Elena Tesser · Responsable marketing mondial de l’industrie pour les communications, les médias et la publicité, Databricks
Points clés :
- Les données d'entreprise ne améliorent l'expérience client que lorsqu'elles deviennent utilisables sur le moment. Le contexte client rassemble les signaux d'interaction en direct, les données d'entreprise, les conditions opérationnelles et le statut du flux de travail afin que l'IA et les agents humains puissent comprendre ce qui se passe et ce qui devrait se passer ensuite.
- Databricks et Avaya Infinity relient la base à l’interaction. Databricks aide les entreprises à gouverner, partager et faire confiance à leurs données et actifs IA, tandis qu’Avaya Infinity aide à activer cette intelligence dans des flux de travail d’expérience client en direct à travers l’IA, les agents et les systèmes.
La plupart des entreprises ne manquent pas de données clients. Elles manquent de contexte client. Le contexte client est la différence entre connaître des faits sur un client et comprendre ce qui se passe pour ce client en ce moment. C’est l’image vivante, assemblée, de qui est le client, ce qu’il essaie de faire, ce qui se passe à travers les systèmes d’entreprise qui les touchent, et ce qui devrait se passer ensuite.
Les données sont la matière première. Le contexte est les données rendues utilisables au moment de l’interaction.
Cette distinction compte parce que les données seules ne résolvent pas le problème d’un client. Un enregistrement de facturation dans un système, l’historique d’utilisation dans un autre et un indicateur de fraude dans un troisième sont tous techniquement « connus » de l’entreprise. Mais si aucune de ces informations n’atteint l’agent ou l’assistant IA qui gère la conversation, le client fait l’expérience d’une organisation qui ne les connaît pas du tout.
Le contexte provient de multiples types de signaux travaillant ensemble :
- Signaux d’interaction : ce que le client dit, demande et fait dans la conversation actuelle, ainsi que l’historique récent d’interaction à travers les canaux.
- Signaux d’entreprise : dossiers de compte, historique des transactions, droits, contrats et préférences qui existent dans CRM, facturation et systèmes opérationnels.
- Signaux opérationnels : conditions en temps réel comme une panne dans la zone du client, un retard de livraison, un changement de statut de réclamation ou une alerte de fraude.
- Signaux de flux de travail : où le client se trouve dans un processus, tel qu’un ticket ouvert, une approbation en attente, un rendez‑vous programmé ou une escalade en cours.
Lorsque ces signaux se combinent de manière gouvernée et fiable, l’IA et les agents humains peuvent agir avec compréhension plutôt qu’avec des suppositions. Atteindre cet objectif commence par la base de données.
Pourquoi les données gouvernées et sécurisées constituent la base de l’IA de l’expérience client
L’IA d’expérience client a un niveau de rigueur supérieur à la plupart des IA d’entreprise. Elle fonctionne en temps réel, devant les clients, souvent dans des industries réglementées. Un modèle analytique produisant une insight douteuse est revu avant que quiconque n’agisse. Un agent IA dans une interaction en direct agit immédiatement. Des données fiables et gouvernées ne sont pas simplement un atout pour l’IA CX. C’est la condition préalable pour la mettre en production.
À mesure que l’IA se rapproche des flux de travail orientés client, plusieurs exigences de données deviennent non négociables:
- Contrôle d'accès. Les systèmes et agents IA ne doivent voir que les données auxquelles ils sont autorisés, limitées par rôle, cas d'utilisation, consentement client et frontière réglementaire. Un accès granulaire, basé sur la politique, aide à garantir qu'un assistant IA soutenant une question de facturation n'utilise que les données appropriées à ce rôle, cas d'utilisation et contexte client.
- Lignée et traçabilité. Lorsqu’un système d’IA recommande une action ou résout un problème, les organisations doivent pouvoir retracer les données ayant informé cette décision, leur provenance et leur actualité. Dans les industries réglementées, les pistes d’audit ne sont pas facultatives. Chaque interaction IA doit être explicable par la suite.
- Vie privée et conformité. Les données clients utilisées lors d’interactions en direct sont souvent les données les plus sensibles qu’une entreprise détient : dossiers financiers, informations de santé et détails d’identité. Les politiques de gouvernance doivent accompagner les données, de sorte que la vie privée et la conformité soient appliquées partout où les données sont utilisées, y compris par l’IA.
- Données structurées et non structurées ensemble. Le contexte client n’est pas seulement des lignes dans une base de données. Il inclut les transcriptions d’appels, les journaux de chat, les documents, les e‑mails et les articles de connaissances aux côtés des tables de transactions et des dossiers de comptes. La gouvernance doit couvrir les deux, car le CX AI s’appuie sur les deux.
