L'IA dans le support client

L'IA dans le support client consiste à utiliser des modèles de langage et des chatbots pour répondre aux demandes des clients : statut de commande, délais de livraison et conditions de retour, questions courantes. Elle fonctionne bien sur les demandes simples et vérifiables, appuyées sur les données de vos systèmes, et mal là où il faut une décision, de l'empathie ou une exception aux règles. La condition principale : le client a toujours la possibilité de joindre une personne.

En clair

La plupart des demandes adressées à une boutique en ligne se répètent : « où est ma commande », « combien de temps dure la livraison par le transporteur vers ma ville », « comment retourner un article ». Un bot relié à une base de connaissances et aux statuts de commande y répond instantanément. Les cas plus difficiles (colis abîmé, litige de garantie, client mécontent) sont mieux confiés à une personne, idéalement avec l'historique déjà recueilli par le bot.

Dans son analyse des systèmes à base d'agents, Anthropic explique pourquoi le support s'y prête bien : la conversation nécessite des données externes (profil du client, historique des commandes, base de connaissances), l'agent peut agir (effectuer un remboursement, mettre à jour un ticket) et le succès se mesure facilement. En contrepartie, l'autonomie coûte plus cher, et les erreurs peuvent s'accumuler au fil de plusieurs étapes (Anthropic, « Building effective agents », 2024, source). Ce qu'est un agent : Agents IA.

Ce qu'on peut confier à l'IA

• Statut de commande et suivi. Les données viennent du système, rien n'est à inventer.
• Questions courantes issues de la base de connaissances : livraison, paiement, échange, horaires.
• Aide au choix dans votre catalogue (à condition que le bot voie les caractéristiques et la disponibilité à jour).
• Collecte d'informations en première ligne : numéro de commande, photo des dégâts, résumé du problème, pour qu'une personne ne reparte pas de zéro.
• Brouillons de réponses pour un employé qui les vérifie et les envoie. C'est la façon la moins risquée de commencer.

Ce qu'il ne faut pas confier à l'IA

• Les décisions d'argent sans plafond : remboursements, compensations, exceptions aux règles. Uniquement avec un plafond et la confirmation d'une personne.
• Les réclamations, les conflits, les situations sensibles (échec de paiement, prélèvement erroné, client mécontent).
• Les réponses à portée juridique : garantie, conditions de retour dans les cas non standard. La boutique est responsable de ce que dit le bot. Dans la décision du tribunal de la Colombie-Britannique Moffatt c. Air Canada (février 2024), la compagnie aérienne a été jugée responsable du mauvais conseil de son chatbot sur une réduction, et le tribunal a rejeté l'argument selon lequel le bot serait une entité distincte : le chatbot fait partie du site de l'entreprise (McCarthy Tétrault, 2024). Il s'agit de la décision d'un organisme canadien, mais elle montre le raisonnement que clients et régulateurs peuvent appliquer à votre bot.
• Les réponses pour lesquelles le bot n'a pas de données. Il doit dire « je ne sais pas » et passer la main à une personne plutôt que d'inventer.

Ce que disent les données

• Les clients veulent pouvoir joindre une personne. Dans une enquête Gartner de 2026, 87 % des clients ont répondu qu'il est essentiel que les entreprises qui utilisent l'IA générative offrent la possibilité de joindre un conseiller en direct. 50 % ont dit que l'échange est plus simple quand les entreprises utilisent l'IA générative. Lors de leur dernier contact, les clients étaient trois fois plus nombreux à utiliser des services d'IA tiers (ChatGPT, Gemini, Copilot) que les chatbots des entreprises (Gartner via DestinationCRM, 2026). L'échantillon et la méthodologie ne sont pas indiqués dans ce compte rendu.
• Les entreprises ne se pressent pas de remplacer les personnes. Enquête Gartner auprès de 321 responsables du support (septembre-octobre 2025) : 20 % ont réduit leurs effectifs de conseillers à cause de l'IA, 55 % ont maintenu leurs effectifs alors que le volume de demandes augmentait, 42 % ont recruté des spécialistes pour les projets d'IA (concepteurs de dialogues, analystes). Gartner estime que d'ici 2027, la moitié des organisations qui prévoient d'importantes réductions d'effectifs liées à l'IA y renonceront (The Register, 2025).
• L'exemple de Klarna. En 2024, l'entreprise a affirmé que son assistant IA faisait le travail de 700 conseillers. En mai 2025, son PDG a déclaré que l'investissement devait aller à la qualité du support humain, et que les clients devaient savoir : « un humain sera toujours là si vous le souhaitez » (CX Today, 2025). C'est l'exemple d'une grande entreprise, pas un modèle valable pour tous.

