L'automatisation de l'affectation des tickets (incidents, demandes de changement, etc.) est un élément fondamental dans la gestion de vos tickets dans ServiceNow. Elle garantit que les demandes arrivent aux bonnes équipes au bon moment, améliorant ainsi les délais de traitement et la satisfaction utilisateur. ServiceNow propose deux approches majeures pour automatiser ces assignments : les Assignment Rules (règles d'affectation classiques) et AWA (Advanced Workflow Analytics). Cet article compare ces deux solutions pour vous aider à choisir la plus adaptée à votre contexte.

1. Assignment Rules - Les règles d'affectation classiques

Définition et fonctionnement

Les Assignment Rules sont les règles d'automatisation historiques et natives de ServiceNow. Elles permettent d'affectation automatiquement un ticket à un utilisateur ou un groupe selon des conditions prédéfinies.

Principe de fonctionnement :

1. Lorsqu'un enregistrement (incident, demande, etc.) est créé ou modifié

2. Le système évalue les règles d'affectation actives, dans l'ordre de priorité

3. La première règle dont les conditions sont validées s'exécute

4. L'assignment est appliqué (assigned_to, assignment_group, etc.)

Structure d'une Assignment Rule

Une Assignment Rule se compose de :

• Nom : libellé descriptif

• Table : la table cible (ex: incident, change_request)

• Ordre : priorité d'exécution (0 = plus haute priorité)

• Conditions : les critères d'évaluation

  • Conditions simples (champ = valeur)

  • Conditions complexes (opérateurs ET/OU)

  • Conditions scriptées (JavaScript)

• Action d'assignment :

  • Affectation à un utilisateur spécifique

  • Affectation à un groupe

  • Affectation basée sur un champ (ex: département)

  • Scripts personnalisés

Exemple concret

Cas d'usage courants

• Routage par catégorie : Les incidents réseau vont au groupe Réseau, les incidents serveur au groupe Infrastructure

• Escalade automatique : Les incidents critiques (P1) sont assignés directement aux experts

• Affectation par compétences : Basée sur des champs personnalisés (ex: certifications, langues)

• Routage géographique : Les demandes sont affectées en fonction de la localisation utilisateur

Limitations des Assignment Rules

• ⚠️ Pas de machine learning : Les règles sont statiques, pas d'adaptation intelligente

• ⚠️ Gestion manuelle des priorités : Vous devez gérer manuellement l'ordre des règles

• ⚠️ Pas d'analyse de charge : Pas de considération du nombre de tickets assignés par personne

• ⚠️ Maintenance complexe : Avec de nombreuses règles, la maintenance devient fastidieuse

• ⚠️ Performance dégradée : Nombreuses conditions = plus de temps d'évaluation

• ⚠️ Pas d'apprentissage historique : Les anciennes assignations ne sont pas exploitées

2. AWA - Advanced Work Assignment

Qu'est-ce qu'AWA ?

AWA (Advanced Work Assignment) est une solution de distribution intelligente du travail qui affecte automatiquement les tickets aux agents en fonction de leur disponibilité, capacité, et optionnellement leurs compétences.

Au lieu de règles statiques, AWA utilise des conditions de routage et des critères d'affectation que vous définissez pour diriger les tickets vers les agents les plus appropriés.

Principe fondamental : AWA distribue les tickets de manière intelligente en considérant la charge de travail actuelle et les qualifications des agents, sans nécessiter de règles d'affectation complexes.

Architecture et composants

AWA repose sur plusieurs composants :

1. Work Item Queues : Files d'attente où les tickets sont temporairement stockés

2. Routing Conditions : Conditions qui définissent comment les tickets sont routés (catégorie, priorité, contexte, etc.)

3. Assignment Criteria : Critères d'assignation basés sur les compétences et la capacité

4. Capacity Management : Suivi de la charge de travail actuelle des agents

5. Agent Workspace Inbox : Où les agents voient leurs tickets assignés

Fonctionnalités clés d'AWA

• Distribution basée sur la capacité : Considère la charge de travail actuelle des agents/groupes

• Routage par conditions : Dirige les tickets selon les règles que vous définissez

• Gestion des compétences : Peut assigner basé sur les compétences requises vs disponibles

• Fallback queues : Bascule vers une autre queue si aucun agent qualifié disponible

• Agent Affinity (optionnel) : Ajout de machine learning pour prédictions intelligentes

• Multi-critères : Considère simultanément plusieurs facteurs (capacité, compétences, priorité, etc.)

