Comment détecter automatiquement les répondeurs (AMD)

Détection d'un répondeur lors des émissions d'appels par des robots.

Ce sujet n'est pas encore évoqué sur la toile en France en 2020 car pour arriver à cette problématique, il faut comprendre qu'il n'est pas toujours facile pour un robot de détecter que le robot s'adresse à un répondeur classique avec des touches DTMF ou pourquoi pas un autre robot ( dans le cas des secrétaires virtuelles que nous avons mis en place ). Lorsqu'un humain décroche au téléphone, en général, il va parler mais de manière très courte : "Allô" ou "oui bonjour" en encore "qui est à l'appareil" ? etc... Quand au contraire c'est le répondeur qui se déclenche, on va avoir une plus ou moins longue tirade et la possibilité de pouvoir laisser un message à notre interlocuteur par la suite.

Comment détecter de manière efficace que nous avons à faire à un répondeur et une messagerie vocale ?
L'outil est adapté afin de comprendre la voix et la durée du premier message et son contenu et aussi l'environnement qui peut être bruité. On peut donc mesurer avec précision la durée de la parole de cette première interaction qui sera en générale plus longue qu'un humain. On peut aussi détecter une petite tonalité ou BIP juste avant de pouvoir laisser un message. Ce signal repéré est un indicateur de poids dans le choix du scénario pour clôturer la conversation.

il est possible de laisser un message par exemple mais là encore, on doit pouvoir l'enregistrer et il faut utiliser des petites ruses dont personne n'imagine l'existence. tout cela est préconfiguré dans notre plateforme afin de vous éviter ce type de question : Que faire quand on rencontre un répondeur ?
Nous profitons de nos moteurs de reconnaissance vocale pour détecter la tonalité du répondeur et de la transcription avant d'indiquer que vous pouvez laisser le message. Cela garantit que le message complet est remis avec succès ou bien de pouvoir relancer l'appel de manière automatique à un autre moment.

Plus de 70 % des appels inconnus sont redirigés vers des boites vocales car les personnes n'aiment pas parler avec des inconnus. Grâce au deep learning et à la modélisation acoustique, les techniques du traitement du signal numérique permettent de savoir si une personne a réellement décroché. L'analyse des audios est toujours intéressante car elle permet d'enrichir les bases de connaissances sur la partie "répondeur" . La compréhension des spectres audios permet aussi de détecter d'autres échantillons sonores et bruits environnants : La télévision, le train, la voiture pour ne citer qu'eux ou bien des oiseaux. Il est probable que des législations puissent dans le futur interdire une communication entre un robot et une personne en voiture par exemple.

On doit se méfier toutefois des faux positifs ou le robot penserait qu'il tombe sur un répondeur ou l'inverse. L'humain parfois décroche mais ne parle pas immédiatement et attend ou bien il ne parle pas assez fort et il y a un long silence. On a calculé que tout se passe dans les première secondes de l'appel et que certains répondeurs sont impossible à détecter. Ce qui est le plus important c'est de pouvoir couper la conversation lorsque l'on comprend que c'est un répondeur qui répond ou bien une musique d'attente juste après la numérotation de l'appelé.

Dans le cadre des transferts d'appels il faut aussi imaginer des scénarios plus complexe dans le cas ou on tombe aussi sur un répondeur et donc il faut pouvoir revenir dans la conversation. je vous le dis : c'est complexe et les situations ne sont jamais identiques.

FAQ - Detection automatique des repondeurs (AMD)

Qu’est-ce que l’AMD (Answering Machine Detection) et pourquoi est-ce important pour les callbots sortants ?

L’AMD, ou detection automatique de repondeur, est la capacite d’un systeme d’appel sortant a determiner si l’appel est decroche par un humain ou redirige vers une messagerie vocale. Cette distinction est critique pour les campagnes d’appels sortants : si le callbot commence son discours sans detecter qu’il parle a un repondeur, le message est perdu et potentiellement enregistre de maniere incoherente. A l’inverse, une bonne AMD permet d’adapter le comportement du callbot : laisser un message pre-enregistre structure, raccrocher et rappeler plus tard, ou marquer le contact comme "repondeur" dans le CRM pour un reessai.

Comment un algorithme AMD distingue-t-il un humain d’un repondeur ?

Les algorithmes AMD analysent les premieres secondes de l’appel apres decrochage selon plusieurs indicateurs : la duree de la premiere prise de parole (un humain dit "Allo" en moins d’une seconde, un repondeur parle pendant 5 a 15 secondes), la nature du contenu audio (message enregistre vs voix spontanee avec micro-variations naturelles), la presence d’un bip caracteristique avant la possibilite de laisser un message, et les patterns spectraux de la voix (voix enregistree vs voix capturee en direct). Le deep learning et la modelisation acoustique permettent d’affiner ces analyses pour atteindre un taux de detection fiable.

Quels sont les risques de faux positifs et comment les minimiser ?

Un faux positif se produit quand l’AMD classe incorrectement un humain comme repondeur, ou l’inverse. Cela arrive quand un humain decroche mais ne parle pas immediatement (hesitation, bruit ambiant), ou quand sa voix est trop basse. Un faux negatif survient avec des repondeurs tres courts ou des robots-secretaires qui imitent un decrochage humain. Pour minimiser ces erreurs, les systemes AMD calibrent un seuil de confiance : en cas d’ambiguite, ils peuvent maintenir la conversation le temps d’obtenir plus de signal avant de choisir le scenario. La base de donnees de references acoustiques doit etre regulierement enrichie pour rester efficace.

Que se passe-t-il quand le callbot detecte un repondeur pendant un appel sortant ?

Selon le scenario configure, plusieurs comportements sont possibles : laisser un message pre-enregistre personnalise (nom du contact, objet de l’appel, numero de rappel), raccrocher sans laisser de message et planifier un rappel automatique a un autre creneau horaire, ou marquer le contact avec le statut "repondeur" dans le CRM pour qu’un agent humain prenne le relais. Pour les campagnes de relance ou de confirmation de livraison, laisser un message vocaux structure avec un numero de rappel est souvent la meilleure option : elle informe le client et lui donne la main pour rappeler s’il le souhaite.

Pourquoi plus de 70% des appels vers des numeros inconnus aboutissent-ils sur la messagerie ?

Ce chiffre reflete un comportement de protection generalise des particuliers face aux appels non identifies. Les smartphones modernes integrent des systemes d’identification des appelants (Truecaller, listes noires operateurs) qui renforcent ce reflexe. Pour les campagnes d’appels sortants legitimes, cela signifie que l’affichage d’un numero reconnaissable (numero fixe de l’entreprise ou numero NPV enregistre) ameliore significativement le taux de decrochage humain. La transparence sur l’identite de l’appelant est devenue un facteur determinant dans le succes des campagnes, au-dela de la seule qualite de l’AMD.