Comment le déployer progressivement

1. Commencez par des brouillons de réponses pour un employé, puis ajoutez des réponses du bot aux 5 à 10 questions les plus fréquentes.
2. Reliez le bot à des sources à jour : la base de connaissances et les statuts de commande. Ne vous fiez pas aux connaissances générales du modèle.
3. Mettez un bouton « parler à une personne » bien visible et transmettez la conversation avec le contexte déjà recueilli.
4. Fixez des limites simples : montant de remboursement, liste de sujets auxquels le bot ne répond pas.
5. Lisez chaque semaine de vraies conversations : où le bot s'est trompé, où le client a demandé une personne.
6. Suivez les indicateurs : part des demandes résolues sans intervention humaine, demandes répétées sur le même problème, note donnée par les clients. La rapidité de réponse seule ne dit rien de la qualité.

Exemple (chiffres illustratifs)

Les chiffres sont inventés pour l'exemple. Une boutique reçoit 600 demandes par mois. 240 concernent le statut des commandes et la livraison. Le bot en clôt 200 et en transmet 40 à une personne. Les conseillers gagnent environ 30 heures par mois (200 demandes × 9 minutes). Mais si 20 des 200 réponses étaient inexactes et que les clients sont revenus, l'économie réelle est moindre. Il faut donc relire les réponses par échantillonnage.

Erreurs courantes

• Faire du bot le seul canal, sans possibilité de joindre une personne.
• Ne pas le relier à des données à jour et le laisser répondre « au pif ».
• Ne mesurer que la rapidité et la part des demandes « closes ».
• Donner au bot le droit de rembourser sans plafond.
• Ne pas indiquer que c'est un bot qui répond.

FAQ

Un bot IA peut-il remplacer le support ? En partie. Le bot traite bien les questions simples. Les données Gartner de 2025 montrent que la plupart des entreprises ne réduisent pas leurs effectifs à cause de l'IA, et en 2026 la plupart des clients exigent de pouvoir joindre une personne.

Que doit confier une boutique en ligne à l'IA dans le support ? Les statuts de commande, les questions courantes de la base de connaissances, la collecte de données pour le conseiller, les brouillons de réponses. Les réclamations, l'argent et les exceptions restent aux personnes.

La boutique est-elle responsable des erreurs d'un chatbot ? Dans la décision canadienne bien connue de 2024 (Moffatt c. Air Canada), oui : le bot est considéré comme faisant partie du site. Pour votre juridiction, consultez un juriste.

Faut-il dire au client qu'il parle à un bot ? C'est une bonne pratique pour la confiance. Les obligations légales dépendent du pays ; vérifiez-les au regard de la loi en vigueur.

Comment mesurer le bénéfice de l'IA dans le support ? Comparez la part des demandes closes sans intervention humaine aux demandes répétées et aux notes des clients, et pas seulement à la rapidité de première réponse.

Termes associés

• Agent IA
• Automatisation par l'IA pour une boutique en ligne
• CRM pour une boutique en ligne

Sources

• DestinationCRM. Companies Using GenAI for Customer Service Must Provide Access to a Human Agent (Gartner), 18.08.2026 — destinationcrm.com/Articles/CRM-News/CRM-Featured-Articles/Companies-Using-GenAI-for-Customer-Service-Must-Provide-Access-to-a-Human-Agent-176195.aspx
• The Register. Gartner on AI and customer service headcount, 03.12.2025 — theregister.com/2025/12/03/john_henry_ai_customer_service
• CX Today. Klarna redeploys staff to customer service, 03.09.2025 — cxtoday.com/contact-center/klarna-redeploys-staff-to-customer-service-pulls-from-marketing-engineering-and-legal-teams
• McCarthy Tétrault. Moffatt v. Air Canada: misrepresentation by an AI chatbot, 19.02.2024 — mccarthy.ca/en/insights/blogs/techlex/moffatt-v-air-canada-misrepresentation-ai-chatbot
• Anthropic. Building effective agents (2024) — anthropic.com/engineering/building-effective-agents