Le terme "main-d'œuvre IA" est de plus en plus utilisé ces derniers temps. Nous sommes passés des chatbots basiques à l'idée d'équipes numériques entières capables de gérer des tâches assez complexes. Au milieu de tout ce battage médiatique, une plateforme appelée Relevance AI a émergé, promettant de permettre aux entreprises de créer et de gérer leurs propres équipes IA sans avoir besoin de coder.
Mais est-ce l'outil idéal pour chaque tâche ? Cet article est mon avis honnête sur Relevance AI. Nous allons explorer ce qu'il fait bien, où il excelle vraiment, et quelques points importants à considérer avant de vous lancer, surtout si votre objectif principal est d'améliorer votre support client.
Qu'est-ce que Relevance AI ?
En termes simples, Relevance AI est une plateforme low-code où vous pouvez créer vos propres agents IA pour automatiser différentes tâches commerciales. Ils mettent l'accent sur l'idée d'une "main-d'œuvre IA", un groupe d'agents IA spécialisés qui peuvent travailler ensemble dans des départements comme les ventes, le marketing et les opérations.
L'entreprise a été fondée en 2020 et s'adresse aux équipes opérationnelles et autres experts qui souhaitent créer des automatisations eux-mêmes, sans avoir à attendre les développeurs. Après un récent tour de financement de série B, ils ont consolidé leur position en tant qu'acteur sérieux dans le domaine de l'automatisation, aidant les entreprises à construire des équipes numériques pour prendre en charge le travail répétitif.
Comment fonctionne Relevance AI ? Exploration des fonctionnalités clés
Relevance AI vous offre une boîte de Legos numériques pour construire vos propres outils alimentés par l'IA. Voyons comment ses principales fonctionnalités fonctionnent ensemble.
Constructeur sans code pour des flux de travail personnalisés
Le principal argument de vente de Relevance AI est son constructeur visuel, glisser-déposer. Vous pouvez lier différents modèles IA, extraire des données de diverses sources et configurer des actions pour créer un flux de travail personnalisé. Cette flexibilité est sa plus grande force ; vous pouvez imaginer presque n'importe quel processus automatisé, de l'enrichissement des prospects de vente à la génération de contenu.
Bien que cette liberté soit excellente pour des projets internes uniques, cela signifie que vous devez prévoir du temps pour la configuration et les tests. Pour quelque chose d'aussi commun et critique que le support client, une solution plus ciblée pourrait vous permettre de démarrer plus rapidement. Par exemple, des outils comme eesel AI offrent des intégrations en un clic avec des centres d'assistance comme Zendesk et Freshdesk qui peuvent être opérationnels en quelques minutes, pas en quelques mois.
Modèles préconstruits pour les tâches commerciales courantes
Pour vous donner un coup de pouce, Relevance AI propose une bibliothèque de plus de 100 modèles. Ceux-ci couvrent des tâches comme la recherche de prospects, la rédaction d'articles de blog et l'analyse de données de marché. Ils servent de bon point de départ que vous pouvez ensuite ajuster pour répondre aux besoins réels de votre équipe.
Construire une "main-d'œuvre IA" avec des systèmes multi-agents
L'une des idées les plus avancées de la plateforme est de vous permettre de lancer plusieurs agents qui travaillent en équipe. Par exemple, vous pourriez avoir un agent qui scrute le web pour des nouvelles de l'industrie, un autre qui rédige un article de blog à ce sujet, et un troisième qui utilise cet article de blog dans un email de prospection commerciale. C'est une fonctionnalité assez cool pour les entreprises cherchant à automatiser un processus complexe qui touche plusieurs départements.
Principaux cas d'utilisation de Relevance AI
En regardant ses fonctionnalités et comment il est commercialisé, Relevance AI est un excellent choix pour quelques tâches spécifiques.
Automatisation des ventes et du marketing
C'est là que la plateforme montre vraiment ses muscles. Vous pouvez utiliser leurs modèles d'agent BDR (Business Development Representative) et de recherche pour construire un système qui trouve des prospects potentiels, recueille des informations sur eux à partir du web, et automatise ensuite des emails de suivi personnalisés. C'est une solution assez astucieuse pour les équipes de vente cherchant à faire plus de prospection sans ajouter de personnel.
Rationalisation de la recherche et de l'analyse de données
Relevance AI est également très utile pour trier de grandes quantités d'informations. Les équipes peuvent configurer des agents pour lire des documents, analyser les retours clients, ou résumer de longs rapports de marché. Cela peut épargner à votre équipe des heures de recherche fastidieuse et de saisie de données, leur permettant de se concentrer sur la stratégie à la place.
