Société Générale : chatbot bancaire innovant

Chez Société Générale, le chatbot bancaire ne désigne pas un outil unique. SoBot accompagne les clients dans leurs questions courantes, tandis que d’autres dispositifs soutiennent les collaborateurs. Laci illustre notamment l’utilisation de l’intelligence artificielle pour retrouver des informations dans une documentation abondante. Ces usages répondent à un même enjeu : rendre l’information accessible sans sacrifier sa fiabilité.

Pour les responsables de la relation client, cette distinction est décisive. Un assistant disponible en permanence peut simplifier un parcours, mais sa valeur dépend des réponses réellement apportées. Sait-il reconnaître une demande sensible ? Peut-il orienter vers un conseiller sans obliger le client à tout répéter ? Le cas du groupe bancaire permet d’examiner les conditions d’une automatisation utile, depuis l’assistance quotidienne jusqu’à la recherche documentaire. Il rappelle aussi qu’une innovation financière doit être évaluée sur ses résultats, et non sur la seule sophistication de sa technologie.

En bref

• SoBot répond aux questions bancaires courantes depuis les canaux numériques SG.
• Laci illustre une autre application : faciliter la recherche documentaire des collaborateurs.
• Les résultats annoncés doivent être distingués des performances effectivement mesurées en 2026.
• La confidentialité, la fiabilité des réponses et le relais humain conditionnent la qualité du service.
• Le bon indicateur reste la résolution réelle du besoin, pas le nombre de conversations automatisées.

Société Générale : que fait réellement le chatbot bancaire SoBot ?

SoBot est l’assistant virtuel SG destiné aux questions bancaires du quotidien. La banque le présente comme accessible depuis son application et son site internet, à toute heure. Son intérêt principal consiste à réduire les recherches inutiles dans les menus et les pages d’aide.

Vous cherchez une information sur vos comptes, votre carte ou les services disponibles en agence ? Une interface conversationnelle permet de formuler directement votre besoin. Cette simplicité apparente constitue une amélioration concrète de l’expérience utilisateur, particulièrement sur mobile.

SoBot simplifie les demandes courantes, sans remplacer tout conseil bancaire

La présentation officielle de SoBot par SG décrit les principaux sujets couverts. Elle constitue le point de référence pour connaître les possibilités proposées aux clients. Les fonctionnalités effectives doivent toujours être appréciées dans le parcours utilisé, selon l’authentification et les services disponibles.

Une distinction reste essentielle : informer n’est pas décider. Expliquer où retrouver un document ne présente pas les mêmes enjeux que recommander un placement. Un assistant performant doit respecter cette frontière, plutôt que donner une réponse convaincante hors de son périmètre.

Prenons Claire, dirigeante fictive d’une PME et cliente à titre personnel. Elle souhaite retrouver une information concernant un virement avant un déplacement. Une réponse immédiate peut lui éviter un appel et préserver du temps pour son activité.

Imaginons maintenant qu’elle conteste une opération qu’elle ne reconnaît pas. Le parcours doit alors privilégier la sécurité, les procédures officielles et une assistance adaptée. La fluidité ne doit jamais retarder une démarche urgente.

Les expérimentations ne décrivent pas automatiquement le service actuel

Une communication de Société Générale sur l’expérimentation d’un assistant connecté aux comptes évoquait une aide personnalisée à la gestion de l’argent. Cette démarche montre l’intérêt d’associer conversation et contexte bancaire. Elle ne prouve toutefois pas que chaque fonctionnalité expérimentée soit disponible aujourd’hui pour tous.

Cette nuance compte lorsque vous évaluez une solution. Une démonstration, un pilote et un service généralisé correspondent à trois niveaux de maturité différents. Confondre ces étapes conduit à surestimer la couverture fonctionnelle ou la facilité de déploiement.

