Vers un service client intelligent : Le potentiel des chatbots pour optimiser l'expérience en ligne

Revue Internationale de la Recherche Scientifique (Revue-IRS) ISSN: 2958-8413 Vol. 3, No. 6, Novembre 2025 This is an open access article under the CC BY-NC-ND license. http://www.revue-irs.com 6607 Vers un service client intelligent : Le potentiel des chatbots pour optimiser l'expérience en ligne Sabrine ABOUDOU (Enseignant-Chercheur) Universit Hassan II de Casablanca, Maroc ENCG Casablanca, Laboratoire LARPEG Ichraq HAMMOU (Enseignant-Chercheur) Universit Chouaib Doukkali d’EL Jadida, Maroc ENCG El Jadida , Laboratoire LERSEM Imane ACHHIBAT (Doctorante chercheuse) Université Cadi Ayyad de Marrakech, Maroc FSJES, Laboratoire L-QUALIMAT-GRTE-DS Résumé : Dans le paysage numérique actuel, l'optimisation de l'expérience utilisateur à travers les chatbots est essentielle pour améliorer le service client dans divers secteurs. Cette étude examine l'impact des chatbots sur l'expérience utilisateur, en se concentrant sur l'influence des types de conversation sur la ressemblance humaine perçue et la satisfaction globale. Pour ce faire, nous avons mené une étude qualitative basée sur 15 entretiens avec des utilisateurs provenant des secteurs des télécommunications, des services bancaires et du e-commerce. Les données ont été analysées de manière thématique pour dégager des insights sur les interactions des utilisateurs avec les chatbots, leurs motivations et les effets des différents styles de conversation. Les résultats montrent que les chatbots sont efficaces pour les tâches simples, mais rencontrent des limites pour les requêtes complexes, soulignant la nécessité d'améliorer leurs capacités et leur intégration humaine. Cette étude apporte des connaissances précieuses dans le domaine, en soulignant l'importance d'équilibrer la fonctionnalité des chatbots avec des interactions humaines pour optimiser la satisfaction des utilisateurs. Mots clés : Expérience utilisateur, chatbots, service client, motivations des utilisateurs, types de conversation Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6608 Abstract : In today's digital landscape, optimizing user experience through chatbots has become crucial for enhancing customer service across various industries. This study investigates how chatbots impact user experience, focusing on the influence of conversation types on perceived human-likeness and overall satisfaction. To address this, we conducted a qualitative study involving 15 interviews with users from telecommunications, banking, and e-commerce sectors. Data were analyzed thematically to uncover insights into user interactions with chatbots, their motivations, and the effects of different conversational styles. The findings highlight that while chatbots excel in handling simple tasks efficiently, their effectiveness diminishes with complex queries, underscoring the need for improved capabilities and human integration. This study contributes valuable knowledge to the field, emphasizing the importance of balancing chatbot functionality with human-like interactions to enhance overall user satisfaction. Keywords: User experience, chatbots, customer service, user motivations, conversation types Digital Object Identifier (DOI): https://doi.org/10.5281/zenodo.17680041 1 Introduction Dans le contexte actuel de la transformation numérique, l'optimisation de l'expérience utilisateur à travers les chatbots devient un enjeu majeur pour les entreprises cherchant à améliorer leur service client. Les chatbots, en tant qu'outils de support automatisés, ont démontré leur capacité à offrir une assistance instantanée et disponible en continu, apportant ainsi des avantages en termes d'efficacité et de réduction des coûts opérationnels (BucurTeodorescu, 2021 ; Kant & Jaiswal, 2017). Cependant, malgré ces avantages, la littérature indique que les chatbots montrent des limites lorsqu'ils sont confrontés à des demandes plus complexes ou personnalisées, où l'interaction humaine reste souvent préférée (Misischia et al., 2022 ; Chen et al., 2017). Cette étude vise à explorer en profondeur l'expérience utilisateur des chatbots dans trois secteurs d'activité distincts : les télécommunications, les services bancaires et le e-commerce. En se fondant sur une approche qualitative, cette recherche a été réalisée à partir de 15 entretiens avec des utilisateurs de chatbots, suivie d'une analyse thématique des données recueillies. L'objectif est de déterminer comment les utilisateurs perçoivent les chatbots en fonction des types de conversations et comment ces perceptions influencent l'efficacité globale des services clients fournis par ces outils. En accord avec les observations de Selamat & Windasari (2021) sur la rapidité des chatbots et les résultats de Shevat (2017) sur la gestion des interactions plus complexes, cette étude apporte un éclairage nouveau sur les motivations des utilisateurs, les défis rencontrés, et les implications pour l'optimisation des chatbots. Les conclusions de cette recherche visent à offrir des recommandations pratiques pour améliorer l'expérience utilisateur des chatbots et enrichir les connaissances théoriques sur leur rôle dans les services clients. Dans cet article, nous présentons d'abord le contexte pertinent des chatbots pour le service client et les études connexes sur l'expérience et la motivation des utilisateurs. Sur cette base, nous exposons nos questions de recherche, détaillons la méthode d'étude, et donnons un aperçu des principales conclusions. Enfin, nous discutons des conclusions par rapport aux travaux antérieurs, résumons les principales implications pour la recherche et l'industrie, soulignons les limites de l'étude et suggérons des travaux futurs. 