L'essentiel à retenir
- Le coaching traditionnel repose sur l'écoute aléatoire de 2 à 5 % des appels — un échantillon statistiquement non représentatif qui produit des évaluations subjectives et des plans de formation génériques
- L'analyse conversationnelle par IA évalue 100 % des interactions et identifie les axes de progression spécifiques par agent, par compétence, avec un scoring objectif et comparable
- 4 profils concernés : assureur mutualiste (onboarding des nouveaux agents), télécom B2C (conformité des agents expérimentés), BPO (alignement qualité donneur d'ordre), éditeur SaaS B2B (coaching commercial upsell/cross-sell)
- ROI estimé : réduction du ramp-up de 30 à 50 %, baisse du turnover agents de 15 à 25 %, gains de 500K€ à 3M€/an selon le profil
- Le coaching data-driven ne remplace pas le superviseur — il lui permet de concentrer ses sessions sur les compétences qui ont le plus d'impact
Pourquoi le coaching traditionnel atteint-il ses limites ?
Dans un centre de contact, le coaching des agents est la clé de la performance durable. Un agent bien formé résout plus vite, fidélise mieux et génère moins de rappels. Pourtant, le dispositif de coaching reste souvent artisanal : un superviseur écoute quelques appels, remplit une grille, et délivre un feedback général lors d'un entretien mensuel.
Ce modèle a fonctionné quand les volumes étaient faibles et les équipes stables. Aujourd'hui, les centres de contact font face à des volumes croissants, un turnover élevé, et des exigences de qualité qui ne cessent de se renforcer. Le coaching par écoute aléatoire ne suit plus.
Quatre profils, un même constat
| Profil | Effectif | Volume d'appels / mois | Dispositif de coaching actuel | Problème principal |
|---|---|---|---|---|
| Assureur mutualiste | 200 agents, 80 recrutements/an | ~50 000 appels | Double écoute 3 %, coaching mensuel | Ramp-up de 6 mois, 40 % des nouveaux partent avant 1 an |
| Télécom B2C | 500 agents | ~180 000 appels | Double écoute 2 %, audit conformité annuel | 23 % de non-conformité détectée post-audit |
| BPO multi-clients | 800 agents, 5 donneurs d'ordre | ~300 000 appels | Écoute 1-2 % par le BPO, reporting mensuel | Turnover 45 %/an, écarts qualité entre campagnes |
| Éditeur SaaS B2B | 60 commerciaux | ~8 000 appels | Écoute ponctuelle par les managers | Taux de conversion upsell à 8 % (objectif : 15 %) |
Malgré leurs différences de taille et de secteur, ces quatre organisations partagent le même angle mort : le coaching repose sur un échantillon non représentatif, une évaluation subjective et un feedback générique.
Les 4 angles morts du coaching par écoute aléatoire
| Angle mort | Description | Conséquence |
|---|---|---|
| Échantillonnage insuffisant | 2 à 5 % des appels écoutés = 95 à 98 % des interactions ignorées | Les lacunes systématiques passent inaperçues — un agent peut être en difficulté sur un type d'appel précis sans que personne ne le détecte |
| Subjectivité de l'évaluation | Deux superviseurs notent différemment le même appel (écart moyen de 15 à 20 points sur 100) | L'agent perçoit l'évaluation comme arbitraire — sentiment d'injustice, désengagement |
| Feedback générique | "Tu dois être plus empathique" sans exemple précis ni comparaison avec les top performers | L'agent ne sait pas concrètement quoi changer dans ses appels |
| Délai entre l'appel et le coaching | Le feedback arrive 1 à 4 semaines après l'interaction | L'agent ne se souvient plus du contexte — l'apprentissage est inefficace |
Le paradoxe de l'agent bien noté. Un agent peut obtenir un score de 85/100 sur les 3 % d'appels évalués tout en ayant une faiblesse récurrente sur les 97 % restants. Par exemple, un agent qui maîtrise parfaitement les appels de renseignement (évalués) mais qui gère mal les réclamations complexes (jamais évaluées). L'écoute aléatoire crée une illusion de compétence que seule l'analyse exhaustive peut dissiper.
Comment l'analyse conversationnelle transforme-t-elle le coaching ?