Pour un directeur de la relation client, la bonne méthode consiste à tester des demandes représentatives. Il faut varier les formulations, introduire des ambiguïtés et observer les situations sans réponse. La robustesse apparaît dans les cas imparfaits, pas seulement dans une démonstration préparée.

La continuité du parcours mérite également votre attention. Après une réponse insuffisante, le client doit comprendre comment poursuivre sa démarche. Une orientation précise vaut mieux qu’une succession de reformulations qui transforme l’autonomie promise en effort supplémentaire.

À retenir : SoBot doit être évalué comme un point d’accès au service bancaire. Sa valeur dépend de la pertinence des réponses, du périmètre couvert et de la qualité du relais.

Cette lecture évite une erreur fréquente : attribuer à toute interface conversationnelle les capacités de l’IA générative. Le service rendu doit guider l’évaluation, avant l’étiquette technologique.

Comment Laci transforme-t-il la recherche documentaire des collaborateurs ?

Un client reçoit rarement une bonne réponse si son interlocuteur peine à trouver la bonne information. C’est précisément le problème auquel répond Laci, l’assistant de contenus intelligents. Le dispositif décrit concerne la recherche documentaire interne, et non l’assistance bancaire grand public.

Selon la présentation du fonctionnement de Laci, son corpus dépasse 10 000 documents. Ce volume donne une idée du défi documentaire. Il ne mesure cependant ni la précision des réponses ni le niveau d’adoption par les collaborateurs.

La génération augmentée par recherche rapproche la réponse de ses sources

Laci s’appuie sur une approche appelée RAG, pour génération augmentée par recherche. Le système recherche d’abord des passages pertinents dans une base documentaire. Un modèle de langage utilise ensuite ces éléments pour produire une réponse synthétique.

Cette architecture répond à une difficulté bien connue dans les banques : les connaissances sont dispersées. Procédures, notices et documents juridiques peuvent employer des formulations différentes pour un même sujet. Une recherche conversationnelle aide à dépasser la simple correspondance entre mots-clés.

Reprenons Claire, cette fois en échange avec une conseillère sur une question documentaire. La professionnelle doit vérifier une condition précise avant de répondre. Un outil interne peut l’aider à retrouver le passage pertinent, plutôt que parcourir successivement plusieurs dossiers.

Le bénéfice ne vient pas seulement de la synthèse. L’accès au document source permet de contrôler le contexte, les exceptions et la date de validité. Dans un environnement réglementé, cette vérification reste indispensable avant une réponse engageante.

La personnalisation exige des droits d’accès rigoureux

Adapter un assistant à un métier suppose de sélectionner les bonnes ressources. Les besoins d’une équipe juridique diffèrent de ceux d’un service commercial. Le cadre technique peut être réutilisé, mais le contenu et les règles de validation doivent être ajustés.

Cette adaptation ne signifie pas que le système apprend automatiquement de chaque échange. Les retours des utilisateurs peuvent améliorer le dispositif après analyse et validation. L’amélioration continue doit rester gouvernée, surtout lorsque les conversations contiennent des informations confidentielles.

La gestion des habilitations constitue un autre point critique. Une réponse ne doit pas révéler un document inaccessible à son destinataire. Le contrôle doit porter sur la recherche, les extraits récupérés et la réponse finale, pas uniquement sur l’interface.

Pour les nouveaux collaborateurs, une assistance documentaire peut accélérer la prise de repères. Elle facilite la découverte des procédures et réduit certaines interruptions entre collègues. Elle ne remplace toutefois ni la formation métier ni l’apprentissage du jugement professionnel.

Conseil d’expert : commencez par un corpus limité, fiable et régulièrement mis à jour. Une petite base maîtrisée produit davantage de valeur qu’un vaste ensemble documentaire sans responsable identifié.

Le suivi doit enfin distinguer les erreurs de recherche des erreurs de génération. Le bon passage peut manquer dans les résultats, ou être mal interprété ensuite. Ces deux problèmes appellent des corrections différentes et doivent être mesurés séparément.