2. Revue de littérature 2.1 L'Impact des Chatbots sur le Service Client : Développement et Optimisation 2.1.1 Service client : définition et tendances Nous dfinissons le service client comme la fourniture d’informations et d’assistance aux utilisateurs d’un fournisseur de services. Le service client peut être conçu pour renforcer l’engagement des utilisateurs envers le fournisseur de services et augmenter les revenus de l’entreprise ou simplement pour fournir aux utilisateurs l’aide et les informations dont ils ont besoin (Goldstein et al., 2002). La performance des opérations de service client est Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6609 troitement lie à l’exprience utilisateur (Goodman. 2018.) ; un service client inadquat conduit probablement à des utilisateurs insatisfaits et à une diminution de la fidélité des clients (Dixon et al., 2010). Les fournisseurs de services cherchent depuis longtemps à réduire les coûts du service client grâce à l’automatisation et aux technologies en libre-service. La tendance à la réduction des coûts dans ce domaine a suscité des inquiétudes parmi les chercheurs et les praticiens, car les initiatives unilatérales de réduction des coûts peuvent conduire à ce que l’on appelle une « course vers le bas » (Polaine et al., 2013), dans laquelle les niveaux de service sont rduits presque jusqu’au point de dysfonctionnement dans le but de réduire les coûts. Gorry et Westbrook (2011) ont soutenu qu’une utilisation insensible des technologies d’automatisation et de libreservice pourrait amener les utilisateurs à percevoir une entreprise comme opaque, tout en réduisant la capacité des représentants du service client à faire preuve d’empathie envers les utilisateurs. En même temps, les utilisateurs apprécient les avantages potentiels des technologies d'automatisation et de libre-service, tels que la réduction des coûts, l'augmentation de l'efficacité et de la disponibilité du service, et des offres de services qui, dans le meilleur des cas, peuvent surpasser même le service client manuel, c'est-à-dire le service client effectué par des représentants humains de l'entreprise (Meuter et al., 2000). Ainsi, l'automatisation et les technologies de libreservice peuvent avoir des effets à la fois positifs et négatifs sur les clients, conduisant à ce qui peut être considéré comme une situation paradoxale où la même technologie de libre-service peut être à la fois une source d'aide et de désorientation ; un outil qui à la fois répond aux besoins et les crée (Johnson et al., 2008). Étonnamment, la disponibilité et la sophistication accrues des technologies de libre-service peuvent ne pas conduire à une réduction correspondante du besoin des utilisateurs de services client manuels. Dixon et al. (2010), par exemple, ont interrogé plus de 75 000 clients sur leurs interactions médiatisées les plus récentes avec le service client manuel, constatant que pour plus de la moitié de ces interactions, les clients avaient d'abord visité les options de libre-service en ligne des fournisseurs de services. Il est également intéressant de noter que, pendant la même période où le libre-service en ligne a évolué, la demande de centres d'appels a augmenté à l'échelle mondiale (Burgess et Connell, 2006). Cela indique que les gens, malgré la disponibilité croissante des options de libreservice, ont toujours besoin d'être aidés par le personnel du service clientèle. 2.1.2 Développement de chatbots La présence des chatbots s'étend sur plusieurs décennies et a été façonnée par diverses avancées technologiques. Cela a commencé dans les années 1960 avec la création d'ELIZA, le premier programme informatique capable d'engager une conversation (Shum et al., 2018). Bien qu'Eliza ait eu ses limites en tant qu'invention initiale, offrant des réponses scénarisées et rencontrant plusieurs obstacles (Weizenbaum, 1966), elle a suscité un intérêt considérable pour la recherche en IA, conduisant à son expansion et à sa croissance. Par la suite, de nombreux chatbots ont été développés avec des fonctionnalités et des capacités uniques, stimulés par l'évolution rapide de la technologie (Shum et al., 2018). Un exemple frappant de chatbot plus avancé est Parry, un programme informatique remarquable qui a été mis en œuvre en 1972 et qui a gr une plus large gamme d'interactions complexes (Colby et al., 1971). Avec la popularisation et l'avancement de l'IA, les chatbots ont commencé à gagner du terrain à la fin des années 2000 (Galitsky, 2019). En 2011, la création de Watson, un chatbot capable de créer des assistants virtuels améliorés pour les entreprises, a marqué une étape importante. Le développement et les progrès de Watson ont ensuite conduit à l'introduction de Watson Health (Watson Assistant | IBM Cloud, s.d.). De nos jours, les chatbots sont de plus en plus utilisés dans divers secteurs. Dans le secteur de la santé, les chatbots sont utilisés pour fournir des conseils de santé et médicaux, ainsi que pour vérifier les symptômes des patients (Jovanovic et al., 2021). Dans l'industrie du divertissement, les chatbots jouent un rôle dans la fourniture de recommandations personnalisées pour les films et la musique (Garcia-Mendez et al., 2021). En outre, les chatbots sont utilisés dans le secteur bancaire pour offrir une assistance et un service client, notamment pour des tâches telles que les transferts de fonds et la vérification du solde des comptes (Alt et al., 2021). En outre, les chatbots sont utilisés dans le coaching et l'éducation pour améliorer les expériences d'apprentissage et la personnalisation (Hwang & Chang, 2021). 