L'analyse conversationnelle par IA ne se substitue pas au superviseur — elle transforme radicalement la matière sur laquelle il travaille. Au lieu de fonder ses sessions de coaching sur 3 appels écoutés par mois, le superviseur dispose d'un tableau de bord complet couvrant 100 % des interactions de chaque agent, avec un scoring objectif par compétence.
De l'échantillon à l'exhaustivité
| Critère | Coaching traditionnel | Coaching data-driven |
|---|---|---|
| Couverture | 2 à 5 % des appels | 100 % des interactions |
| Délai du feedback | J+7 à J+30 | J+1 (voire temps réel) |
| Base d'évaluation | Subjective (perception du superviseur) | Objective (scoring IA multicritère) |
| Personnalisation | Aucune — même feedback pour tous | Individuelle par agent et par compétence |
| Suivi de progression | Informel, pas de données longitudinales | Courbe de progression mesurable par critère |
| Détection des best practices | Intuitive (le superviseur "sait" qui est bon) | Analytique (identification des patterns des top performers) |
| Temps superviseur | 80 % écoute, 20 % coaching | 20 % analyse des dashboards, 80 % coaching |
Les 6 dimensions de coaching détectées automatiquement
L'analyse conversationnelle évalue chaque interaction sur des dimensions que le superviseur mettrait des heures à analyser manuellement :
| Dimension | Ce que l'IA détecte | Exemple de signal | Action de coaching |
|---|---|---|---|
| Respect du script / processus | Étapes manquées ou inversées dans le parcours d'appel | L'agent saute la vérification d'identité dans 38 % des appels | Session ciblée sur le respect du processus de vérification |
| Empathie et écoute active | Reformulations, acquiescements, interruptions, temps de parole client vs agent | L'agent interrompt le client 4,2 fois en moyenne (top performers : 1,1) | Travail sur l'écoute active avec écoute commentée d'appels modèles |
| Gestion des objections | Techniques utilisées (reformulation, bénéfice, preuve sociale), taux de résolution | L'agent abandonne face aux objections prix dans 72 % des cas | Atelier objections avec scripts adaptés et jeux de rôle |
| Maîtrise produit | Précision des informations données, hésitations, erreurs factuelles | L'agent donne une information erronée sur les délais de carence dans 15 % des appels | Formation produit ciblée sur les garanties santé |
| Conformité réglementaire | Mentions obligatoires, recueil du consentement, devoir d'information | L'agent omet la mention du délai de rétractation dans 44 % des ventes | Rappel réglementaire + intégration dans la grille de suivi |
| Techniques de vente | Détection d'opportunités, proposition de cross-sell/upsell, closing | L'agent détecte une opportunité de montée en gamme dans 31 % des appels mais ne la propose que dans 8 % | Coaching commercial avec analyse des appels réussis des top performers |
L'IA ne remplace pas le superviseur — elle le rend 5 fois plus efficace. Sans analyse automatisée, un superviseur passe 80 % de son temps à écouter des appels pour constituer sa base d'évaluation. Avec l'analyse conversationnelle, il reçoit directement les axes de progression prioritaires de chaque agent et peut concentrer 80 % de son temps sur ce qui compte : les sessions de coaching face-à-face, les ateliers pratiques et l'accompagnement personnalisé.
Pour approfondir les avantages du quality monitoring par IA, consultez notre article sur le QM par IA en centre de contact. Et pour un guide complet sur la mise en place, consultez notre guide du quality monitoring.
4 scénarios concrets de coaching par l'analyse conversationnelle
Scénario 1 — Assureur mutualiste : accélérer l'onboarding des nouveaux agents
Contexte : 200 agents, 80 recrutements par an (turnover de 40 % la première année). Le ramp-up actuel dure 6 mois : 2 mois de formation initiale + 4 mois d'accompagnement terrain. Coût d'onboarding estimé : 8 000 € par agent (formation + temps superviseur + productivité réduite).
Le problème : pendant les 4 mois d'accompagnement terrain, le superviseur écoute 2 à 3 appels par semaine pour chaque nouvel agent. Avec 20 nouveaux agents en parallèle, c'est 50 à 60 appels par semaine — soit 15 à 20 heures d'écoute. Le feedback est nécessairement superficiel et le superviseur ne peut identifier les lacunes récurrentes de chaque agent.