Comment fonctionne AWA

Agent Affinity : ML optionnel

Si vous souhaitez ajouter des capacités machine learning à AWA, ServiceNow propose Agent Affinity qui peut :

• Prédire l'assignment optimal en analysant les données historiques

• Scorer les affectations pour identifier les meilleures matches

• Améliorer continuellement les recommandations

Activation et configuration d'AWA

Pour activer AWA sur votre instance :

1. Prérequis : Plugin AWA activé + données historiques suffisantes (min. 500-1000 tickets)

2. Configuration :

   • Définir les champs analysables (catégorie, priorité, localisation, etc.)

   • Configurer les destinations possibles (groupes, utilisateurs)

   • Ajuster le seuil de confiance minimum

3. Training : AWA entraîne le modèle sur vos données

4. Test : Phase de test pour valider les recommandations

5. Activation : Basculer en mode production

Cas d'usage courants

• Incidents : Distribution basée sur capacité et compétences

• Demandes de changement : Routage vers les bonnes équipes selon les conditions définies

• Demandes de service : Distribution équilibrée vers les files appropriées

• Agent Chat/Interactions : Assignment dynamique des conversations aux agents disponibles

• Support multicouche : Routage progressif des tickets selon la complexité

3. Comparaison directe : Assignment Rules vs AWA

Tableau comparatif

Quand choisir Assignment Rules ?

✅ Faveurs Assignment Rules si :

• Vous avez besoin de contrôle total sur l'ordre d'évaluation des règles

• Les règles sont complexes et hautement personnalisées

• Vous n'avez pas d'Agent Workspace à disposition

• Vous préférez une approche déclarative et transparente

• Les performances sont critiques et vous voulez éviter la surcharge

• Vous avez une petite équipe avec peu de tickets

• Vous souhaitez une implémentation rapide sans configuration extensive

Quand choisir AWA ?

✅ Faveurs AWA si :

• Vous avez Agent Workspace et souhaitez l'utiliser pleinement

• Vous avez besoin de distribution équilibrée basée sur la capacité

• Les agents ont des compétences spécifiques à considérer

• Vous voulez réduire la maintenance comparé aux Assignment Rules complexes

• Vous avez une équipe distribuée avec charges de travail variables

• Vous souhaitez optimiser les délais de traitement et la satisfaction

• Vous envisagez à long terme d'ajouter Agent Affinity pour du ML

Approche hybride recommandée

⭐ La meilleure pratique : Combiner Assignment Rules et AWA

Cela vous permet de :

• Garder votre logique de routage complexe existante

• Bénéficier de la distribution intelligente d'AWA

• Ajouter du ML via Agent Affinity plus tard si souhaité

Migration depuis Assignment Rules vers AWA

Si vous avez actuellement des Assignment Rules et souhaitez migrer vers AWA :

Étapes recommandées :

1. Analyser vos règles existantes : Documentez la logique actuelle

2. Préparer les données : Nettoyez l'historique, supprimez les anomalies

3. Phase de test : Activez AWA en mode test, comparez les résultats

4. Calibration : Ajustez le seuil de confiance et les configurations

5. Parallélisation : Laissez tourner Assignment Rules + AWA pendant une période

6. Bascule progressive : Coupez Assignment Rules graduellement

7. Monitoring : Suivez les métriques d'affectation post-migration

4. Cas d'usage pratiques et exemples

Exemple 1 : Routage d'incidents simples (Assignment Rules)

Contexte : Une PME avec une structure IT classique (Support, Réseau, Infrastructure)

Assignment Rules utilisées :

Avantages : Simple, transparent, facile à maintenir Limitations : Ne considère pas la charge, pas d'adaptation au temps

Exemple 2 : Routage d'incidents complexes avec AWA + Agent Affinity

Contexte : Une grande entreprise avec 500+ incidents/mois, équipes distribuées, variations saisonnières. Souhaite utiliser AWA avec ML prédictif.

