentifs. Sur la table, on peut voir un ordinateur de bureau, une tablette et des accessoires de bureau. Des plantes et des bureaux sont visibles en arrière-plan.

FairDeDup : un outil pour aider les modèles d’IA à se libérer des biais sociaux

Découvrir
GettyImages - diagnostic generative AI

Santé : l’IA de Jaide entend réduire les erreurs de diagnostic

Découvrir
PLEAIS

P-C. Langlais (Pleais) : « Nos modèles de langue sont entraînés sur des corpus ouverts »

Découvrir
GettyImages - Khiops

Khiops, le machine learning simple et automatisé

Découvrir
GettyImages - attaques IA nettoyage données - attacks AI cleaning data

Attaques sur les IA : le nettoyage des données devient un enjeu de cybersécurité

Découvrir
GettyImages - responsible AI - IA responsable - Meta & Llama

Llama : façonner l’avenir de l’IA en tant que communauté

Découvrir