Ce que l'analyse conversationnelle révèle : en analysant 100 % des appels des 20 nouveaux agents sur leur premier mois, l'IA identifie les 3 compétences où ils décrochent systématiquement par rapport aux agents expérimentés :
- Gestion des objections tarifaires — les nouveaux agents cèdent une remise dans 62 % des cas (agents seniors : 23 %)
- Explication des garanties — les nouveaux agents donnent une information incomplète ou imprécise sur les exclusions dans 45 % des appels (seniors : 8 %)
- Conformité DDA — les nouveaux agents omettent le recueil des besoins structuré dans 58 % des ventes (seniors : 12 %)
Exemple concret : l'agent Julien, embauché il y a 5 semaines, obtient un score global de 54/100 sur ses 120 premiers appels. Le dashboard montre un score de 72/100 en empathie (bon), mais 31/100 en maîtrise produit et 28/100 en conformité. Son superviseur peut désormais cibler les sessions de coaching sur ces deux axes précis au lieu de délivrer un feedback générique.
| Indicateur | Avant (coaching traditionnel) | Après (coaching data-driven) |
|---|---|---|
| Durée de ramp-up | 6 mois | 4 mois (-33 %) |
| Score qualité moyen à 3 mois | 58/100 | 74/100 (+28 %) |
| FCR à 3 mois | 52 % | 68 % (+31 %) |
| Taux d'erreur conformité à 3 mois | 45 % | 18 % (-60 %) |
| Turnover 1ère année | 40 % | 28 % (-30 %) |
Scénario 2 — Télécom B2C : combler les lacunes de conformité des agents expérimentés
Contexte : 500 agents, un audit réglementaire révèle 23 % de non-conformité sur la confirmation verbale d'engagement et la récapitulation des offres. Les superviseurs ne peuvent écouter que 2 % des appels. L'entreprise risque une sanction de la DGCCRF.
Le problème : les agents expérimentés (3 à 8 ans d'ancienneté) sont ceux qui posent le plus de problèmes de conformité. Paradoxalement, ils sont aussi ceux qui reçoivent le moins de coaching : "ils connaissent le métier". En réalité, ils ont développé des raccourcis — sauter l'étape de récapitulation quand le client semble pressé, omettre la mention du droit de rétractation "parce que personne ne l'utilise".
Ce que l'analyse conversationnelle révèle : l'analyse de 180 000 appels sur un mois montre que le taux de non-conformité varie massivement selon l'ancienneté :
| Ancienneté | Nombre d'agents | Taux de non-conformité | Compétences défaillantes |
|---|---|---|---|
| < 1 an | 120 | 18 % | Oublis par méconnaissance (formation incomplète) |
| 1-3 ans | 180 | 12 % | Score le plus bas — bénéficient encore des réflexes de formation |
| 3-5 ans | 130 | 28 % | Raccourcis installés (récapitulation sautée, rétractation omise) |
| > 5 ans | 70 | 35 % | Habitudes ancrées, résistance au changement, "je fais comme ça depuis toujours" |
Exemple concret : l'agent Sophie, 6 ans d'ancienneté, score global de 78/100 (considérée comme une "bonne agent" par son superviseur). Mais l'analyse exhaustive révèle un score de conformité de 42/100 : elle omet systématiquement la récapitulation de l'offre dans les appels de souscription et ne mentionne le délai de rétractation que dans 28 % des cas. Sans l'analyse de 100 % des appels, ce pattern serait resté invisible.
| Indicateur | Avant | Après 6 mois de coaching ciblé |
|---|---|---|
| Taux de conformité global | 77 % | 94 % (+22 %) |
| Taux de conformité agents > 3 ans | 68 % | 91 % (+34 %) |
| Litiges / réclamations liés à la conformité | 340 / mois | 125 / mois (-63 %) |
| Coût des litiges | 420 K€ / an | 155 K€ / an (-63 %) |
| Score CSAT post-souscription | 3,6 / 5 | 4,1 / 5 (+14 %) |
Pour aller plus loin sur la conformité des ventes, consultez notre article dédié aux secteurs réglementés.
Scénario 3 — BPO multi-clients : aligner la qualité sur les standards du donneur d'ordre
Contexte : un BPO de 800 agents gère 5 clients donneurs d'ordre (assurance, énergie, télécom, banque, e-commerce), chacun avec ses propres exigences qualité. Le turnover est de 45 % par an — soit 360 agents à remplacer et former chaque année. Les donneurs d'ordre exigent des scores qualité en hausse, mais le BPO n'a pas les moyens de coacher efficacement avec une telle rotation.
