Synthèse des opportunités d'IA

Description du problème

LRDM fait face à un processus complexe et chronophage de gestion des notes de crédit fournisseurs dans le cadre du service après-vente. Ce processus s'intègre dans une chaîne de traitement plus large impliquant plusieurs parties prenantes et étapes :

Initialement, un client mécontent contacte le magasin où il a effectué son achat pour signaler un problème avec un produit (typiquement un matelas).
Le magasin transmet au client un dossier de réclamation à compléter, que ce dernier renvoie souvent de façon incomplète.
S'ensuit alors un cycle d'échanges parfois tendu entre le client, le magasin et le service SAV pour obtenir toutes les informations nécessaires.
Une fois le dossier complet, le service SAV doit l'analyser pour déterminer si la réclamation est légitime et si elle relève de la responsabilité d'un fournisseur.
Dans ce cas, une note de crédit doit être demandée au fournisseur concerné, ce qui implique de créer un dossier spécifique en compilant les informations du client, les données techniques du produit, les preuves du défaut (comme des photos d'un matelas défectueux) et les justificatifs nécessaires.
Cette partie du processus est particulièrement chronophage car elle nécessite de piocher des informations dans différentes bases de données et systèmes d'information, puis de les formater selon les exigences propres à chaque fournisseur.

Le système actuel est largement manuel, avec une dépendance forte à Excel pour le suivi des dossiers. L'entreprise utilise un outil (probablement Zendesk) pour gérer la partie initiale du SAV client, mais la partie traitement des notes de crédit fournisseurs reste peu automatisée.

Impacts actuels

Chaîne de validation complexe et inefficace : Le processus actuel implique de multiples allers-retours entre le client, le magasin et le service SAV, créant des délais et des frustrations pour toutes les parties.
Charge de travail administrative élevée : L'équipe SAV consacre un temps considérable à compiler manuellement les informations nécessaires pour constituer les dossiers de demande de note de crédit auprès des fournisseurs.
Manque d'uniformisation : Chaque demande de note de crédit peut nécessiter un format différent selon le fournisseur concerné, multipliant les tâches spécifiques à maîtriser par l'équipe.
Risque d'erreurs humaines : Le processus manuel de compilation des données augmente les risques d'erreurs dans la transmission des informations aux fournisseurs.
Délais de traitement étendus : La complexité du processus allonge les délais de résolution pour le client final et de récupération des sommes dues par les fournisseurs pour l'entreprise.
Dépendance à l'expertise humaine : L'analyse des dossiers, notamment des preuves visuelles comme les photos de défauts (référencées comme "bâton" dans la discussion, probablement un outil de mesure pour vérifier les défauts des matelas), repose entièrement sur l'évaluation subjective du personnel SAV.
Défis d'évaluation technique : L'équipe doit juger de la validité des réclamations en examinant des preuves comme la mesure de l'affaissement d'un matelas (exemple mentionné: "2 cm entre le bâton et ton matelas"), ce qui requiert une expertise technique qui pourrait être partiellement automatisée.
Difficultés de suivi et de reporting : Le système actuel complique le suivi global des demandes de notes de crédit et l'analyse des tendances concernant les défauts produits et la performance des fournisseurs.
Expérience client dégradée : Le participant décrit le processus comme "pas dingue, pas fou du tout", indiquant que la complexité et les délais finissent par frustrer les clients, pouvant affecter la réputation de l'entreprise.

Technologie IA applicable

📋 Réorganisation des processus

Gains potentiels

Chronophage

Faisabilité technique

Temps d'implémentation

Court terme (< 3 mois)