2.1.3 L'impact des chatbots sur le service client Le service client est impacté par les chatbots de manière positive et négative. Ils raccourcissent les délais de réponse, augmentent la satisfaction des clients et allègent la pression sur les représentants du support client en direct. Les chatbots, cependant, peuvent manquer d'interaction humaine, nécessiter de l'entretien et peuvent avoir Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6610 du mal à gérer des circonstances difficiles. Les chatbots fournissent un service constant 24 heures sur 24, renforçant la confiance de la clientèle. Cependant, ils peuvent avoir du mal à résoudre les problèmes, ce qui peut rendre les transferts vers des représentants humains dans des circonstances difficiles frustrants. En conclusion, les chatbots seront toujours utilisés dans le service client, mais des représentants humains seront toujours nécessaires pour résoudre les problèmes plus délicats (Misischia et al., 2022). L'intégrité est l'idée que le chatbot sera digne de confiance et ouvert lorsqu'il donnera des informations et répondra aux demandes de l'utilisateur. La confiance des utilisateurs dans les chatbots est influencée par la politesse, l'esthétique et l'utilisation des informations personnelles. En outre, l'acceptation par les consommateurs de l'utilisation de leurs données privées par le chatbot pour la prestation de services peut affecter leur confiance dans le chatbot. On pense que les utilisateurs considèrent la politesse comme un élément clé pour développer la confiance, et ils considèrent le chatbot comme plus digne de confiance s'il utilise un langage poli (Nordheim et al., 2019). Les personnes souffrant d'anxiété sociale sont plus susceptibles d'interagir avec des chatbots qui ressemblent à des humains en termes d'apparence et de comportement qu'avec ceux qui ne le sont pas. La phobie sociale agit comme un élément modérateur dans cette préférence puisque ceux qui en souffrent ressentent une plus grande anxiété dans les contextes sociaux, qui peut être réduite en interagissant avec des chatbots anthropomorphes qui simulent une interaction sociale de type humain. Les chatbots anthropomorphes pourraient être un outil pratique pour aider les personnes souffrant d'anxiété sociale à converser avec les clients (Jin & Youn, 2021). 2.2 Améliorer l'Expérience Client Numérique avec des Chatbots Basés sur l'IA : Types de Conversations et Innovations 2.2.1 Expérience client numérique Dans un environnement commercial hautement concurrentiel, il est essentiel de comprendre les clients et de prendre en compte leurs expériences, car cela permet d'avoir un aperçu clair des aspects de satisfaction (Lemon & Verhoef, 2016). À mesure que le nombre de personnes utilisant des appareils numériques augmente, il est avantageux pour les entreprises d'investir et de développer des ressources pour l'expérience client numérique en étudiant le comportement numérique des consommateurs (Bucur-Teodorescu, 2021). Pour garantir la satisfaction des clients, la qualité du service, la qualité fonctionnelle et l'apparence visuelle sont nécessaires, car l'engagement et la satisfaction des clients augmentent simultanément (Thakur, 2019). Par conséquent, mesurer les expériences et la satisfaction nécessite d'examiner divers aspects, tels que les sites Web et la convivialité (Liébana-Cabanillas et al., 2016). Pour les entreprises de commerce électronique, les chatbots sont devenus un outil très bénéfique et précieux au service de multiples responsabilités. Lorsqu'il s'agit de satisfaire les clients, plusieurs considérations sont précieuses, notamment la fiabilité, l'assurance, la sensibilité, l'empathie et notamment la réactivité (Kant & Jaiswal, 2017). De plus, il ne suffit pas toujours de fournir des solutions bon marché et rapides aux utilisateurs. Les chatbots doivent également offrir des services de qualité et de grande qualité. Pour améliorer l'utilisation des services, il est important de se concentrer sur la confiance et la compétence des chatbots, ce qui profite à la fois aux revenus de l'entreprise et aux relations client-entreprise (Lee & Moray, 2007). 2.2.2 Améliorer l'expérience client avec des chatbots basés sur l'IA Alors que les clients deviennent de plus en plus dépendants des plateformes numériques pour répondre à leurs diverses demandes, les chatbots prennent de plus en plus d'importance dans les entreprises (Selamat & Windasari, 2021). Les chatbots ont commencé à remplacer le rôle des agents humains pour interagir et établir des liens avec les clients. Plutôt que de simplement naviguer sur des sites de commerce électronique, les clients peuvent interagir avec le chatbot et recevoir une assistance personnalisée. Avec l'aide des chatbots, les clients peuvent trouver des produits adaptés ou des informations sur les produits avec moins de temps et d'efforts. Les données que les chatbots collectent à partir de leurs interactions avec les clients peuvent aider à obtenir des informations importantes pour améliorer l'expérience client ou identifier les besoins potentiels des clients. Dans plusieurs études, les participants qui avaient déjà utilisé des chatbots ont signalé plusieurs avantages de ces agents intelligents dans le service