Le problème : chaque donneur d'ordre a sa grille d'évaluation, mais le BPO écoute 1 à 2 % des appels et s'auto-évalue. Le reporting mensuel montre des indicateurs verts — taux de réponse à 92 %, DMT conforme — mais les donneurs d'ordre perçoivent un décalage de qualité. Deux contrats sur cinq sont en renégociation avec un risque de non-renouvellement.
Ce que l'analyse conversationnelle révèle : en appliquant la grille d'évaluation de chaque donneur d'ordre sur 100 % des appels, l'analyse met en lumière des écarts considérables :
| Campagne (donneur d'ordre) | Score qualité affiché par le BPO | Score réel (analyse 100 %) | Écart | Compétences défaillantes |
|---|---|---|---|---|
| Assurance | 82/100 | 58/100 | -24 pts | Conformité DDA, recueil des besoins |
| Énergie | 79/100 | 64/100 | -15 pts | Explication tarifaire, gestion des réclamations |
| Télécom | 85/100 | 71/100 | -14 pts | Récapitulation de l'offre, vente additionnelle |
| Banque | 80/100 | 55/100 | -25 pts | Conformité MiFID II, devoir de conseil |
| E-commerce | 88/100 | 76/100 | -12 pts | Empathie, gestion des retours |
L'analyse identifie aussi que les agents top performers du BPO répliquent les patterns conversationnels des agents internes du donneur d'ordre — ils utilisent les mêmes formulations, la même structure d'appel, les mêmes techniques de résolution. Ces patterns deviennent des modèles de coaching réplicables pour les 80 % d'agents qui n'atteignent pas ce niveau.
Exemple concret : sur la campagne Assurance, l'analyse compare les 10 meilleurs agents BPO aux 10 meilleurs agents internes du donneur d'ordre. Les écarts se concentrent sur 3 compétences précises : le recueil des besoins structuré (BPO top : 72/100 vs interne top : 91/100), la mention des exclusions de garantie (BPO top : 65/100 vs interne top : 88/100), et la gestion des objections prix (BPO top : 58/100 vs interne top : 82/100). Le plan de coaching cible ces 3 axes avec des scripts et des exemples d'appels tirés des top performers internes.
| Indicateur | Avant | Après 6 mois |
|---|---|---|
| Score qualité moyen (5 campagnes) | 65/100 (réel) | 79/100 (+22 %) |
| Écart score affiché vs réel | -18 pts en moyenne | -4 pts en moyenne |
| Turnover agents | 45 %/an | 32 %/an (-29 %) |
| Temps de formation nouvel agent | 4 semaines | 2,5 semaines (-38 %) |
| Contrats en risque de non-renouvellement | 2 sur 5 | 0 sur 5 |
Pour approfondir le benchmarking entre équipes internes, BPO et outils IA, consultez notre article sur le benchmarking unifié.
Le piège de l'auto-évaluation BPO. Quand le prestataire écoute 1 à 2 % de ses propres appels et produit son propre reporting qualité, il y a un conflit d'intérêt structurel. L'écart moyen entre le score qualité déclaré et le score mesuré par analyse exhaustive est de 12 à 25 points sur 100. Le coaching data-driven élimine ce biais et aligne le BPO sur les vrais standards du donneur d'ordre.
Scénario 4 — Éditeur SaaS B2B : coaching commercial pour l'upsell et le cross-sell
Contexte : 60 commerciaux gèrent un portefeuille de 2 400 clients (MRR moyen : 1 800 €). Lors des appels de renouvellement et de revue trimestrielle, les commerciaux devraient proposer des montées en gamme ou des modules complémentaires. Le taux de conversion upsell est à 8 % (objectif direction : 15 %).
Le problème : les managers commerciaux écoutent 1 à 2 appels par commercial et par mois. Ils savent que les résultats sont hétérogènes — les 10 meilleurs commerciaux convertissent à 22 %, les 20 derniers à 3 % — mais ils n'arrivent pas à identifier ce que font différemment les top performers. Le coaching se résume à "sois plus proactif sur l'upsell".
