Tri des demandes au service client avec l'IA : routage, brouillons et quand passer la main à une personne

Une boîte de support partagée mélange tout : questions sur des commandes, réclamations, factures envoyées à la mauvaise adresse, réinitialisations de mot de passe, résiliations et, de temps en temps, une menace juridique. Quelqu'un doit lire chaque message, comprendre de quoi il s'agit et le transmettre avant que quiconque puisse y répondre. C'est généralement sur ce tri que l'IA aide en premier, et quelques règles claires décident si elle aide ou si elle nuit.

Cet article traite séparément le routage, les brouillons de réponse et l'escalade, car chacun comporte un niveau de risque différent.

Routage : le modèle lit, les règles décident

Le routage est le point de départ le plus sûr, car une mauvaise étiquette coûte un transfert entre files d'attente, pas une fausse promesse faite à un client. Un modèle de langage lit le message et renvoie quelques champs structurés : le sujet, la langue, le produit, le degré d'urgence apparent et si le client demande à parler à une personne. Les faits que le modèle ne peut pas voir dans le texte, comme le contrat du client ou ses commandes en cours, viennent de votre CRM ou de votre système de commandes, pas d'une supposition.

Gardez une liste de sujets courte et liée à ceux qui les traitent. Si deux catégories vont toujours à la même équipe, ce n'est qu'une seule catégorie. Construisez la première version à partir de quelques mois de tickets réels et demandez aux personnes qui y répondent aujourd'hui d'étiqueter un échantillon à la main. Cet échantillon devient votre jeu de tests : le routage fonctionne quand le modèle est d'accord avec votre équipe sur cet échantillon, pas quand il paraît convaincant en démonstration. Les messages sur lesquels le modèle hésite vont à une personne, comme aujourd'hui.

Brouillons : des réponses fondées sur vos propres sources

C'est la rédaction des réponses qui prend le plus de temps, et c'est là que se trouve l'essentiel du risque. Un modèle peut écrire une réponse fluide à presque tout, et c'est justement le problème : une réponse assurée sur une politique de remboursement que vous n'avez pas est pire que pas de réponse du tout. Ne construisez les brouillons qu'à partir de contenus validés, comme votre centre d'aide, vos politiques en vigueur et les données de commande du client, et montrez au conseiller la source utilisée par chaque brouillon pour qu'il puisse la vérifier en quelques secondes. Fine-tuning ou RAG explique comment fonctionne cet ancrage dans les sources.

Les brouillons validés par une personne sont aussi là où les preuves sont les plus solides. Une étude portant sur 5 179 conseillers de service client a montré que l'accès à un assistant d'IA générative augmentait le nombre de demandes résolues par heure de 14 % en moyenne, avec une amélioration de 34 % pour les conseillers débutants et moins qualifiés et un effet minime pour les plus expérimentés et les plus qualifiés. Les auteurs suggèrent que l'assistant a diffusé les pratiques des meilleurs conseillers auprès des plus récents.

Laisser partir des réponses sans relecture est une autre décision. En 2024, un tribunal de Colombie-Britannique, au Canada, a donné tort à Air Canada après que le chatbot de son site eut laissé entendre qu'un tarif réduit pour deuil pouvait être demandé rétroactivement, ce que la compagnie n'autorisait pas. La compagnie soutenait qu'elle ne pouvait pas être tenue responsable de ce que disait le chatbot. Le tribunal a qualifié cet argument de remarquable et a jugé que l'entreprise est responsable de toutes les informations de son site, qu'elles proviennent d'une page statique ou d'un chatbot. Ce que votre système dit à un client, c'est votre entreprise qui le dit.

Quand passer la main à une personne

Écrivez les règles d'escalade avant le lancement et appliquez-les dans le code, pas dans le jugement du modèle. Voici les signaux dont nous partons dans nos projets.

L'argent est la limite la plus nette. Selon le RGPD, toute personne a le droit de ne pas faire l'objet d'une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques la concernant ou l'affectant de manière significative de façon similaire. Toutes les décisions de remboursement n'atteignent pas ce seuil, mais il est rarement utile de débattre de celles qui l'atteignent. Lorsque la règle s'applique, les exceptions s'accompagnent de garanties, dont le droit d'obtenir une intervention humaine et de contester la décision. Un modèle peut préparer un remboursement ou un refus. C'est une personne qui tranche.

Informer les clients et passer la main proprement

Depuis le 2 août 2026, le règlement européen sur l'IA exige que les systèmes d'IA destinés à interagir directement avec des personnes soient conçus de manière à ce que ces personnes soient informées qu'elles interagissent avec un système d'IA, sauf si cela ressort clairement du contexte. Au service client, le plus simple est une phrase claire au début d'un chat ou dans une réponse automatique.

Le passage de relais est le moment que les clients remarquent le plus. Quand un ticket passe à une personne, il doit être accompagné d'un court résumé : ce que le client a demandé, ce que le système a trouvé, ce qu'il lui a déjà dit et pourquoi il a escaladé. Personne ne devrait avoir à expliquer son problème deux fois.

Par où commencer

1. Mesurez la situation actuelle. Comptez les tickets par semaine, par canal et par sujet, le délai de première réponse et la fréquence à laquelle un ticket passe d'une équipe à l'autre.
2. Faites tourner le routage en mode fantôme. Le modèle étiquette chaque ticket pendant que vos équipes routent comme avant. Comparez les deux pendant quelques semaines avant que le modèle ne route seul.
3. Ajoutez des brouillons pour les sujets les plus fréquents. Un conseiller valide ou modifie chaque brouillon. Suivez combien de brouillons partent tels quels, sont modifiés ou abandonnés.
4. N'autorisez les réponses automatiques que pour des sujets étroits et peu risqués, comme le suivi de commande ou les horaires d'ouverture, et seulement lorsque les relectures montrent un faible taux d'erreur.
5. Relisez chaque semaine un échantillon aléatoire, y compris des tickets qui n'ont jamais été escaladés. C'est là que vous trouverez les erreurs dont le système était sûr.

Pour estimer ce que cela pourrait faire gagner à votre équipe support, décrivez le processus dans le calculateur de ROI. Si vous envisagez un agent qui exécute aussi des actions, comme émettre des remboursements, lisez d'abord les agents IA expliqués, ou parcourez des workflows courants par domaine d'activité.