client. Parmi les principaux avantages signalés figurent une assistance efficace pour les demandes simples, l'absence d'attente dans la file d'attente pour obtenir de l'aide du personnel du service client et une disponibilité 24h/24 et 7j/7 (Følstad et al., 2018 ; Chen et al., 2021). Ces études ont également révélé que le service client fourni par les chatbots est perçu comme détendu, car le client peut prendre le temps nécessaire Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6611 pour traiter les commentaires et formuler ses questions. Un autre avantage signalé est la nature non critique des chatbots, ce qui rend moins embarrassant de poser des questions sur des sujets simples. De nombreuses autres études ont démontré que les chatbots peuvent augmenter la productivité et la commodité. Afin d'aider les clients à identifier leurs besoins, ces assistants virtuels peuvent, par exemple, proposer des informations difficiles d'une manière simplifiée et interagir fréquemment plus efficacement (Brandtzaeg & Følstad, 2017 ; Følstad et al., 2018 ; Kasilingam, 2020 ; Selamat & Windasari, 2021). Les résultats de recherche présentés ci-dessus indiquent que les chatbots ont la capacité d'améliorer l'accès des utilisateurs aux informations et aux services. Les chatbots peuvent réduire le temps d'attente des utilisateurs pour qu'un représentant humain réponde en donnant des réponses rapides et précises aux questions des utilisateurs. En outre, ils peuvent être programmés pour offrir des informations plus complètes, améliorant ainsi la capacité des utilisateurs à rechercher les données dont ils ont besoin. Dans l’ensemble, les recherches universitaires fournissent de nombreuses preuves que les chatbots peuvent être un outil bénéfique pour améliorer la façon dont les gens obtiennent des informations et des services. Le niveau de satisfaction des clients est étroitement lié à la qualité des informations et des services qui leur sont proposés. Selon les recherches, la capacit d’un système ou d’un service à satisfaire les clients dépend grandement de la qualité des informations et des services qui leur sont proposés (Koivumäki et al., 2008 ; Ashfaq et al., 2020 ; Hsu et Lin, 2023). Ces résultats indiquent que, quel que soit le contenu ou la plateforme, la qualité des informations et des services reste un indicateur important de la satisfaction des clients à l’gard d’un système ou d’un service. Des tudes dans le domaine des systèmes d’information ont montr que la satisfaction est, à son tour, souvent un bon indicateur de la dcision d’une personne de continuer à utiliser un système spcifique (Koivumäki et al., 2008 ; Hsu et Lin, 2023). Les chatbots peuvent améliorer la qualité des informations et des services offerts aux clients, augmentant ainsi leur fidlit et la probabilit d’utiliser à nouveau le système. Plusieurs tudes ont examin la relation entre l’humanisation des chatbots pour les rendre plus semblables à des êtres humains ou l’augmentation de l’engagement des consommateurs. L’utilisation d’indices visuels (comme une silhouette humaine), d’indices d’identit (comme un nom ou une identit humaine) et d’indices conversationnels (comme l’utilisation du langage humain, la messagerie interactive, le fait d’être perçu comme serviable, chaleureux et compétent) ne sont que quelques-unes des stratégies qui peuvent être utilisées pour donner aux chatbots des qualités humaines, selon des recherches antérieures. (Araujo, 2018 ; Go & Sundar, 2019 ; Van den Broeck et al., 2019 ; Roy et Naidoo, 2021 ; Cheng et al., 2022). Selon Schuetzler et al. (2020), les caractéristiques des chatbots de type humain, notamment la perception de l'humanité et l'engagement du partenaire, pourraient améliorer l'expérience utilisateur. De plus, selon Adam et al. (2020), les chatbots qui affichent une humanisation, comme l'identité, le bavardage, l'empathie et la capacité à exécuter des demandes simples, ont plus de chances de réussir à obtenir la coopération de l'utilisateur. En résumé, les chatbots jouent un rôle plus important dans les entreprises, car les clients se tournent vers les plateformes numériques pour répondre à leurs besoins. Ils offrent plusieurs avantages pour le service client, notamment une assistance efficace pour les demandes simples, l’absence d’attente dans la file d’attente pour obtenir de l’aide et une disponibilit 24h/24 et 7j/7. Ils sont galement considrs comme exempts de tout jugement et peuvent être utiles pour la commodité et la productivité. Les chatbots ont le potentiel d’amliorer la qualit des informations et des services fournis aux clients, ce qui conduit à une satisfaction et une fidélité accrues des clients. Rendre les chatbots plus humains, ou les anthropomorphiser, peut également augmenter l’engagement des consommateurs. Il convient également de préciser que si les chatbots peuvent gérer de nombreuses demandes de routine, ils peuvent avoir du mal à répondre à des questions très complexes ou spécifiques à un cas. Par conséquent, il est recommand aux entreprises d’utiliser des chatbots en conjonction avec des agents de service client humains pour offrir la meilleure expérience possible à leurs clients. 