Ce que l'analyse conversationnelle révèle : l'analyse de 8 000 appels sur un trimestre identifie 3 techniques spécifiques utilisées par les top performers mais absentes chez les autres :
- Anchoring (ancrage) — les top performers mentionnent le coût d'acquisition d'un nouveau client avant de proposer l'upsell ("Vous investissez X€ en acquisition, pour Y€ de plus vous doublez la valeur de chaque client")
- Social proof (preuve sociale) — ils citent des cas clients similaires ("3 de vos concurrents directs ont activé ce module au dernier trimestre")
- Timing de la proposition — ils proposent l'upsell après avoir résolu un point de friction, pas en ouverture d'appel. Les top performers placent la proposition dans le dernier tiers de l'appel, quand le client est en posture positive
Exemple concret : le commercial Thomas (top performer, taux de conversion upsell 24 %) vs le commercial Marc (conversion 4 %). L'analyse de leurs 50 derniers appels montre que Thomas détecte une opportunité d'upsell dans 78 % de ses appels et formule une proposition dans 61 % des cas. Marc détecte une opportunité dans 45 % des cas mais ne formule une proposition que dans 12 %. L'écart principal : Marc ne maîtrise pas la transition entre la discussion courante et la proposition commerciale — il perçoit l'upsell comme "intrusif" alors que Thomas l'intègre naturellement dans la conversation.
| Indicateur | Avant | Après 6 mois de coaching ciblé |
|---|---|---|
| Taux de conversion upsell | 8 % | 14 % (+75 %) |
| Panier moyen | 1 800 € MRR | 2 150 € MRR (+19 %) |
| Détection d'opportunités | 52 % des appels | 71 % des appels (+37 %) |
| Revenu additionnel / trimestre | — | +315 K€ de MRR additionnel |
| Écart top 10 / bottom 20 | 22 % vs 3 % | 24 % vs 11 % (écart réduit de 19 à 13 pts) |
Simulations ROI : quel impact financier attendre du coaching data-driven ?
Les simulations ci-dessous sont basées sur les 4 profils présentés. Les hypothèses sont conservatrices et les résultats varient selon le secteur, la maturité du dispositif de coaching existant et la qualité des données conversationnelles.
Profil 1 — Assureur mutualiste (200 agents)
| Levier | Calcul | Impact annuel estimé |
|---|---|---|
| Réduction du ramp-up | 80 agents × 2 mois gagnés × 2 500 €/mois (coût formation + productivité) | 400 K€ |
| Réduction du turnover 1ère année | 12 agents retenus × 8 000 € (coût remplacement) | 96 K€ |
| Amélioration FCR | +16 pts de FCR × 50 000 appels × 4,50 € (coût rappel évité) | 144 K€ |
| Réduction des erreurs conformité | -27 pts d'erreur × réduction litiges associés | 80 K€ |
| Total estimé | ~720 K€/an |
Profil 2 — Télécom B2C (500 agents)
| Levier | Calcul | Impact annuel estimé |
|---|---|---|
| Réduction des litiges conformité | -215 litiges/mois × 185 € (coût moyen traitement) | 477 K€ |
| Réduction des réclamations | Impact CSAT → réduction churn de 0,3 pts | 680 K€ (ARR préservé) |
| Optimisation temps superviseur | 25 superviseurs × 12h/semaine libérées × 35 €/h | 546 K€ |
| Réduction turnover agents | -8 pts turnover × 500 agents × 6 000 € (coût remplacement) | 240 K€ |
| Total estimé | ~1,9 M€/an |
Profil 3 — BPO multi-clients (800 agents)
| Levier | Calcul | Impact annuel estimé |
|---|---|---|
| Rétention des contrats donneurs d'ordre | 2 contrats sauvés × 1,2 M€/an (valeur moyenne contrat) | 2 400 K€ |
| Réduction du turnover agents | -13 pts turnover × 800 agents × 4 500 € (coût remplacement) | 468 K€ |
| Réduction du temps de formation | 360 nouveaux/an × 1,5 semaine gagnée × 800 €/semaine | 432 K€ |
| Total estimé | ~3,3 M€/an |
Profil 4 — Éditeur SaaS B2B (60 commerciaux)
| Levier | Calcul | Impact annuel estimé |
|---|---|---|
| Revenu upsell additionnel | +6 pts de conversion × 2 400 clients × 350 € MRR moyen upsell × 12 mois | 605 K€ |
| Augmentation panier moyen | +350 € MRR sur le portefeuille existant (effet coaching) | 210 K€ |
| Réduction du ramp-up commercial | 15 nouveaux/an × 1,5 mois gagnés × 5 000 €/mois | 113 K€ |
| Total estimé | ~930 K€/an |
Au-delà du ROI direct
