AI Showreel l'analyse niveau grand cabinet, pour tout le monde
← La base
Preuve B Vivant confirmé

Nubank

agent client genAI + copilote agent

IndustrieBanque, assurance & fintechLevierRétentionFamilleConversationImplémentationHybrideÉtapepost-achat
Pattern prouvé dans 10 industries encore vierge en Retail & e-commerce, CPG & D2C, Tech & SaaS +3 Voir la carte du pattern
plus de 2 M/mois
Chats traites par l'assistant
"handles over 2 million chats per month" S1

En 2024, l'assistant client de Nubank construit avec OpenAI (GPT-4o) tient plus de 2 millions de chats par mois et resout 55% des demandes de niveau 1 sans humain, avec un temps de reponse chat reduit de 70% sur une base de 114 millions de clients.

L'essentiel

  • Assistant client genAI et copilote agent pour le service client.
  • Construit avec OpenAI GPT-4o et integration in-house.
  • Plus de 2 millions de chats par mois, 55% des demandes niveau 1 resolues sans humain, -70% de temps de reponse.
  • Preuve B, statut confirme.

Objectif

Absorber le volume de service client d'une base de plus de 100 millions de clients sans exploser les couts, en automatisant les demandes de niveau 1 et en equipant les agents humains d'un copilote pour aller plus vite sur le reste.

Le déploiement

Nubank a deploye, avec OpenAI sur GPT-4o, deux briques conversationnelles. Un assistant client tient plus de 2 millions de chats par mois et resout autour de 55% des demandes de niveau 1 sans passer par un humain, avec un temps de reponse chat reduit de 70%. En parallele, un copilote de centre d'appels assiste les agents en temps reel (resumes de conversation, analyse de sentiment, reponses suggerees) et est utilise par plus de 45% des agents. La banque sert plus de 114 millions de clients au Bresil, au Mexique et en Colombie.

Résultats Preuve B

plus de 2 M/mois
Chats traites par l'assistant
"handles over 2 million chats per month" S1
55%
Demandes de niveau 1 resolues sans humain
"resolves 55% of Tier 1 inquiries" S1
70%
Reduction du temps de reponse chat
"reduced the chat response time by 70%" S1
plus de 45%
Agents utilisant le copilote
"Over 45% of Nubank agents use the copilot" S1

Chiffres issus de la customer story OpenAI (T2, source officielle mais interessee) et repris par la presse fintech (T4), concordants. Metriques operationnelles fournies par la plateforme et la marque, non auditees en resultats financiers, donc B.

Comment ça fonctionne

Approche-type inférée

Le détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.

escalade niveau 2resumes et reponses suggerees Client dans l'app Nubank Assistant client OpenAI GPT-4o Donnees compte ettransactions Agent de service client Copilote agent OpenAI GPT-4o

La stack en détail

  • llm OpenAI GPT-4o Modele de l'assistant client et du copilote agent, y compris la vision pour l'analyse de documents.
  • outil Assistant client in-house Brique conversationnelle integree a l'app Nubank : plus de 2 millions de chats par mois, 55% des demandes de niveau 1 resolues sans humain.
  • outil Copilote de centre d'appels Resumes de conversation, analyse de sentiment et reponses suggerees en temps reel sur le poste agent ; utilise par plus de 45% des agents.
  • integrateur OpenAI (partenariat) Partenaire du deploiement des deux briques conversationnelles.

Comment ça tourne, concrètement

Pour les équipes ops
CadenceTemps reel sur les chats clients et en direct sur le poste agent
Opéré parEquipes service client et data/IA de Nubank, sur les modeles OpenAI
  1. 1
    Chat entrant IA

    Le client ouvre un chat ; l'assistant traite les demandes de niveau 1 (compte, carte, paiement) et cloture ce qu'il peut.

  2. 2
    Escalade vers agent IA / service client

    Les demandes non resolues passent a un agent humain avec le contexte de la conversation.

  3. 3
    Copilote agent IA / service client

    Cote agent, le copilote fournit resume, analyse de sentiment et reponses suggerees en temps reel.

  4. 4
    Suivi et ajustement equipe data

    L'equipe data suit resolution, temps de reponse et adoption du copilote pour elargir le perimetre confie a l'IA.

Le signal qui pilote

Le taux de resolution niveau 1 sans escalade et le sentiment client. Si la resolution niveau 1 baisse ou le sentiment se degrade, le volume repart vers les agents et le gain de productivite s'efface.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Les 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.

64%
Consommateurs qui prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (2024)
53%
Consommateurs qui envisageraient de passer a un concurrent s'ils apprenaient que l'entreprise prevoit d'utiliser l'IA pour le service client (2024)
pres de 75%
Consommateurs qui veulent savoir s'ils communiquent avec un agent IA (2024)

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 sourcé

Prérequis data

  • Historique de tickets de support etiquetes par niveau
  • Acces temps reel au compte client
  • Transcriptions d'appels pour entrainer le copilote

Prérequis orga

  • Regle de handoff assistant vers agent
  • Adoption du copilote cote agents (conduite du changement)
  • Cadre conformite pour l'usage d'un LLM tiers sur donnees clients

Stack possible

  • LLM generatif (OpenAI GPT-4o ou equivalent)
  • Couche RAG sur base de connaissance
  • Integration au ticketing et au poste agent
Équipe pour opérer1 PM service client + 2-3 devs integration/IA + 1 responsable base de connaissance, avec la conformite pour l'usage d'un LLM tiers sur donnees clients.

Le plan, étape par étape

  1. Étape 1
    Identifier les demandes de niveau 1 les plus volumineuses dans l'historique de tickets et definir une regle d'escalade nette vers l'humain.Livrable : Taxonomie des demandes et regles de handoff validees.
  2. Étape 2
    Construire l'assistant sur le LLM avec acces aux donnees de compte, en environnement de test, avec cadre conformite pour l'usage d'un LLM tiers.Livrable : Assistant en pre-production sur 3 a 5 familles de demandes.
  3. Étape 3
    Lancer un pilote en production sur une fraction du trafic chat et mesurer resolution niveau 1 et temps de reponse.Livrable : Readout du pilote avec taux de resolution sans humain.
  4. Étape 4
    Elargir le perimetre de demandes couvertes et deployer sur tout le trafic de niveau 1.Livrable : Assistant generalise avec tableau de bord resolution/satisfaction.
  5. Étape 5
    Lancer le copilote agent (resumes, sentiment, suggestions) et conduire l'adoption aupres des equipes.Livrable : Copilote actif avec taux d'adoption des agents suivi.

Première étape : Automatiser d'abord les demandes de niveau 1 les plus volumineuses avec une regle d'escalade nette, puis outiller les agents avec le copilote.

Sources

  1. S1 Nubank elevates customer experiences with OpenAI Officiel intéressé openai.com · 2025-03-10 · consulté le 2026-07-11 archive à générer
  2. S2 Nubank Elevates Customer Experiences with OpenAI Secondaire ffnews.com · 2025-03-10 · consulté le 2026-07-11 archive à générer