Gestion des tâches de support client de base
La plateforme propose quelques modèles pour le support. Ceux-ci sont principalement conçus pour répondre à des questions simples de type FAQ en recherchant des réponses dans une base de connaissances.
Mais un excellent support client ne se résume pas à répondre aux questions faciles. Il doit être profondément connecté à votre centre d'assistance, apprendre de milliers de conversations passées de votre équipe, et avoir un moyen sûr de tout tester avant que les clients ne le voient. Essayer de construire cela à partir de zéro sur une plateforme généraliste peut se transformer en un énorme projet.
Ce qu'il faut considérer avant de choisir Relevance AI
Les plateformes IA "faites-le-vous-même" sont incroyablement flexibles, mais cette flexibilité s'accompagne de certains compromis. Voici quelques points à garder à l'esprit, et comment un outil spécialisé pourrait mieux convenir.
Le défi de la courbe d'apprentissage abrupte de Relevance AI
Parce que Relevance AI peut faire tellement de choses, vous êtes aux commandes. Cela signifie également que vous êtes responsable de la construction, des tests, et de l'affinage de tous les flux de travail. Les commentaires des utilisateurs sur des sites comme Salesforge.ai mentionnent souvent qu'il y a une certaine courbe d'apprentissage pour que tout fonctionne correctement. Ce n'est certainement pas un outil plug-and-play.
En revanche, un outil comme eesel AI est conçu pour être en libre-service, afin que les équipes de support puissent démarrer en quelques minutes. L'objectif est de fournir de la valeur immédiatement grâce à des intégrations profondes et prêtes à l'emploi avec les outils que vous utilisez déjà, pas de vous remettre une boîte à outils et un long projet. Vous pouvez connecter votre centre d'assistance et vos sources de connaissances en quelques clics et commencer à voir comment cela fonctionne.
Connaissances génériques de Relevance AI vs. expertise spécialisée
Il est difficile de former un agent IA généraliste à gérer des questions de support client délicates. Vous devez manuellement le diriger vers tous vos documents de connaissances et croiser les doigts pour qu'il trouve la bonne réponse. Même alors, il pourrait ne pas saisir le ton spécifique de votre entreprise ou le véritable contexte derrière le problème d'un client.
C'est là qu'une approche comme celle de eesel AI est différente. Elle se connecte instantanément à toutes vos connaissances d'entreprise, y compris l'historique des tickets de votre équipe. En examinant des milliers de résolutions réussies, elle apprend la voix spécifique de votre marque et comprend le contexte des problèmes des clients dès le départ. Cela l'aide à fournir des réponses personnalisées et contextuelles qu'un agent généraliste aurait du mal à donner.
L'importance des tests et de la simulation
Laisser un agent IA parler directement à vos clients est une grande étape. S'il donne de mauvaises informations ou semble robotique, vous pourriez nuire à la confiance des clients et en fait créer plus de travail pour vos agents humains. Sans un moyen solide de tester, vous menez essentiellement une expérience sur vos clients en direct.
C'est pourquoi le mode simulation dans eesel AI est si utile. Il vous permet de tester en toute sécurité votre IA sur des milliers de vos propres tickets historiques avant qu'elle ne réponde à un vrai client. Vous pouvez voir exactement comment elle aurait répondu, obtenir des prédictions précises sur le nombre de tickets qu'elle pourrait résoudre, et trouver les lacunes dans votre base de connaissances. C'est un moyen sans risque de se familiariser et de s'assurer que votre automatisation est prête à être déployée.
Comprendre le modèle de tarification
De nombreuses plateformes d'automatisation, y compris certains des plans de Relevance AI, utilisent un système basé sur des crédits. Leur plan Équipe est à 199 $/mois pour 100 000 crédits, et le plan Entreprise est à 599 $/mois pour 300 000 crédits. Cela semble assez simple, mais cela peut rendre vos coûts difficiles à prévoir. Un mois chargé avec un pic de tickets de support pourrait entraîner une facture beaucoup plus importante que prévu.
eesel AI utilise un modèle plus prévisible avec un tarif mensuel fixe qui inclut un nombre généreux d'interactions. Plus important encore, il n'y a pas de frais par résolution. Vous n'êtes jamais facturé plus pour avoir automatisé avec succès plus de problèmes clients, donc vos coûts ne vont pas soudainement augmenter simplement parce que l'outil fonctionne bien.
L'alternative eesel AI : Une approche spécialisée pour le support
Bien que Relevance AI soit une plateforme solide pour construire toutes sortes d'agents IA personnalisés, l'automatisation du support client est une bête unique. Elle bénéficie vraiment d'un outil qui a été conçu spécifiquement pour ce travail. Vous n'utiliseriez pas une clé à molette réglable pour réparer une montre délicate, et la même logique s'applique ici.