Notre guide de l’IA conversationnelle permet d’approfondir cette distinction entre interface, connaissances et modèle. Un assistant documentaire devient utile lorsqu’il rend la preuve aussi accessible que la réponse.

SoBot, Laci et outils généralistes : quels usages faut-il distinguer ?

Le terme « chatbot » rassemble des dispositifs dont les finalités diffèrent fortement. Certains orientent les clients, d’autres assistent les salariés dans leur travail. Pour comprendre la stratégie de Société Générale, il faut séparer ces usages avant de comparer les technologies.

Une banque peut faire évoluer son assistant généraliste interne sans supprimer son service conversationnel destiné au public. Elle peut aussi conserver des applications spécialisées utilisant des sources métiers. Un changement de fournisseur ne signifie pas l’abandon de toute une stratégie.

Trois familles d’assistants répondent à des besoins différents

Dispositif	Public concerné	Finalité principale	Vigilance prioritaire
SoBot	Clients SG	Répondre aux questions bancaires courantes et orienter	Périmètre réel et continuité vers l’assistance humaine
Laci	Collaborateurs concernés par le dispositif documentaire	Retrouver et synthétiser des informations internes	Sources, actualisation et droits d’accès
Assistant génératif généraliste	Utilisateurs internes autorisés	Aider à rédiger, résumer ou préparer certains travaux	Confidentialité et contrôle des productions

Ce tableau compare des fonctions, pas un classement de performances. Les sources disponibles ne permettent pas d’attribuer un score commun à ces dispositifs. Leurs utilisateurs, leurs contraintes et leurs objectifs sont trop différents pour une comparaison simpliste.

Des articles de presse, dont l’analyse de CIO sur le retour à un outil du marché, relatent l’évolution d’un chatbot génératif interne. Cette information doit être rattachée au périmètre décrit. Elle ne démontre pas, à elle seule, une modification des fonctions de SoBot.

Développer ou acheter : le coût complet fait la différence

Pour votre organisation, le choix entre développement interne et solution du marché doit partir du besoin. Un outil standard peut couvrir efficacement des fonctions transversales. Une application spécialisée peut rester pertinente lorsque les processus ou les connaissances constituent un avantage distinctif.

Le calcul doit intégrer davantage que le prix des licences. Connexion aux systèmes, sécurité, exploitation et maintenance représentent une part importante de l’effort. À cela s’ajoutent les tests, la formation et les adaptations nécessaires lors des évolutions techniques.

Imaginons que la PME de Claire souhaite équiper son équipe administrative. Pour résumer des documents non sensibles, une solution existante peut suffire. Pour répondre à partir de contrats confidentiels, les exigences d’accès et de traçabilité changent radicalement.

Une architecture modulaire réduit certaines dépendances. Vous pouvez dissocier les sources documentaires, les règles métiers et le modèle qui formule les réponses. Remplacer ce dernier devient alors moins complexe qu’avec un système entièrement imbriqué.

Cette souplesse ne supprime pas les coûts de migration. Les nouveaux modèles doivent être évalués sur des cas réels et soumis aux mêmes contrôles. Une réponse plus fluide n’est pas nécessairement plus exacte.

Pour éclairer votre décision, notre dossier sur le chatbot appliqué au service client détaille les principaux usages opérationnels. La sélection doit toujours relier les fonctionnalités proposées à des tâches précises et mesurables.

À retenir : comparez les solutions à périmètre équivalent, avec les mêmes exigences et les mêmes scénarios de test. La meilleure architecture est celle dont vous maîtrisez la valeur, les risques et l’évolution.

Comment mesurer le retour sur investissement d’un chatbot bancaire ?

Une conversation automatisée ne constitue pas automatiquement une économie. Le client peut devoir appeler ensuite, reformuler sa demande ou corriger une mauvaise orientation. Pour mesurer le retour sur investissement, vous devez suivre le parcours complet, pas seulement l’activité de l’outil.

