Comment améliorer votre durée moyenne de traitement (avec des cas clients réels)

Qu’est-ce que la durée moyenne de traitement ?

La durée moyenne de traitement (DMT, ou AHT pour Average Handle Time) est un indicateur de performance des centres de contact qui représente la durée moyenne d’un échange avec un client. Elle se décompose en trois parties : le temps de conversation (le temps réellement passé à parler au client), le temps d’attente (le temps que le client passe en attente) et le travail post-appel, ou ACW (les tâches administratives réalisées après l’appel, comme la mise à jour des fiches, la prise de notes ou les actions de suivi).

La DMT est l’un des indicateurs d’efficacité les plus surveillés dans les centres de contact. Elle influe directement sur les besoins en effectifs, le coût par contact et le respect des niveaux de service. Une DMT plus élevée réduit le nombre de contacts qu’un conseiller peut traiter par heure : soit les clients doivent attendre plus longtemps dans la file avant de joindre un conseiller, soit il faut recruter des conseillers supplémentaires, et dans les deux cas les coûts d’exploitation augmentent.

Mais la DMT est aussi l’un des indicateurs les plus souvent mal utilisés. Quand un centre de contact poursuit des objectifs de DMT agressifs sans tenir compte de la qualité de résolution ni de la satisfaction client, les conseillers commencent à expédier les conversations, à sauter certaines étapes de diagnostic ou à clôturer un dossier sans en être tout à fait sûrs. Résultat : les contacts répétés augmentent, et le FCR comme le CSAT baissent.

Comment calculer la durée moyenne de traitement

DMT = (Temps de conversation total + Temps d’attente total + Travail post-appel total) ÷ Nombre total de contacts traités

Par exemple, si un conseiller traite 50 appels dans la journée, avec au total 200 minutes de conversation, 25 minutes d’attente et 25 minutes de travail post-appel, la DMT est de (200 + 25 + 25) ÷ 50 = 5 minutes.

La plupart des logiciels de centre de contact calculent la DMT automatiquement à partir des données d’appel, mais il vaut la peine de vérifier régulièrement les données de départ. Le travail post-appel est souvent sous-déclaré, car certains conseillers passent à l’appel suivant avant d’avoir rédigé leur compte rendu ou clôturé le ticket. La DMT baisse alors artificiellement, et certains problèmes de qualité en aval restent cachés.

Valeurs de référence de la durée moyenne de traitement par secteur

Selon l’analyse de la DMT réalisée par Talkdesk, viser environ 6 minutes par contact est une valeur de référence générale raisonnable, qui peut toutefois varier à la hausse ou à la baisse selon la nature des demandes des clients et la complexité du service proposé. Les données de référence 2024 de SQM Group, qui couvrent tous les secteurs, y compris les activités complexes où la DMT est plus élevée, établissent une DMT moyenne (conversation + post-appel) de 697 secondes, soit environ 11,6 minutes.

La DMT moyenne varie toutefois toujours selon le secteur et le type de contact. Des secteurs comme la santé ou l’assurance ont une durée moyenne de traitement plus élevée (8 à 10 minutes, voire plus), car ils impliquent des procédures de vérification complexes et des exigences réglementaires strictes. Le e-commerce et le commerce de détail ont une DMT plus faible (3 à 5 minutes), car ils traitent surtout des demandes transactionnelles simples.

Les valeurs de référence du secteur sont utiles pour se situer, mais ne doivent pas servir d’objectifs absolus. Une entreprise qui reçoit une plus grande part d’appels complexes, techniques ou sensibles aura toujours une durée moyenne de traitement plus élevée qu’une entreprise qui traite des demandes transactionnelles simples. Forcer la DMT à descendre jusqu’à la moyenne du secteur peut faire baisser la satisfaction client.

Comment améliorer la durée moyenne de traitement

Faciliter l’accès des conseillers à l’information

Il est fréquent qu’un conseiller perde une part importante, voire la majorité, de son temps d’échange à chercher des informations qui devraient déjà être à portée de main : notes des échanges précédents, motif de l’appel, historique du client. Quand les conseillers doivent demander aux clients de répéter des informations ou chercher le contexte dans plusieurs systèmes, la durée de traitement augmente et la satisfaction client baisse en même temps. Des données clients unifiées et des interfaces bien conçues pour les conseillers réduisent la DMT sans rien enlever à la qualité des conversations.

