Duke Energy
chatbot de self-service dans l'app mobile
Le chatbot self-service de l'application mobile de Duke Energy a enregistre plus de 280 000 interactions aupres de 55 000 utilisateurs uniques en trois mois et reduit de 90 % les envois manuels de formulaires de feedback.
Objectif
Traiter dans l'app mobile les points de friction les plus frequents des clients pour deflechir les demandes vers le self-service et alleger les autres canaux.
Le déploiement
Duke Energy a lance en avril 2023 un chatbot dans son application mobile client, developpe avec ses equipes Mobile App et Chatbot. Il repond aux principaux points de friction identifies via la fonction de feedback de l'app, en parallele d'une refonte de l'ecran More. Sur ses trois premiers mois, il a enregistre plus de 280 000 interactions et 104 000 sessions de chat aupres de 55 000 utilisateurs uniques, et a fait chuter de 90 % les envois manuels de formulaires de feedback. Le projet a recu un Gold Digital Experience Award.
Résultats Preuve D
Chiffres presentes par Duke Energy en conference (compte rendu Chartwell citant les responsables produit), repris avec les memes valeurs par une analyse sectorielle. Deploiement reel et chiffre, mais sourcage de niveau declaratif conference.
Comment ça fonctionne
Approche-type inféréeLe détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.
La stack en détail
- outil Chatbot in-house Duke Energy Chatbot NLP developpe par les equipes internes Mobile App et Chatbot; aucune plateforme externe n'est nommee publiquement.
- infra Application mobile Duke Energy Canal unique du chatbot, avec acces aux donnees de compte client et refonte de l'ecran More menee en parallele.
- outil Fonction feedback in-app Source des points de friction qui priorisent les cas traites par le bot; les envois manuels de formulaires ont chute de 90 %.
Comment ça tourne, concrètement
Pour les équipes ops-
1Detection des points de friction equipe data
La fonction de feedback de l'app fait remonter les principales douleurs clients.
-
2Reponse dans l'app IA
Le chatbot repond aux demandes courantes et guide vers le self-service.
-
3Deflexion mesuree IA
Les envois de formulaires de feedback chutent a mesure que les reponses sont resolues en amont.
Les points de friction remontes par la fonction de feedback de l'app. Sans ce flux de feedback, le chatbot cible mal les cas a traiter et la deflexion diminue.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLes consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.
Conditions d'acceptation
- Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
- Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
- Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)
Lignes rouges
- Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
- Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)
Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- remontee structuree des points de friction clients
- acces aux donnees de compte
- catalogue des demandes frequentes
Prérequis orga
- equipe produit mobile
- boucle feedback active dans l'app
Stack possible
- chatbot NLP integre a l'app mobile
- connecteurs vers les systemes de compte
- outil d'analyse du feedback
Le plan, étape par étape
- Étape 1Analyser le feedback in-app et lister les cinq frictions les plus frequentes.Livrable : Liste priorisee des cas a traiter, avec volumes
- Étape 2Concevoir les parcours de reponse et l'acces en lecture aux donnees de compte.Livrable : Scripts de dialogue et connecteurs compte valides
- Étape 3Developper et tester le chatbot dans l'app, avec QA sur les cinq cas prioritaires.Livrable : Bot fonctionnel en pre-production
- Étape 4Lancer progressivement sur une fraction des utilisateurs de l'app.Livrable : Chatbot en production avec suivi des sessions
- Étape 5Mesurer la deflexion (formulaires, contacts) et etendre les cas couverts.Livrable : Bilan chiffre de deflexion et backlog des cas suivants
Première étape : Analyser le feedback de l'app pour lister les cinq douleurs les plus frequentes et y repondre par un chatbot dans l'app.
Le même pattern, prouvé dans d'autres industries
ADT
agent client genAI
Air India
agent client genAI (service client automatisé)
AT&T
Assistant genAI d'entreprise gouverne : un LLM branche sur la connaissance interne, ouvert a des dizaines de milliers de salaries et appele en masse par des systemes automatises
Sources
- S1 Duke Energy Leverages Mobile App Chatbot to Address Top Customer Pain Points Secondaire archive à générer
- S2 How AI is transforming customer service and outage management for utilities Secondaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.