Voici une comparaison rapide des deux approches :
| Fonctionnalité | Relevance AI | eesel AI |
|---|---|---|
| Temps de configuration | Jours à semaines ; nécessite une construction et des tests manuels. | Minutes ; intégration en un clic avec le centre d'assistance. |
| Données d'entraînement | Connexions principalement manuelles aux documents & API. | Apprend instantanément à partir des tickets passés, du centre d'aide, & des documents. |
| Tests avant lancement | Limité à des vérifications manuelles ponctuelles. | Simulation puissante sur des milliers de tickets historiques. |
| Cas d'utilisation principal | Automatisation des processus commerciaux généraux (Ventes, Ops). | Service client, ITSM, et support interne. |
| Modèle de tarification | Plans basés sur des crédits qui peuvent être imprévisibles. | Tarif mensuel fixe, pas de frais par résolution. |
| Intégrations | Larges, mais nécessitent une configuration pour le support. | Profondément intégré avec Zendesk, Freshdesk, etc. |
Relevance AI est-il l'outil qu'il vous faut ?
Alors, où cela nous laisse-t-il ? Relevance AI est une plateforme puissante et flexible pour les entreprises qui souhaitent construire des équipes IA personnalisées pour des tâches internes comme les ventes, le marketing et la recherche. Si vous avez un processus unique et complexe en tête et que vous avez le temps de le construire et de le tester, c'est un choix très solide.
Cependant, pour les équipes dont le principal objectif est d'automatiser et d'améliorer le support client, une plateforme spécialisée est un chemin plus rapide, plus sûr et plus efficace. Vous obtenez un outil conçu pour la tâche, qui comprend les subtilités du support, et commence à apporter de la valeur dès le premier jour.
Si vous souhaitez voir comment un agent IA conçu spécifiquement pour le service client peut aider vos flux de travail de support, vous pouvez essayer eesel AI gratuitement ou réserver une démo dès aujourd'hui.
Questions fréquemment posées
Alors, ai-je besoin d'un bagage technique pour créer quelque chose d'utile avec Relevance AI ?
Pas nécessairement, car c'est une plateforme low-code conçue pour les équipes opérationnelles et autres experts métiers. Cependant, vous devez vous attendre à une courbe d'apprentissage pour construire, tester et affiner efficacement les workflows, car c'est plus un ensemble d'outils puissant qu'une simple solution plug-and-play.
Quel est le principal type de projet où l'utilisation de Relevance AI a vraiment du sens par rapport à d'autres outils ?
Relevance AI brille le plus lorsque vous automatisez des processus internes personnalisés comme l'enrichissement des prospects commerciaux, la sensibilisation marketing ou l'analyse de données complexes. Sa flexibilité est idéale pour créer des workflows uniques qui ne s'intègrent pas dans une application standard prête à l'emploi.
Je cherche à automatiser notre service d'assistance. Relevance AI est-il un bon choix pour cela spécifiquement ?
Bien que vous puissiez l'utiliser pour créer des agents de support de base, c'est une plateforme à usage général et non spécialisée pour le service client. Un outil d'automatisation du support dédié est souvent un meilleur choix, car il offre des intégrations profondes avec le service d'assistance et la capacité d'apprendre immédiatement des tickets passés.
Concrètement, combien de temps mon équipe devrait-elle prévoir pour mettre en place un workflow avec Relevance AI ?
Cela dépend de la complexité de votre tâche, mais vous devriez prévoir un processus de configuration qui prend des jours ou des semaines, pas des minutes. Le temps est consacré non seulement à la construction du workflow mais aussi à le tester et le peaufiner minutieusement pour s'assurer qu'il fonctionne correctement et de manière fiable.
La tarification basée sur le crédit pour Relevance AI semble un peu déroutante. Ma facture mensuelle pourrait-elle beaucoup changer ?
Oui, vos coûts peuvent être imprévisibles avec un modèle basé sur le crédit. Comme vous payez en fonction des actions que vos agents IA effectuent, un mois chargé avec un volume de tâches plus élevé entraînera une facture nettement plus importante qu'un mois plus calme.
Que signifie concrètement le concept de 'Workforce IA' de Relevance AI pour une entreprise ?
Il se réfère à l'idée de créer plusieurs agents IA spécialisés qui peuvent travailler ensemble pour gérer un processus complexe en plusieurs étapes. Par exemple, vous pourriez avoir un agent qui recherche un sujet, un deuxième qui rédige du contenu basé sur cette recherche, et un troisième qui le distribue par e-mail, tous collaborant comme une seule équipe numérique.