Databricks permet aux entreprises de répondre à ces exigences. Tout d’abord, il établit une plateforme unifiée pour organiser les données d’une organisation à travers les sources et les formats. Ensuite vient Unity Catalog, une couche unique de gouvernance pour les données, l’analyse et les actifs IA qui repose sur cette plateforme unifiée, permettant des contrôles d’accès fins, un suivi automatisé de la lignée et une journalisation d’audit à travers les données structurées et non structurées. Enfin, OpenSharing étend cette base, permettant aux entreprises de partager des données gouvernées en toute sécurité entre plateformes, partenaires et applications sans les copier ou perdre le contrôle.
OpenSharing permet l'IA d'entreprise
À mesure que les entreprises se tournent vers l’IA agentique, les données gouvernées seules ne suffisent plus. Les agents IA dépendent de plus en plus des connaissances d’entreprise, du contexte sémantique, des modèles, des invites et des capacités IA réutilisables, réparties sur plusieurs applications, pour raisonner et agir. Ces actifs doivent être partagés avec la même gouvernance, sécurité et auditabilité que les données sous‑jacentes elles‑mêmes.
C’est là que OpenSharing représente la prochaine évolution. En s’appuyant sur le succès de Delta Sharing, OpenSharing étend le partage sécurisé, sans copie, au-delà des données vers les actifs IA, permettant aux organisations d’échanger des actifs IA gouvernés et des connaissances d’entreprise à travers les plateformes via des normes ouvertes.
Il devient particulièrement important pour les organisations qui cherchent à comprendre et à améliorer l’expérience client, ce qui nécessite de puiser dans les informations provenant du CRM, ERP, facturation, systèmes opérationnels, écosystèmes partenaires et bases de connaissances. Avec OpenSharing, les agents IA peuvent désormais consommer en toute sécurité des connaissances d’entreprise fiables, peu importe où les données – ou l’application IA elle‑même – résident, tandis que les organisations maintiennent une source unique de vérité. Le résultat est un patrimoine de données que l’IA peut être confiée à utiliser : autorisé, traçable, actuel et conforme par conception.
Pour l’expérience client, cette base est la plus importante lorsque la connaissance d’entreprise fiable peut atteindre la couche d’interaction, où l’IA, les agents et les flux de travail peuvent l’utiliser en temps réel.
L’écart entre la préparation des données et l’action client
Cependant, même avec une base de données solide, il existe un écart entre les données prêtes et les données agissant dans un moment client.
Actuellement, l’expérience client ressemble souvent à ceci : un client pose une question. L’agent ou l’assistant IA voit la question et une tranche limitée de l’historique du compte. La réponse réelle peut se trouver dans les systèmes de facturation, d’utilisation, de fraude, de planification, d’inventaire ou d’opérations, mais il faut du temps et des efforts de la part du client pour la retrouver.
Mais avec le bon contexte, l’interaction peut être enrichie par des données d’entreprise fiables et des signaux en direct au fur et à mesure. L’IA et les agents peuvent comprendre le problème, identifier la cause, recommander les prochaines étapes et déclencher le bon flux de travail rapidement et sans couture.
Réduire cet écart nécessite plus que connecter des systèmes. Transformer les données d’entreprise en contexte client nécessite un accès gouverné, des définitions de données partagées, une conception de flux de travail, des contrôles IA et des décisions claires sur ce qui doit être automatisé, recommandé ou escaladé à un humain.
Comment Avaya Infinity transforme les données gouvernées en actions CX en temps réel
C’est ici que le partenariat Databricks et Avaya se concrétise. Databricks fournit la base de données de confiance, tandis que Avaya Infinity active cette base dans la couche d’expérience client.
Databricks aide les entreprises à unifier et gouverner leurs données, en résolvant ce qui est vrai à travers les systèmes, en imposant qui peut accéder à quoi, et en conservant l’historique et les pistes d’audit intacts. Avaya Infinity intègre ces données gouvernées dans les interactions client en temps réel, en connectant le contexte d’interaction, les données d’entreprise, l’IA, les agents et les flux de travail dans une couche d’orchestration en temps réel.
L’objectif est l’action pendant l’interaction, pas seulement l’analyse après coup. Lorsqu’un client se manifeste, la plateforme peut assembler le contexte pertinent en temps réel, extraire les données autorisées via des connexions gouvernées, les mettre à disposition des assistants IA et des agents humains, et permettre aux flux de travail de s’exécuter dans la même conversation : vérifier une identité, prendre un rendez‑vous, initier un crédit, escalader un dossier.
