Telefonica
Assistant conversationnel client multi-marches : un meme socle IA en langage naturel gere produits, facturation et requetes, decline par marque et par langue, puis enrichi au generatif
Telefonica opere depuis 2018 Aura, un assistant conversationnel decline par marque (Movistar, Vivo, O2) qui gere produits et facturation en langage naturel sur plus de 30 canaux et revendique environ 400 millions d'interactions par an.
L'essentiel
- Assistant conversationnel self-care multi-marques (Movistar, Vivo, O2) en langage naturel.
- Socle NLP sur Azure Cognitive Services, enrichi ensuite d'IA generative.
- Environ 400 millions d'interactions par an sur plus de 30 canaux.
- Preuve B, statut confirme, actif depuis 2018.
Objectif
Donner aux clients un point d'entree unique en langage naturel pour gerer leur abonnement et leurs factures, marque par marque, et absorber le volume de contacts sans le renvoyer vers les conseillers.
Le déploiement
Aura est l'assistant conversationnel de Telefonica, lance en 2018 sous les marques du groupe (Movistar en Espagne et Amerique latine, Vivo au Bresil, O2 au Royaume-Uni et en Allemagne). Le client parle ou ecrit en langage naturel pour consulter sa facture, gerer ses services ou resoudre une question, via l'app, la TV, le device Movistar Home, le web ou le call center. Le socle a d'abord ete entraine sur Azure Cognitive Services pour coller aux accents et tournures de chaque pays, puis Telefonica y a ajoute du generatif pour des reponses personnalisees et de la creation de contenu. Le groupe revendique environ 400 millions d'interactions par an et une presence sur plus de 30 canaux, sur une base de plus de 350 millions de clients. Sept ans apres son lancement, Aura reste le canal conversationnel de reference du groupe.
Résultats Preuve B
Cas documente par Telefonica (transformation handbook officiel : 400 millions d'interactions/an, 30+ canaux) et par une customer story Microsoft au lancement (marches, technologie Azure). Sources officielles Telefonica et vendor concordantes ; les chiffres portent sur le volume et la couverture, pas sur un impact retention en points.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- plateforme Microsoft Azure Cognitive Services (Language Understanding) Comprehension du langage naturel au lancement, entrainee aux accents et tournures de chaque marche.
- plateforme Socle Aura (in-house) Socle conversationnel interne de Telefonica, decline par marque (Movistar, Vivo, O2) et par langue, branche sur les systemes produits et facturation.
- llm Brique generative ajoutee a Aura IA generative ajoutee pour des reponses personnalisees et de la creation de contenu ; fournisseur et modele non nommes publiquement.
- infra Integration multi-canaux Plus de 30 canaux branches sur le meme assistant : apps (Mi Movistar, Meu Vivo, MyO2), TV, Movistar Home, web, call center, Facebook Messenger, Google Assistant.
Comment ça tourne, concrètement
Pour les équipes ops-
1Entrainer un socle par marche Equipe IA / data centrale
Le meme moteur conversationnel est entraine aux accents, tournures et offres de chaque pays plutot que dupliquer un assistant a zero.
-
2Brancher tous les canaux Equipes digitales locales
App, TV, device domestique, web, call center et canaux tiers pointent vers le meme assistant, pour une reponse coherente quel que soit le point d'entree.
-
3Gerer produits et facturation IA / Aura
L'assistant execute des actions self-care (consulter une facture, activer une option) en plus de repondre, pour eviter le passage en conseiller.
-
4Enrichir au generatif Equipe IA / data
Ajout de reponses personnalisees et de creation de contenu la ou le NLP scriptait des reponses fixes.
La qualite de la comprehension d'intention par marche. Si le modele lit mal une tournure locale, il renvoie le client vers un conseiller et le benefice de deflection s'effondre.
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
- Corpus d'intentions et de conversations par marche/langue
- Acces aux systemes de facturation et de gestion des services pour agir, pas seulement repondre
- Gouvernance RGPD sur les donnees client
Prérequis orga
- Equipe IA/produit centrale plus relais digitaux locaux
- Capacite a integrer l'assistant a tous les canaux existants
Stack possible
- Azure AI, Google Dialogflow/Vertex AI, ou un LLM du marche en RAG
- Couche d'orchestration multi-canal
- Connexion API aux back-offices facturation/services
Le plan, étape par étape
- Étape 1Cadrer un premier marche et deux ou trois intentions self-care a fort volume (consulter la facture, changer une option).Livrable : Corpus d'intentions, parcours cibles et objectifs de deflection.
- Étape 2Entrainer le NLU sur la langue et les tournures locales, brancher les API facturation et gestion des services pour que l'assistant agisse, pas seulement reponde.Livrable : Assistant capable d'executer les actions self-care en pre-production.
- Étape 3Lancer sur un premier canal (l'app), mesurer deflection et taux de resolution, ajuster les intentions mal comprises.Livrable : Bilan chiffre du canal pilote avec taux de resolution par intention.
- Étape 4Ouvrir les canaux supplementaires (web, call center) et industrialiser le reentrainement au fil du catalogue.Livrable : Socle multicanal en production et process de mise a jour des intentions.
- Étape 5Repliquer marque par marque et pays par pays sur le meme socle plutot que dupliquer des assistants.Livrable : Playbook de localisation (langue, offres, canaux) par marche.
Première étape : Cadrer un premier marche et deux ou trois intentions self-care a fort volume (facture, changement d'option), mesurer la deflection et le taux de resolution avant d'ouvrir d'autres canaux et pays.
Le même pattern, prouvé dans d'autres industries
ADT
agent client genAI
Air India
agent client genAI (service client automatisé)
Bank of America
assistant financier conversationnel a l'echelle
Sources
- S1 Aura, Telefonica's Artificial Intelligence - Transformation Handbooks Primaire archive à générer
- S2 Aura, Telefonica's AI, learns the language of people to transform customer engagement Officiel intéressé archive à générer
- S3 Telefonica launches Aura and leads the integration of AI in its networks and customer care Primaire 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.