Outil d'aide à la décision par apprentissage automatique pour la planification intégrée de centres d'appels soumis à des incertitudes : cas d'étude d'un centre relais pour sourds et malentendants

Les centres d'appels étant en plein essor, il est important de concentrer les efforts de recherche sur leur optimisation et leur amélioration. La performance d'un centre d'appel est directement liée à la qualité de la planification des agents. En effet, 60% à 70% des dépenses d'exploitation des centres d'appels sont attribuées aux coûts des ressources humaines. Afin de garantir l'accessibilité des appelants et de répondre aux besoins des gestionnaires et des agents du centre d'appel, la planification des agents doit être optimisée. Cependant, l'environnement d'un centre d'appel est de nature stochastique, ce qui le rend d'autant plus difficile à gérer. Cela se manifeste par des volumes d'appels entrants inconnus, des temps de traitement d'appels variables, et un facteur humain important. Le superviseur, chargé des tâches de planification au sein du centre d'appel, doit prendre en compte cette stochasticité lors de l'affectation des agents. Divers domaines de recherche comme la théorie des files d'attente, la prédiction et la simulation, ont montré leur intérêt pour traiter les différents problèmes relatifs aux centres d'appels. Malgré l'abondante littérature scientifique concernant la planification des agents dans les centres d'appels, la grande majorité des études réalisées s'appuient toujours sur des modèles d'évaluation de performance qui datent du début et du milieu du XXe siècle. De plus, en raison de la nature non conventionnelle des centres d'appels modernes, les hypothèses sur lesquelles ces approches classiques sont basées - et, par conséquent, la performance de ces modèles dans la génération de plannings - sont remises en question. Dans cette thèse de doctorat, nous nous intéressons à la résolution du problème de planification des agents en utilisant des techniques avancées basées sur l'apprentissage automatique. Notre cas d'étude se concentre sur un centre d'appel relais dédié à la communauté des sourds et malentendants. Cela nous amène à formuler les questions de recherche suivantes : (1) Comment développer un planning optimisé en tenant compte des incertitudes existantes et en utilisant une approche basée sur l'apprentissage automatique ? (2) Comment valider les performances de l'approche proposée ? La contribution de ce manuscrit est double : (1) Scientifique, sous la forme d'une approche intégrée basée sur l'apprentissage automatique. Les plannings sont générés à l'aide d'une technique d'apprentissage par renforcement, et leur performance est évaluée grâce à un réseau de neurones. (2) Technique, sous la forme d'un processus complet commençant par le traitement des données historiques disponibles du centre d'appel et se terminant par la génération de plannings. Ce processus permet notamment d'évaluer les performances de notre approche comparativement aux approches classiques. Finalement, ces deux contributions permettent de proposer un système d'aide à la décision destiné aux superviseurs des centres d'appels en leur proposant des plannings satisfaisants les critères de performance souhaités dans un contexte incertain.