Un agent IA au service client : 4 demandes sur 5, sans personne.

Ce qui distingue vraiment les deux.

Un chatbot de foire aux questions cherche la réponse la plus proche dans un texte qu'on lui a donné. Il ne sait rien de votre client, ni de sa commande, et il ne peut rien faire. Un agent travaille dans votre système : il lit le message entrant, décide de quoi il s'agit, va chercher la donnée réelle, rédige, et agit.

Concrètement, sur une demande « où est ma commande ? », le chatbot renvoie la page de suivi. L'agent ouvre la commande, lit son état, voit qu'elle est bloquée chez le transporteur, écrit la réponse avec le numéro de suivi et la date estimée, et l'envoie. Le premier occupe le client, le second traite la demande.

Un critère unique : le coût d'une erreur.

La question n'est pas « est-ce que le modèle sait répondre ». Il sait, souvent trop bien. La question est : combien coûte une réponse fausse mais confiante ? Un délai de livraison erroné se rattrape par un mot d'excuse. Un remboursement promis à tort, non.

Ce découpage a un effet secondaire que les clients découvrent avec plaisir : même sur les demandes qui restent humaines, le travail est déjà à moitié fait.

Les 6 étapes d'une demande, de la boîte mail à la réponse.

1. La réception. Tous les messages entrent par le même canal, quelle que soit leur origine : mail, formulaire, messagerie de la boutique.
2. Le classement. Le modèle lit et range dans une catégorie métier. C'est l'étape qui garantit qu'aucune demande ne dort au fond d'une boîte.
3. La recherche. Le système va chercher la donnée réelle : la commande, le client, l'historique, le stock. Sans cette étape, l'agent brode.
4. La rédaction. La réponse est écrite dans le ton de la marque, avec les éléments trouvés, jamais avec des éléments supposés.
5. La décision. Selon la catégorie, la réponse part seule ou attend une validation. Cette règle est écrite, pas laissée au modèle.
6. La trace. Chaque échange est journalisé : qui a répondu, quoi, quand, sur la base de quelle donnée. C'est ce qui rend le système auditable le jour où un client conteste.

Les 4 erreurs qui font retirer l'agent au bout d'un mois.

• L'hallucination confiante. Un modèle qui n'a pas la donnée l'invente avec aplomb. La parade n'est pas un meilleur modèle : c'est de ne jamais le laisser répondre sans la donnée sous les yeux.
• Le ton qui sonne faux. Une réponse correcte mais impersonnelle abîme la marque. Le ton se travaille avec de vrais échanges passés, pas avec une consigne vague.
• La boucle automatique. Deux systèmes qui se répondent, une confirmation automatique prise pour une demande. Ça arrive, et ça se prévient avec des règles d'arrêt.
• Le silence sur l'automatisation. Le client doit pouvoir joindre un humain en une phrase. Un agent qui enferme est un agent qui fait fuir.

Sur ces 4 points, le vrai garde-fou n'est pas technique : c'est de retirer l'IA là où elle nuit, y compris après l'avoir installée. Je l'ai fait sur un de mes propres outils.

Une boutique où 80 % du SAV part sans personne.

Le système tourne chez une boutique de bijoux et montres, et le cas est publié en détail : lecture et classement de chaque message, réponse automatique sur les demandes simples, brouillon prêt pour les autres, et une alerte quand un cas sort du cadre.

Une catégorie, mesurée, puis on étend.

La bonne façon de démarrer n'est pas de brancher l'agent sur toute la boîte mail. On prend une seule catégorie de demandes, la plus fréquente et la moins risquée, et on la laisse en validation humaine pendant quelques jours. On regarde ce que le modèle aurait envoyé, on corrige les règles, puis on lâche la main.

Ensuite on étend, catégorie par catégorie, en gardant la même question à chaque fois : combien coûterait une erreur ici ? Le jour où la réponse est « cher », la catégorie reste humaine, et c'est très bien.