Chatbot ou metabot quel est le meilleur investissement ?

Dans un précédent article, j’expliquais sommairement (car on pourrait raisonnablement y passer quelques pages) ce qu’est un metabot. Je vous invite à suivre le lien pour vous plonger dans cette – passionnante – lecture.

Après avoir posé cette différence entre les deux types de solutions, se pose naturellement celle de l’investissement nécessaire et son corollaire immédiat du retour sur investissement.

Plutôt qu’un article rempli de grandes théories, il m’a paru intéressant de rapporter les différents échanges clients que j’ai pu avoir en phase de présentation de l’offre Hubi.ai ces dernières semaines.

Remarque #1 : vision à court vs. long terme

Réaction intéressante d’un DSI à la présentation de Hubi.ai : « votre solution va au-delà de tout, mais il faut que l’on repense notre projet. Nous ne sommes plus sur du one shot mais sur une mise en œuvre plus générale là, on ne s’attendait pas à cette possibilité. Pour le chatbot était un test, si cela n’est pas concluant, on jette… ».

La réflexion autour de l’implémentation d’un chatbot est souvent tournée vers l’apport d’une fonctionnalité spécifique, à une population spécifique. Que la fonctionnalité soit liée au support d’une fonction métier, la recherche d’informations dans un contexte précis, la mise à disposition aux utilisateurs d’une interface moderne, ou une quelconque autre raison, elle est indéniablement liée à une volonté de moderniser un SI. Lorsque l’on en vient à présenter l’option « metabot », la réflexion s’engage sur un périmètre beaucoup plus large. Les enjeux également. Ils imposent d’avoir une vision plus globale du SI, mais pas une vision au sens IT : plutôt une vision stratégique, une orientation à donner à son usage.

Mais que l’on parle de fonctionnalité « nice to have » ou d’une application plus stratégique, la réflexion sur la mise en œuvre d’une solution jetable est tout à fait légitime. Savoir quel budget peut être sacrifié à la mise en œuvre d’un test permet d’en définir le périmètre. Mais comment les facteurs de réussite vont-ils être définis/mesurés ?

Remarque #2 : temps d’intégration pour un projet à forte visibilité

Ce même DSI a ensuite fait une remarque très pertinente : « le temps de rassembler tous les besoins métiers chez nous, c’est un projet sur deux ans ».

Vrai… et dans certains cas totalement faux. C’est une question de mise en œuvre. Si effectivement vous souhaitez un projet de refonte globale, alors oui, cela prend du temps. Et de l’argent (les personnes mobilisées en interne n’étant pas nécessairement corvéables à merci). L’agilité étant prônée partout, l’intégration d’une solution de metabot se doit de suivre cette voie : d’une part parce qu’elle permettra un déploiement facile de pilotes qui iront idéalement vanter le produit en interne, d’autre part parce qu’elle permettra d’étaler les coûts sur la durée du projet. Et en termes d’accompagnement au changement, adresser la population de l’organisation par parties s’est toujours avéré plus simple qu’un changement général.

Remarque #3 : ROI direct vs. Indirect.

Un point soulevé lors de nombreuses rencontres est celui du ROI. Plus précisément celui de l’évaluation du ROI indirect. C’est selon moi un point critique dans le choix d‘une solution. Le ROI direct peut-être très simplement calculé : la solution vous coûte X, elle vous permet d’économiser Y, simple calcul. Mais est-ce le cas pour un chatbot ? dans le cas d’un chatbot B2B, oui, c’est possible. Un chatbot adressant les fonctions de support permet de remplacer des opérateurs de niveau 1 et/ou 2 ; un chatbot de fonction RH permet d’automatiser certaines tâches et donc le ROI en temps passé est calculable ; etc. mais quid du temps passé à la recherche d’information ? Comment évaluer l’impact de l’adoption de l’environnement SI ? comment évaluer l’impact sur la satisfaction des utilisateurs ?

Le ROI indirect est également influencé par la liberté d’utilisation de l’outil. Si les utilisateurs peuvent s’approprier l’outil et que l’IT n’a plus à investir dans des projets pour la mise en place de micro-projets ou si l’outil ne reste qu’à la main de certaines équipes, alors la valorisation de ce ROI indirect peut changer.

Et Hubi.ai dans tout cela ?

Hubi.ai est une plateforme de metabot complète et fournie avec tous les outils nécessaires pour minimiser les coûts de licence et maintenance.

Le metabot Hubi.ai fourni les éléments suivants :

  • Un portail d’administration complet incluant des fonctions de gouvernance, de reporting d’usage, de respect de conformité RGPD…
  • Un magasin de module permettant d’ajouter en simple clic de nouveaux périmètres fonctionnels à la solution, et d’étendre les modules pour les adapter à votre contexte
  • Un modèle no-code pour la personnalisation et l’extension des modules, qu’ils soient de simples bases de connaissances ou des scénarios métier plus complexes
  • Un connecteur universel pour interconnecter Hubi.ai avec toute application disposant d’une API

Et c’est là que la « magie » du metabot Hubi.ai intervient : grâce à ce connecteur universel, il vous est également possible d’interagir avec des chatbots que vous auriez déjà pu déployer dans votre environnement… pourvu qu’ils disposent d’une API et qu’ils vous donnent satisfaction. Sinon, la migration vers le modèle utilisé par le metabot Hubi.ai est également envisageable, car ici aussi, sous certaines conditions, prévue.

Le modèle de licence de Hubi.ai est également pensé pour vous garantir un contrôle des coûts de la solution. Plutôt qu’un modèle basé sur de l’activité, difficilement prédictive, le metabot Hubi.ai est tourné vers un modèle par souscription. Pas de coûts cachés, tout est inclus (hébergement Azure chez Hubi.ai, amélioration continue des contenus du store, support). Nos partenaires seront là pour aider, si besoin, à mettre en place des scénarios spécifiques.

Hubi.ai, plateforme de metabot, vous permet donc d’envisager sereinement l’intégration d’une solution de metabot dans votre SI.