2.2.3 Types de conversation des chatbots Une gamme de types de conversation peut être prise en charge dans les chatbots. Alors qu'une distinction grossière a déjà été faite entre les chatbots pour le bavardage social et les systèmes de dialogue pour l'achèvement des tâches (Chen et al., 2017), les progrès récents dans les chatbots à domaine ouvert (Adiwardana et al., 2020 ; Roller et al., 2020) suggèrent l'intérêt de prendre en charge une gamme de types de conversation dans les chatbots. Dans leurs perspectives sur les orientations de recherche futures, Roller et al., 2020 soutiennent la nécessité d'aller au-delà de l'achèvement étroit des tâches et du rappel des connaissances en réponse aux questions fréquemment posées, pour également soutenir des conversations approfondies et éclairées dans les chatbots. Les chatbots pour le service client sont généralement conçus pour des conversations avec une orientation vers un objectif étroit (Forrester, 2016). En outre, les études sur les chatbots pour le service client concernent souvent les caractéristiques des chatbots en faveur de l'achèvement de telles tâches (Ashktorab et al., 2019 ; Kvale et al., 2020). Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6612 Bien que ces conversations axées sur les tâches puissent être considérées comme mécaniques ou scénarisées, elles correspondent aux motivations de productivité des utilisateurs pour utiliser les chatbots (Brandtzaeg et Følstad, 2017). Cependant, des conversations correspondant aux conversations approfondies et éclairées envisagées par Roller et al., 2020 émergent également dans le domaine du service client. Par exemple, de telles conversations ont été explorées pour renforcer l'engagement des utilisateurs avec les marques (Chung et al., 2020) ou pour promouvoir des produits, des services et du contenu informatif (Shevat, 2017). Pour distinguer les dialogues orientés vers un objectif étroit des dialogues destinés à traiter en profondeur un sujet, Shevat a introduit la notion de conversations axées sur les tâches et les sujets. Le premier type de conversation est ciblé et axé sur un objectif tandis que le second désigne des conversations explorant ou détaillant un sujet d'intérêt. Le type de conversation peut avoir un impact sur la perception qu'ont les utilisateurs de la ressemblance humaine du chatbot. Les conversations axes sur un sujet ressemblent gnralement beaucoup à l’interaction avec des interlocuteurs humains, comme le montre leur prévalence dans les conversations visant à établir des relations (Ta et al., 2020) et à susciter l’engagement (Ram et al., 2018). Ainsi, on peut s’attendre à ce que les conversations axées sur un sujet renforcent la qualité hédonique en facilitant une interaction conversationnelle approfondie et un style de conversation engageant ressemblant à celui des interlocuteurs humains. À l’inverse, les conversations axées sur les tâches, où la réalisation des objectifs est prioritaire – peut-être au détriment de la ressemblance humaine, seront probablement perçues comme ayant une qualité pragmatique élevée. 3. Questions de recherche et directions d'exploration Le contexte actuel met en évidence une lacune dans la recherche concernant une compréhension approfondie de l'expérience utilisateur des chatbots pour le service client ainsi que des motivations des utilisateurs à recourir à ces technologies. Afin de combler cette lacune et de mieux orienter la conception des chatbots, nous avons formulé les questions de recherche suivantes : • RQ1 : Comment les utilisateurs vivent-ils l'expérience des chatbots pour le service client ? • RQ2 : Quelles sont les principales motivations des utilisateurs à utiliser les chatbots pour le service client ? • RQ3 : Comment l’exprience utilisateur des chatbots de service client est-elle affectée par les variations du type de conversation supposées avoir des implications sur la ressemblance humaine des chatbots ? Les recherches actuelles sur les interfaces utilisateur conversationnelles mettent en évidence l'importance de comprendre l'expérience utilisateur des chatbots pour le service client, en tenant compte des écarts entre les attentes des utilisateurs et les capacités réelles de ces technologies. Il est essentiel d'examiner comment les utilisateurs perçoivent l'efficacité des chatbots à résoudre des tâches spécifiques et pratiques, ainsi que leur impact émotionnel et leur capacité à établir des connexions humaines. En ce qui concerne les motivations des utilisateurs, bien que le désir d'obtenir une assistance rapide et accessible soit central, il est tout aussi crucial d'explorer les attentes et les aspirations des utilisateurs en matière d'améliorations futures des chatbots dans le service client. Ces éléments permettent de mieux comprendre comment les variations dans les types de conversation influencent l'expérience utilisateur et la perception de l'humanité des chatbots. 4. Méthode Afin de respecter l'approche exploratoire recommandée par nos questions de recherche, nous avons réalisé une étude basée sur des entretiens avec des utilisateurs de chatbots pour le service client de trois grandes entreprises marocaines opérant dans des secteurs d'activités variés, notamment les télécommunications, les services bancaires et le e-commerce. 