La communication du groupe sur sa stratégie d’intelligence artificielle présente différents usages et indicateurs. Elle cite notamment près de 6 000 interactions quotidiennes pour SoBot au moment de cette publication. Ce volume décrit une activité, sans établir à lui seul une qualité de résolution.

Les chiffres publiés doivent conserver leur périmètre

Cette même communication évoque 300 cas d’usage en production, dont un quart orienté vers l’expérience client. Ces données constituent un état communiqué par l’entreprise. Elles ne doivent pas être présentées comme un inventaire actualisé en 2026 sans nouvelle confirmation.

Le chiffre concernant ELLIOT, chez BoursoBank, relève également d’un autre contexte. Un taux de traitement annoncé sur un périmètre donné n’est pas directement comparable au nombre d’échanges de SoBot. Les règles de comptage et la définition d’une interaction résolue peuvent différer.

Pour votre tableau de bord, privilégiez plusieurs indicateurs complémentaires :

• Résolution au premier contact, ou FCR : demandes réglées sans nouveau contact sur le même sujet.
• Satisfaction client, ou CSAT : appréciation recueillie après l’interaction.
• Score d’effort client, ou CES : difficulté ressentie pour obtenir une réponse ou terminer une démarche.
• Coût par demande résolue : dépenses attribuables au dispositif rapportées aux résultats vérifiés.
• Taux de réitération : clients revenant pour le même besoin après un premier échange.

Ces mesures évitent de récompenser artificiellement la déviation des contacts. Un appel évité n’est un succès que si le besoin a été satisfait autrement. Sinon, le coût réapparaît ailleurs, parfois avec une insatisfaction supplémentaire.

Un calcul transparent vaut mieux qu’une promesse spectaculaire

Prenons un exemple fictif, sans lien avec les résultats de SG. Une équipe traite 10 000 demandes mensuelles, au coût moyen de 5 euros. Un dispositif en résout réellement 20 %, sans reprise humaine ni nouveau contact.

Le coût théoriquement évité atteint alors 10 000 euros par mois. Si l’exploitation représente 4 000 euros, la marge brute potentielle s’établit à 6 000 euros. Il reste à intégrer l’installation, la supervision, les corrections et l’accompagnement des utilisateurs.

Attention également à la nature du bénéfice. Du temps libéré ne devient pas immédiatement une réduction de dépenses. Il peut surtout permettre d’absorber une hausse d’activité, de réduire l’attente ou de mieux traiter les dossiers complexes.

Dans la PME de Claire, récupérer quelques heures peut améliorer la disponibilité commerciale sans modifier la masse salariale. Ce résultat possède une valeur réelle. Il doit simplement être décrit comme un gain de capacité, plutôt qu’une économie comptable.

Notre analyse de la mesure de la satisfaction client complète cette lecture financière. Le bon investissement réduit le coût d’une résolution fiable, pas seulement celui d’une conversation.

Quelles garanties rendent l’intelligence artificielle bancaire réellement fiable ?

La banque numérique repose sur une promesse simple : permettre d’agir facilement, dans un cadre sûr. Un assistant conversationnel doit renforcer cette confiance. Une réponse rapide mais incorrecte peut provoquer davantage de friction qu’un délai clairement expliqué.

Les modèles génératifs peuvent produire des hallucinations, c’est-à-dire des informations erronées présentées comme plausibles. Relier le système à une documentation vérifiée réduit certains risques. Cela ne garantit cependant ni une recherche exhaustive ni une interprétation correcte.

La sécurité commence dans la conception du parcours

Avant le déploiement, il faut définir les demandes autorisées et les situations nécessitant un relais. Une question sur une démarche administrative ne présente pas les mêmes conséquences qu’une suspicion de fraude. Le niveau d’autonomie doit refléter cette différence.

Le dispositif doit aussi savoir s’abstenir. Lorsqu’une source manque ou que la demande reste ambiguë, une clarification est préférable. Reconnaître une limite protège mieux le client qu’une précision inventée.