Réduire le travail post-appel

Le travail post-appel est parfois la part « cachée » de la DMT. Quand les conseillers consignent à la main l’issue de chaque appel, mettent à jour les fiches du CRM et rédigent un résumé après chaque échange, ils passent beaucoup de temps sur des tâches administratives qui pourraient être automatisées. Les résumés d’appel générés par l’IA et la mise à jour automatique du CRM peuvent réduire nettement le travail post-appel, et les conseillers reprennent plus vite les appels en attente.

Mieux orienter les appels dès le premier contact

Quand un client arrive dans la mauvaise équipe, il faut le transférer. Chaque transfert ajoute du temps : le temps d’expliquer le transfert, le temps que le client passe en attente, le temps que le conseiller qui reprend l’appel passe à reconstituer le contexte. Des arborescences SVI bien définies, la détection du motif d’appel assistée par l’IA ou une qualification avant l’appel suppriment entièrement cette cause d’allongement de la DMT. telli y répond avec des transferts vers un conseiller avec tout le contexte de l’appel.

Utiliser l’IA pour préqualifier les appels et préremplir les informations

L’un des moyens les plus efficaces de réduire la DMT des contacts traités par des conseillers est de s’assurer que les informations de base ont déjà été recueillies au moment où le client arrive chez un conseiller. Les agents téléphoniques IA de telli identifient le motif de l’appel, vérifient l’identité de l’appelant, récupèrent les informations de son compte et le transfèrent vers la bonne équipe avant qu’un conseiller ne décroche. La phase de collecte d’informations passe ainsi de plusieurs minutes à presque rien.

Comment les agents téléphoniques IA de telli aident à réduire la durée moyenne de traitement

Les agents téléphoniques IA de telli contribuent à réduire la DMT de deux façons : en traitant entièrement certains contacts (qui sortent ainsi du calcul de la DMT des conseillers) et en raccourcissant la phase de collecte d’informations des contacts qui passent bien par un conseiller.

Les contacts entièrement traités par l’IA n’entrent pas du tout dans le calcul de la DMT, puisqu’ils ne mobilisent aucun conseiller. L’agent IA les mène jusqu’au bout, et leur coût comme leur durée sont complètement dissociés de la capacité de vos équipes.

Pour les contacts qui finissent par arriver chez un conseiller, l’étape de préqualification par l’IA fait que le conseiller reçoit l’appelant avec le contexte déjà établi. Il sait qui appelle, pourquoi, et ce que l’IA a déjà traité. Cela supprime la collecte d’informations du début d’appel, qui occupe habituellement les deux ou trois premières minutes de nombreux appels.

Client à l’honneur : Zenjob

Zenjob, la plateforme berlinoise de placement de personnel qui s’appuie sur l’IA, avait un problème de DMT typique dans le processus de recrutement de Zenjob Pro, son offre de placement à long terme : non pas dans un centre de contact classique, mais dans un processus de recrutement qui fonctionne de la même façon.

Chaque présélection de candidat nécessitait un appel préliminaire de dix minutes pour recueillir les informations clés avant qu’un recruteur puisse décider de le convier ou non à un entretien complet. Avec la hausse du nombre de candidatures, cette étape est devenue un sérieux goulot d’étranglement.

Après avoir confié les premiers appels de présélection aux agents téléphoniques IA de telli, Zenjob a automatisé 90 % de ses appels de collecte d’informations et réduit de 75 % le temps consacré à faire avancer les candidats. Les agents IA appellent les candidats, passent en revue les exigences du poste, recueillent leur parcours professionnel et compilent les transcriptions et les résumés générés par l’IA. Quand un recruteur examine une candidature, le contexte est donc déjà là.

Point essentiel, la satisfaction des candidats n’en a pas souffert. Zenjob a interrogé les candidats après les appels menés par l’IA et a constaté un score CSAT stable de 9 sur 10 : réduire la DMT grâce à l’automatisation ne se fait pas forcément au détriment de l’expérience.