4.1 Les chatbots Pour une étude qualitative visant à analyser l'optimisation de l'expérience utilisateur tout en prenant en compte l'influence du type de conversation, il est préférable d'inclure des entreprises qui utilisent les deux types de dialogues. En intégrant des entreprises qui proposent à la fois des dialogues axés sur des objectifs spécifiques et des dialogues permettant d'explorer un sujet en profondeur, nous pourrons comparer directement les expériences Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6613 des utilisateurs avec ces deux types d'interaction. Ainsi, les utilisateurs ayant expérimenté ces deux approches pourront fournir des insights plus riches et nuancés sur leurs préférences, leurs perceptions, et leur satisfaction globale. De plus, en sélectionnant des entreprises de différentes industries, nous augmenterons la validité externe de notre étude, rendant nos conclusions plus généralisables à un large éventail de contextes. Le tableau ci-dessous présente les trois entreprises leaders dans leur secteur d'activité sur lesquelles notre étude est basée, en détaillant les services offerts par leurs chatbots de service client ainsi que les plateformes d'accès. Pour des raisons éthiques, nous ne mentionnons pas leurs noms mais uniquement le secteur d'activité. Tableau 1 : Caractéristiques des chatbots de service client dans trois secteurs d'activité : Services offerts et plateformes d'accès Entreprises Types de chatbot Accès Service client pour les télécommunications Dialogues orientés vers un objectif précis : Consultation de solde et consommation, paiement de factures, souscription et gestion des abonnements, support technique rapide, informations sur les offres, réinitialisation et dépannage automatique. Dialogues destinés à explorer en profondeur un sujet : Conseils personnalisés, explication des services et offres, comparaison de produits et services. Application mobile ; Portail client et espace personnel ; Plateforme de messagerie (Facebook) ; Emails Interactifs. Service client bancaire Dialogues orientés vers un objectif précis : Suivi des transactions, gestion des comptes , assistance pour les paiements, support technique Dialogues destinés à explorer en profondeur un sujet : Conseils financiers personnalisés, informations sur les produits bancaires, planification financière Dialogues destinés à explorer en profondeur un sujet : Conseils financiers personnalisés, informations sur les produits bancaires, planification financière Application mobile ; Site web officiel ; Emails Interactifs. Service client pour ecommerce Dialogues orientés vers un objectif précis : Suivi de commandes, gestion des retours et des remboursements, informations sur les produits et les disponibilités. Dialogues destinés à explorer en profondeur un sujet : Recommandations de produits basées sur les préférences des utilisateurs, conseils sur les promotions et les offres spéciales, assistance détaillée sur le processus d'achat et de paiement. Site web officiel; Application mobile; Facebook Messenger; WhatsApp; Emails interactifs; Portail client et espace personnel. Source : Nous-mêmes 4.2 Recrutement des participants Pour explorer comment les utilisateurs perçoivent l'expérience des chatbots de service client, leurs motivations à utiliser ces chatbots, et comment l'expérience utilisateur est influencée par les variations du type de conversation, nous avons interrogé 15 personnes ayant une expérience récente et réelle avec les chatbots de service client des trois entreprises mentionnées, soit 5 clients par entreprise. Le recrutement des participants a été facilité par l'interaction avec les abonnés des pages officielles de ces entreprises sur les réseaux sociaux. Un message a été envoyé pour inviter les utilisateurs à participer à l'étude, et Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6614 parmi ceux ayant répondu positivement, nous avons veillé à inclure des individus avec divers niveaux d'expérience avec les chatbots afin de capturer une gamme de perspectives, Ils varient également en termes d'âge, de profession et de type de demandes effectuées. Les participants intéressés ont ensuite reçu les questions de notre guide d'entretien. Le délai entre le premier contact avec les participants et les entretiens a varié de quelques heures à quelques semaines, en fonction de la disponibilité des participants. Le tableau ci-dessous présente les participants de notre étude. En raison de la confidentialité, seuls leurs prénoms sont mentionnés : Tableau 2 : Caractéristiques démographiques et professionnelles des participants Entreprise Prénom Age Statut Opérateur téléphonique Mehdi 32 ans Consultant en informatique Fatima Zahra 45 ans Responsable marketing Youssef 26 ans Étudiant en ingénierie Leila 56 ans Enseignante Omar 18 ans Étudiant Services bancaire Sarah 29 ans Assistante administrative Rachid 34 ans Responsable marketing Nadia 26 ans Étudiante en finance Jamal 45 ans Ingénieur en informatique Amina 31 ans Architecte E-commerce Sofia 18 ans Étudiante Karim 50 ans Cadre supérieur Hicham 28 ans Entrepreneur Amina 35 ans Responsable marketing Rachid 40 ans Ingénieur Source : Nous-mêmes 4.3 Guide d’entretien : Les entretiens étaient semi-structurés et le guide d'entretien abordait trois axes principaux : Axe 1 : Expérience utilisateur des chatbots pour le service client Cet axe explore comment les utilisateurs perçoivent et vivent l'expérience des chatbots dans le contexte du service client. Il examine les impressions générales, la facilité d'utilisation, la navigation, ainsi que la satisfaction globale des utilisateurs. Axe 2 : Motivations des utilisateurs pour utiliser des chatbots Cet axe se concentre sur les raisons pour lesquelles les utilisateurs choisissent d'utiliser des chatbots pour le service client. Il analyse les motivations initiales, les avantages perçus, et la comparaison avec d'autres modes de service client. Axe 3 : Influence du type de conversation sur l'expérience utilisateur Cet axe examine comment le type de conversation des chatbots impacte l'expérience utilisateur. Il distingue entre les dialogues orientés vers un objectif précis, souvent axés sur des tâches spécifiques, et les dialogues destinés à explorer en profondeur un sujet, souvent plus généralisés. L'objectif est de comprendre comment ces deux types de conversations influencent la satisfaction, l'efficacité et l'engagement des utilisateurs avec les chatbots. Pour tous les sujets, les participants ont été encouragés à rendre compte librement de leurs expériences, de leurs pensées et de leurs perceptions, tout en respectant la structure du guide d'entretien. Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6615 5. Méthode d’analyse : Pour notre tude nous avons appliqu l'analyse thmatique aux rponses de notre guide d’entretien. Nous avons commencé par lire attentivement les réponses de chaque répondant pour comprendre les opinions et sentiments exprimés. Nous avons ensuite identifié les segments clés dans les réponses et les avons associés aux différents axes, tels que l'expérience utilisateur, les motivations pour utiliser les chatbots, et l'influence du type de conversation. Ces codes ont été regroupés en thèmes plus larges pour chaque axe, permettant de dégager les idées principales de chaque ensemble de réponses. Nous avons vérifié que les thèmes étaient bien soutenus par les données et que chaque thème regroupait des idées cohérentes. Chaque thème a été défini clairement et nommé de manière appropriée pour refléter les idées principales. Enfin, nous avons rédigé une synthèse de chaque thème, en utilisant des citations des répondants pour illustrer les points clés, et tiré une conclusion générale sur l'expérience utilisateur des chatbots. Cette méthode nous a permis d'extraire des insights pertinents sur les expériences et attentes des utilisateurs concernant les chatbots, identifiant ainsi les forces et les faiblesses du service pour des améliorations futures. 6. Résultats : Nous présenterons les résultats de chaque entreprise, basés sur les données de cinq répondants ayant utilisé leur chatbot. Nous commencerons par regrouper les codes en thèmes significatifs, représentant des concepts clés des réponses. Ensuite, nous approfondirons les principaux thèmes en explorant les nuances et sous-thèmes liés à chaque axe de notre guide d’entretien. Cette approche permettra de dgager des insights plus riches et d'obtenir une meilleure compréhension des perceptions des utilisateurs. Enfin, nous conclurons par une synthèse générale et comparative des trois chatbots. 6.1 Expérience utilisateur du chatbot des services de telecommunication : Principaux thèmes et codes associés Thèmes Codes associés Résumé Thème 1 : Efficacité et rapidité du chatbot Efficacité pour les tâches simples Tous les répondants apprécient la rapidité du chatbot pour les tâches simples comme vérifier le solde ou acheter des crédits. L'interface conviviale et la navigation intuitive contribuent à une expérience utilisateur positive. Rapidité Facilité d'utilisation Thème 2 : Limitations pour les demandes complexes Réponses complexes Les répondants trouvent que le chatbot peut être limité lorsqu'il s'agit de traiter des demandes plus complexes comme les configurations d'abonnement ou les offres spéciales. Des cas où le chatbot ne répond pas de manière adéquate nécessitent souvent une intervention humaine. Limitations Thème 3 : Préférences pour le type de conversation Préférences Les avis sont partagés concernant les préférences entre chatbots orientés tâches et chatbots orientés sujets. Les jeunes utilisateurs et ceux ayant des demandes simples préfèrent les chatbots orientés tâches pour leur efficacité, tandis Chatbot orienté tâches vs. chatbot orienté sujets Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6622 Chen, J. S., Tran-Thien-Y, L., & Florence, D. (2021). Usability and responsiveness of artificial intelligence chatbot on online customer experience in e-retailing. International Journal of Retail & Distribution Management, 49(11), 1512–1531. Cheng, X., Zhang, X., Cohen, J., & Mou, J. (2022). Human vs. AI: Understanding the impact of anthropomorphism on consumer response to chatbots from the perspective of trust and relationship norms. Information Processing & Management, 59(3), 102940. Chung, M., Ko, E., Joung, H., Kim, S.J., 2020. Chatbot e-service and customer satisfaction regarding luxury brands. J. Bus. Res. 117, 587–595. Colby, K. M., Weber, S., & Hilf, F. D. (1971). Artificial Paranoia. Artificial Intelligence, 2(1), 1–25. Conference on Internet Science, Thessaloniki. Devon S. Johnson, Fleura Bardhi, Dan T. Dunn (2008). Understanding How Technology Paradoxes Affect Customer Satisfaction with Self‐service Technology: The Role of Performance Ambiguity and Trust in Technology. Psychology & Marketing, 25(5), 416–443. Følstad, A., & Brandtzæg, P. B. (2017). Chatbots and the new world of HCI. interactions, 24(4), 38-42. Følstad, A., Nordheim, C. B., & Bjørkli, C. A. (2018, October). What makes users trust a chatbot for customer service? An exploratory interview study. In International conference on internet science (pp. 194-208). Springer, Cham. 10.1007/978-3-03001437-7_16 Forrester, 2016. The state of chatbots. Technical report. Forrester. G. Anthony Gorry, Robert A. Westbrook. (2011). Once More, with Feeling: Empathy and Technology in Customer Care. Business Horizons, 54(2), 125–134. Galitsky, B. (2019). Developing Enterprise Chatbots: Learning Linguistic Structures. Springer International Publishing AG. Garcia-Mendez, S., De Arriba-Perez, F., Gonzalez-Castano, F. J., Regueiro-Janeiro, J. A., & Gil-Castineira, F. (2021). Entertainment Chatbot for the Digital Inclusion of Elderly People Without Abstraction Capabilities. IEEE Access, 9, 75878–75891. Go, E., & Sundar, S. S. (2019). Humanizing chatbots: The effects of visual, identity and conversational cues on humanness perceptions. Computers in Human Behavior, 97, 304–316. Hsu, C. L., & Lin, J. C. C. (2023). Understanding the user satisfaction and loyalty of customer service chatbots. Journal of Retailing and Consumer Services, 71, 103211. Hwang, G.