Le contrôle humain doit être organisé, pas seulement annoncé. Qui intervient lorsqu’un utilisateur signale une réponse dangereuse ? Qui peut suspendre une fonctionnalité ? Sans responsabilités attribuées, la supervision devient une promesse difficile à tenir.

Les recommandations de la CNIL sur l’intelligence artificielle et les données personnelles constituent une référence utile. Elles éclairent notamment la finalité des traitements, la minimisation des données et l’information des personnes. Ces exigences doivent être examinées avec les équipes compétentes.

Les tests doivent reproduire les difficultés du terrain

Une campagne d’évaluation sérieuse dépasse les questions bien formulées. Elle doit inclure des fautes, des formulations vagues et des demandes contradictoires. Elle doit également éprouver les tentatives d’obtenir des informations auxquelles l’utilisateur n’a pas droit.

Pour une base documentaire, vérifiez les versions périmées et les règles qui comportent des exceptions. Un document ancien peut être correctement cité tout en donnant une mauvaise réponse. La présence d’une source ne dispense jamais d’en contrôler la validité.

Dans notre exemple, Claire exprime simplement : « Je ne comprends pas ce prélèvement. » Le système ne doit pas supposer immédiatement une fraude ou une erreur. Il doit orienter la clarification sans exposer inutilement des informations sensibles.

Le vocabulaire compte aussi. Une formulation technique peut être exacte et rester incompréhensible pour le client. La qualité doit donc combiner précision métier, lisibilité et capacité à proposer une prochaine étape concrète.

Un déploiement progressif protège la qualité du service client

Conseil d’expert : lancez un pilote sur quelques motifs fréquents, avec un groupe d’utilisateurs identifié. Fixez des critères de réussite avant l’ouverture, puis analysez les échanges non résolus. Cette discipline transforme les difficultés en décisions d’amélioration.

Associez dès le départ les conseillers, la conformité, la sécurité et les responsables des données. Les premiers connaissent les formulations réelles et les situations délicates. Les autres apportent les contrôles nécessaires pour rendre le dispositif exploitable durablement.

L’élargissement du périmètre doit dépendre des résultats observés, pas uniquement du calendrier. Une progression maîtrisée permet d’ajuster les contenus et les parcours avant d’accroître l’exposition. Dans le conseil bancaire, l’autonomie se mérite par la preuve.

Où peut-on utiliser SoBot, le chatbot bancaire de SG ?

SG présente SoBot comme accessible depuis son application et son site internet. Il accompagne les questions bancaires courantes. Les fonctions disponibles dépendent du parcours utilisé et, lorsque nécessaire, de l’authentification.

Quelle différence existe entre SoBot et Laci ?

SoBot s’adresse aux clients pour leurs questions du quotidien. Laci est un assistant documentaire interne décrit comme capable de rechercher des passages pertinents et de produire des synthèses accompagnées de sources. Les deux dispositifs répondent à des besoins distincts.

Le chatbot de Société Générale remplace-t-il un conseiller ?

Un assistant peut informer et orienter dans son périmètre. Il ne faut pas assimiler cette assistance à un conseil personnalisé couvrant toutes les situations. Les demandes sensibles, complexes ou insuffisamment comprises nécessitent un accompagnement adapté.

Comment vérifier la fiabilité d’une réponse bancaire automatisée ?

Contrôlez les sources disponibles, leur date de validité et les conditions applicables à votre situation. Pour une opération sensible ou une réponse ambiguë, utilisez un canal officiel de la banque et sollicitez une confirmation humaine.

Quels indicateurs permettent d’évaluer un assistant bancaire ?

Suivez la résolution réelle des demandes, les nouveaux contacts sur un même sujet, la satisfaction, l’effort ressenti et le coût complet par demande résolue. Le volume de conversations ne suffit pas à démontrer la qualité ou la rentabilité.