Configuration AWA + Agent Affinity :

Avantages : Distribution équilibrée, scalable, peut ajouter ML Limitations : Nécessite Agent Workspace, configuration modérée

5. Bonnes pratiques et recommandations

Avant d'implémenter

✅ Audit préalable :

• Cartographiez vos processus d'affectation actuels

• Identifiez les patterns et les exceptions

• Mesurez les KPIs actuels (MTTR, distribution de charge, satisfaction)

✅ Qualité des données :

• Nettoyez vos données historiques

• Normalisez les catégories et les champs

• Supprimez les tickets anormaux

Pendant l'implémentation

✅ Approche progressive :

• Commencez par un workflow simple

• Testez avant de mettre en production

• Impliquez les teams opérationnelles

• Formez les utilisateurs

✅ Monitoring et métriques :

• Suivez le MTTR (Mean Time To Resolution)

• Analysez la distribution des assignments

• Mesurez la satisfaction utilisateur

• Validez l'correctness des assignations

Après l'implémentation

✅ Amélioration continue :

• Pour Assignment Rules : Ajustez régulièrement les priorités et conditions

• Pour AWA : Ajustez les routing conditions et fallback queues selon les retours

• Pour Agent Affinity (si activé) : Collectez les retours et réentraînez le modèle

• Documentez vos décisions et vos configurations

• Planifiez des revues trimestrielles

✅ Gouvernance :

• Définissez les propriétaires des règles (Assignment Rules)

• Établissez un processus de changement pour les modifications

• Auditez les règles inactives ou mal utilisées

• Maintenez une documentation à jour

6. Conclusion et recommandations finales

Synthèse

Assignment Rules et AWA ne sont pas en concurrence : ce sont deux outils complémentaires.

• Assignment Rules : Parfaites pour les cas simples, stables, et nécessitant de la transparence

• AWA : Idéales pour les cas complexes, évolutifs, avec besoin d'optimisation

Recommandation SnowLab

🎯 Notre approche recommandée :

1. Petites instances (< 100 tickets/mois) → Assignment Rules suffisent

2. Instances moyennes (100-500 tickets/mois) → Assignment Rules bien structurées

3. Grandes instances (500+ tickets/mois, Agent Workspace disponible) → Approche hybride (Assignment Rules + AWA)

4. Instances très complexes avec besoins ML → Ajouter Agent Affinity à AWA pour prédictions intelligentes

Prochaines étapes

📋 Pour démarrer :

• Auditez votre contexte actuel

• Mesurez vos KPIs de base

• Consultez l'équipe SnowLab pour un diagnostic personnalisé

• Planifiez une phase de POC (Proof of Concept)

Questions fréquentes :

Q: Peut-on utiliser Assignment Rules et AWA simultanément ?
R: Oui ! Assignment Rules pour le routage initial, puis AWA pour la distribution basée sur capacité et compétences.

Q: AWA nécessite-t-il des données historiques pour fonctionner ?
R: Non. AWA fonctionne avec vos routing conditions et criteria définis. Les données historiques ne sont utilisées que si vous ajoutez Agent Affinity pour du ML.

Q: AWA peut-il complètement remplacer les Assignment Rules ?
R: Pas nécessairement. Assignment Rules sont meilleures pour le routage déclaratif complexe. AWA excelle dans la distribution intelligente. L'approche hybride est optimale.

Q: Quel est le ROI d'AWA ?
R: Meilleure distribution de charge, réduction des escalades, satisfaction utilisateur améliorée. AWA seule : gains opérationnels. Avec Agent Affinity : gains supplémentaires via ML. À évaluer selon votre contexte.

Source :

https://www.servicenow.com/docs/r/platform-administration/table-administration-and-data-management/c_DefineAssignmentRules.html

https://www.servicenow.com/docs/r/conversational-interfaces/advanced-work-assignment/awa-application-landing-page.html