-J., & Chang, C.-Y. (2021). A review of opportunities and challenges of Chatbots in education. Interactive Learning Environments, 1–14. Jin, S. V., & Youn, S. (2021). Why do consumers with social phobia prefer anthropomorphic customer service chatbots? evolutionary explanations of the moderating roles of social phobia. Telematics and Informatics, 62, 101644. John Goodman. 2018. Strategic Customer Service: Managing the Customer Experience to Increase Positive Word of Mouth, Build Loyalty, and Maximize Profits. Amacom, New York, NY. Jovanovic, M., Baez, M., & Casati, F. (2021). Chatbots as Conversational Healthcare Services. IEEE Internet Computing, 25(3), 44–51. Julia Burgess, John Connell (Eds.) 2006. Developments in the Call Centre Industry: Analysis, Changes and Challenges. Routledge, London, UK. Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6623 Kant, R., & Jaiswal, D. (2017). The impact of perceived service quality dimensions on customer satisfaction: An empirical study on public sector banks in India. International Journal of Bank Marketing, 35(3), 411–430. Kasilingam, D. L. (2020). Understanding the attitude and intention to use smartphone chatbots for shopping. Technology in Society, 62, 101280. Koivumäki, T., Ristola, A., & Kesti, M. (2008). The effects of information quality of mobile information services on user satisfaction and service acceptance–empirical evidence from Finland. Behaviour & Information Technology, 27(5), 375–385. Kvale, K., Sell, O.A., Hodnebrog, S., Følstad, A., 2020. Improving conversations: Lessons learnt from manual analysis of chatbot dialogues. In: Proceedings of Conversations 2019–International Workshop on Chatbot Research and Design. Cham, Switzerland. Lee, J and Moray, N. (2007). Trust, control strategies and allocation of function in humanmachine systems. Ergonomics. 35(10), 1243–1270. Lemon, K. N., & Verhoef, P. C. (2016). Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing, 80(6), 69–96. Libana-Cabanillas, F., Muoz-Leiva, F., Snchez-Fernndez, J., & Viedma-del Jess, M. I. (2016). The moderating effect of user experience on satisfaction with electronic banking: empirical evidence from the Spanish case. Information Systems and e-Business Management, 14(1), 141–165. Matthew Dixon, Karen Freeman, Nicholas Toman (2010). Stop Trying to Delight Your Customers. Harvard Business Review, 88(7/8), 116–122. Matthew L. Meuter, Amy L. Ostrom, Robert I. Roundtree, Mary Jo Bitner (2000). Self-service Technologies: Understanding Customer Satisfaction with Technology-based Service Encounters. Journal of Marketing, 64(3), 50–64. Misischia, C. V., Poecze, F., & Strauss, C. (2022). Chatbots in customer service: Their relevance and impact on service quality. Procedia Computer Science, 201, 421–428. Nordheim, C. B., Følstad, A., & Bjørkli, C. A. (2019). An initial model of trust in Chatbots for customer service— findings from a questionnaire study. Interacting with Computers, 31(3), 317–335. Ram, A., Prasad, R., Khatri, C., Venkatesh, A., Gabriel, R., Liu, Q., & King, E. (2018). Conversational ai: The science behind the Alexa prize. arXiv preprint. arXiv: 1801.03604. Roller, S., Dinan, E., Goyal, N., Ju, D., Williamson, M., Liu, Y., & Boureau, Y.L. (2020). Recipes for building an open-domain chatbot. arXiv preprint. arXiv:2004.13637. Roy, R., & Naidoo, V. (2021). Enhancing chatbot effectiveness: The role of anthropomorphic conversational styles and time orientation. Journal of Business Research, 126, 23–34. Selamat, M. A., & Windasari, N. A. (2021). Chatbot for SMEs: Integrating customer and business owner perspectives. Technology in Society, 66, 101685. doi:10.1016/j. techsoc.2021.101685 Shevat, A., 2017. Designing bots: Creating Conversational Experiences. O’Reilly Media, Boston, MA. Shum, H., He, X., & Li, D. (2018). From Eliza to XiaoIce: challenges and opportunities with social chatbots. Frontiers of Information Technology & Electronic Engineering, 19(1), 10–26. Susan M. Goldstein, Robert Johnston, JoAnn Duffy, Jay Rao. (2002). The Service Concept: The Missing Link in Service Design Research? Journal of Operations Management, 20(2), 121–134. Revue Internationale de la Recherche Scientifique (Revue-IRS) - ISSN : 2958-8413 http://www.revue-irs.com 6624 Ta, V., Griffith, C., Boatfield, C., Wang, X., Civitello, M., Bader, H., Loggarakis, A., 2020. User experiences of social support from companion chatbots in everyday contexts: thematic analysis. J. Med. Internet Res. 22 (3), e16235. Thakur, R. (2019). The moderating role of customer engagement experiences in customer satisfaction–loyalty relationship. European Journal of Marketing, 53(7), 1278–1310. Van Pinxteren, M. M., Pluymaekers, M., & Lemmink, J. G. (2020). Human-like communication in conversational agents: A literature review and research agenda. Journal of Service Management, 31(2), 203–225. Watson assistant | IBM cloud. (n.d.). Watson Assistant: Build better virtual agents, powered by AI. Retrieved 22 March 2023 Weizenbaum, J. (1966). ELIZA-a computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36–45.