La gouvernance doit également s’étendre au flux de travail lui‑même. Les organisations ont besoin de contrôles clairs sur ce que l’IA peut accéder, ce qu’elle peut recommander, ce qu’elle peut exécuter, et quand un humain doit examiner ou intervenir. Cela importe car les opérations CX les plus solides ne remplacent pas le jugement humain par l’IA. Elles utilisent l’IA pour assembler le contexte, réduire l’effort manuel et soutenir des décisions plus rapides et plus éclairées tout en gardant les personnes impliquées pour l’empathie, le jugement, l’examen et les exceptions.
Dans ce modèle, Databricks aide à rendre les données d’entreprise fiables et utilisables. Avaya Infinity aide à les rendre exploitables dans l’expérience client en temps réel.
Cas d’utilisation en temps réel du contexte client
- Services financiers. Un client appelle concernant une transaction par carte refusée. Les données gouvernées peuvent inclure des signaux de fraude, l’historique des transactions, les données d’appareil, les schémas de voyage et le statut du client. Le contexte en temps réel peut aider l’agent ou l’IA à vérifier, expliquer, escalader ou résoudre le problème.
- Santé. Un patient appelle concernant une facture, un rendez‑vous, une référence ou une instruction de soins. Les données gouvernées peuvent inclure l’éligibilité, l’historique des rendez‑vous, le statut des réclamations, les contacts antérieurs et les données de planification. Le contexte en temps réel peut aider à orienter l’étape suivante sans obliger le patient à répéter les informations.
- Services publics. Un client appelle pendant une panne ou une interruption de service. Les données gouvernées peuvent inclure les données de compteur, les cartes de panne, le statut des équipes sur le terrain, l'historique du compte et la priorité du service. Le contexte en temps réel peut aider à acheminer, informer, prioriser et déclencher un suivi.
À travers les industries, le schéma est le même. Les données étaient là depuis toujours, mais la gouvernance les rend fiables, et l’orchestration les rend exploitables quand cela compte le plus.
La prochaine phase de l’IA d’entreprise
La prochaine génération d’IA d’entreprise ne sera pas définie uniquement par de plus grands modèles linguistiques. Elle sera définie par la façon dont les organisations connectent les connaissances d’entreprise de confiance, les données gouvernées, les capacités d’IA réutilisables et l’orchestration intelligente dans chaque interaction client. Pour l’expérience client, ce moment est l’interaction en direct.
Ensemble, Databricks et Avaya permettent une architecture IA d’entreprise ouverte : données gouvernées via Unity Catalog, collaboration sécurisée via OpenSharing et orchestration en temps réel via Avaya Infinity.
Lorsque les données gouvernées deviennent le contexte client, l’IA et les agents humains peuvent travailler à partir d’une image plus complète du client, du problème, du processus métier et de la prochaine meilleure action. Databricks fournit la base de données d’entreprise gouvernée. Avaya Infinity apporte cette intelligence dans les flux de travail d’expérience client en direct, où IA, agents et systèmes peuvent agir avec contexte.
Le résultat est une expérience client plus connectée : une où l’entreprise peut utiliser ce qu’elle connaît pour répondre avec plus de pertinence, de rapidité et de contrôle.
Questions fréquentes sur les données d’entreprise et le contexte client
Pourquoi l’IA CX a‑t‑elle besoin de données gouvernées ?
L’IA CX a besoin de données gouvernées afin que les agents et les systèmes d’IA puissent utiliser des informations fiables, autorisées et à jour lorsqu’ils font des recommandations ou prennent des mesures.
Comment Databricks soutient l'IA de l'expérience client ?
Databricks soutient l’IA d’expérience client en aidant les entreprises à unifier, gouverner, partager et préparer les données et les actifs IA grâce à des capacités telles que Unity Catalog et Delta Sharing.
Comment Avaya Infinity utilise-t-il les données d'entreprise?
Avaya Infinity relie les données d’entreprise au contexte d’interaction en direct, à l’IA, aux agents et aux flux de travail afin que les organisations puissent agir pendant les interactions client.
Quel est le contexte client dans l’IA d’entreprise?
Le contexte client est la combinaison de signaux d’interaction en direct, de données d’entreprise, de conditions opérationnelles et de statut de flux de travail qui aide l’IA et les agents humains à comprendre la situation d’un client au moment présent.