Les bénéfices du coaching data-driven dépassent les gains financiers mesurables :
- Engagement des agents : quand le feedback est objectif et personnalisé, les agents le perçoivent comme juste. L'évaluation n'est plus une sanction mais un outil de progression
- Réduction du turnover : le coût de remplacement d'un agent représente 6 à 9 mois de salaire (recrutement, formation, ramp-up, productivité perdue). Chaque agent retenu est un investissement préservé
- Culture data-driven : le coaching basé sur les données crée un cercle vertueux — les agents demandent eux-mêmes leur scorecard, comparent leur progression, s'inspirent des top performers
- Équité perçue : le scoring objectif élimine le sentiment de "favoritisme" — tous les agents sont évalués sur les mêmes critères, sur 100 % de leurs interactions
Ces chiffres sont des simulations basées sur des moyennes sectorielles et des retours terrain. L'impact réel dépend de votre contexte : maturité du dispositif actuel, qualité des données, engagement des superviseurs. La meilleure façon de valider ces projections est de tester sur un périmètre pilote. Testez gratuitement Raisetalk pour mesurer l'impact sur vos propres conversations.
Comment démarrer le coaching data-driven ?
1. Auditez votre dispositif de coaching actuel
Avant de transformer votre approche, mesurez votre point de départ :
- Quel pourcentage d'appels est réellement évalué ?
- Combien de sessions de coaching par agent et par mois ?
- Quel est le temps de ramp-up moyen des nouveaux agents ?
- Avez-vous des données sur le turnover des agents liées à la qualité du coaching ?
2. Définissez les compétences prioritaires à évaluer
Adaptez votre grille d'évaluation à votre métier. Un assureur priorisera la conformité DDA et le recueil des besoins. Un BPO se concentrera sur l'alignement avec les standards du donneur d'ordre. Un éditeur SaaS ciblera les techniques de vente. Identifiez les 5 à 8 compétences qui ont le plus d'impact sur vos résultats.
3. Connectez vos conversations à Raisetalk
L'intégration se fait via API ou dépôt SFTP de vos enregistrements audio. Aucune modification de votre infrastructure téléphonique n'est nécessaire. Les premiers résultats sont disponibles en quelques jours.
4. Analysez 1 mois de conversations pour établir les profils agents
Un mois d'analyse suffit pour dresser une cartographie des compétences de chaque agent : forces, faiblesses, patterns récurrents, comparaison avec les top performers. C'est la baseline sur laquelle vous allez construire vos plans de coaching.
5. Lancez les sessions de coaching ciblées et mesurez la progression
Avec les scorecards individuelles, chaque session de coaching est ciblée : l'agent sait exactement sur quoi il doit progresser, avec des exemples concrets tirés de ses propres appels. Mesurez la progression mois par mois, compétence par compétence. Les résultats sont visibles dès le deuxième mois.
Pour en savoir plus sur la protection des données dans l'analyse conversationnelle, consultez notre article sur la vie privée. Et pour choisir le bon modèle de transcription, consultez notre comparatif des modèles STT.
Prêt à transformer le coaching de vos agents ?
- Testez gratuitement : app.raisetalk.com/try
- Contactez-nous : www.raisetalk.com/contact
Le coaching des agents n'est pas qu'une question de formation — c'est un levier de performance qui impacte directement la satisfaction client, la rétention, le chiffre d'affaires et le turnover. Qu'il s'agisse d'accélérer l'onboarding dans une mutuelle, de combler les lacunes de conformité dans un opérateur télécom, d'aligner un BPO sur les standards de ses donneurs d'ordre, ou de transformer des commerciaux en machines à upsell — l'analyse conversationnelle par IA donne aux superviseurs la matière première dont ils ont besoin pour coacher efficacement. Plus de subjectivité, plus d'échantillonnage aléatoire : chaque agent reçoit un feedback personnalisé, fondé sur 100 % de ses interactions, avec des axes de progression concrets et mesurables.