IA
Article rédigé par Guillaume ROUSSEL le 23/10/2026

12 min de lecture
Nous déconseillons le chatbot de service client conçu pour remplacer votre équipe. Chaque remboursement, remise ou délai que le chatbot annonce engage l’entreprise. En 2024, un tribunal canadien l’a rappelé à Air Canada. Ces engagements doivent donc rester à des personnes, tout comme le diagnostic.
Un chatbot utile a un rôle plus modeste. Il prend en charge le début de la demande et prépare le travail du SAV. Le client obtient une réponse ou un rendez-vous, même le soir. Le technicien, lui, reçoit un dossier complet. Bien conçu, un chatbot IA peut donc aider votre service client sans promettre ce que l’équipe ne peut pas tenir.
Le chatbot accueille le client, répond aux questions courantes, prend un rendez-vous ou crée un ticket, puis passe le relais à votre équipe.
Le client écrit souvent avec ses propres mots, du genre « ça ne marche plus ». Difficile pour un technicien d’en tirer grand-chose. Le chatbot pose alors les questions que votre SAV poserait : quel produit, quel symptôme, depuis quand ? Il demande le numéro de série, ou une photo de la plaque de l’appareil. Toutes ces réponses partent avec la demande transmise à l’équipe.
Horaires, démarche de garantie, suivi d’une commande, délai d’intervention… Beaucoup de questions reviennent chaque jour. Le chatbot y répond à partir de contenus que votre équipe a validés. Une fois le client identifié, il peut aussi retrouver un ticket et son statut, si votre outil le permet.
Le chatbot peut proposer un créneau d’intervention ou ouvrir un ticket dans votre outil de support. Il lui faut pour cela un accès à vos outils, avec des règles précises. Ce travail de connexion relève de l’intégration du système d’information. Le client confirme son choix avant l’enregistrement. Et si l’action échoue, le chatbot le dit franchement, puis propose une autre solution.
Quand la demande dépasse son rôle, le chatbot passe la main. Le technicien reçoit un dossier complet : le produit, le problème décrit, le créneau confirmé et la conversation. Il n’a plus à tout redemander au client.
Avant d’entrer dans la technique, voici les erreurs que nous voyons souvent.
Première erreur : tout ouvrir d’un coup. Un chatbot qui traite toutes les demandes dès le premier jour accumule les cas mal prévus. Mieux vaut démarrer avec un seul type de demande, puis élargir.
Autre erreur : cacher le contact humain pour forcer l’usage du chatbot. Mauvais calcul. Le client finit par appeler quand même, plus agacé qu’avant, et sa demande prend plus de temps à traiter.
Se fier au seul volume de conversations donne aussi une image trompeuse. Un chatbot très utilisé peut transmettre des dossiers incomplets et créer du travail en plus.
Parfois, enfin, le chatbot n’est pas la bonne réponse. Pour la question « où en est mon dossier ? », un espace client peut suffire. Pour CASBA, par exemple, nous avons construit un espace client alimenté par HubSpot et SharePoint, où les clients suivent leurs projets de rénovation énergétique.
Il existe deux familles de chatbots. Selon celle que vous choisissez, le client n’écrit pas de la même façon, et le niveau de risque change.
Le chatbot à arbre de décision suit des chemins écrits à l’avance. Le client clique sur des boutons ou choisit parmi des options. Votre équipe rédige et valide chaque réponse avant la mise en service. Ce chatbot reste prévisible. Revers de la médaille : il ne comprend pas une demande écrite librement. Et si le cas du client ne figure pas dans l’arbre, le parcours s’arrête net.
Le chatbot IA repose sur un modèle de langage, le type de modèle qui fait tourner ChatGPT ou Mistral. Il comprend une demande écrite librement, même avec des fautes ou des détails inutiles. Il pose des questions de précision, il reformule. Le hic : il peut aussi produire une réponse fausse, sur un ton assuré.
| Critère | Arbre de décision | Chatbot IA |
|---|---|---|
| Ce que le client écrit | Il choisit parmi des options | Il écrit librement |
| Réponses | Rédigées à l’avance, toujours identiques | Rédigées à chaque question, à partir de contenus validés |
| Risque principal | Le client ne trouve pas son cas | Une réponse fausse ou une promesse non prévue |
| Mise à jour | Modifier l’arbre pour chaque nouveau cas | Mettre à jour les contenus et les règles |
| Coût d’usage | Faible, sans modèle de langage | Variable, selon le volume de conversations |
Pour un SAV, le meilleur résultat vient souvent, selon nous, d’un mélange des deux. Le modèle de langage comprend la demande et rédige les réponses. Les actions, elles, suivent des règles fixes, écrites en code : quels créneaux proposer, quelles informations exiger, quand transmettre. Le modèle choisit parmi les actions autorisées. Il ne peut pas en inventer.
Un modèle de langage a beaucoup de connaissances générales, et aucune sur votre entreprise. Sans précaution, il peut annoncer une garantie de deux ans quand la vôtre dure trois ans.
La parade consiste à limiter le chatbot à vos contenus validés : FAQ, notices, conditions de vente, procédures SAV. À chaque question, le système va chercher les passages utiles et les transmet au modèle, avec la consigne de s’y tenir. C’est le principe du RAG, que nous appliquons aussi aux assistants documentaires pour les équipes internes.
Et quand aucun contenu ne répond à la question ? Le chatbot doit le dire, puis proposer de transmettre la demande à l’équipe. « Je n’ai pas cette information, je transmets votre demande. » Moins brillant qu’une réponse inventée, et bien préférable.
Ces contenus ont aussi besoin d’un responsable. Avec une FAQ périmée, le chatbot donne des réponses fausses, quel que soit le modèle.
À notre avis, la transmission à une personne est la partie du parcours qui demande le plus de soin. Un client qui veut parler à quelqu’un doit pouvoir le faire à tout moment, sans finir d’abord les questions du chatbot. Vous avez sûrement déjà croisé le chatbot qui vous ramène, encore et encore, aux mêmes questions. Celui-là fait plus de tort qu’une absence de chatbot.
Prévoyez le passage de relais dans ces situations :
Tout dépend de votre organisation. Le chatbot peut transférer la conversation à un conseiller disponible, proposer un rappel ou ouvrir un ticket. Quelle que soit la formule, la conversation et les informations recueillies suivent la demande. Le client n’a pas à raconter son problème une deuxième fois.
En dehors des horaires, le chatbot enregistre la demande et indique quand l’équipe la reprendra. Il ne fait pas croire que l’équipe est disponible quand elle ne l’est pas.
Le prix d’un chatbot se décompose en trois postes, à estimer séparément.
Ce poste couvre la conception du parcours, les connexions à vos outils et les tests. Son coût dépend surtout du nombre de types de demandes et du nombre d’outils à connecter. Un chatbot qui répond à une FAQ demande peu de connexions. Un chatbot qui réserve des interventions et crée des tickets en demande davantage.
Les fournisseurs de modèles de langage facturent l’usage au volume de texte traité. Ils le comptent en tokens, c’est-à-dire en morceaux de mots. Chaque conversation consomme du texte : les messages du client, les consignes, les passages de la FAQ transmis au modèle et les réponses. Comme dans un taxi, la note monte avec la longueur de la course. Le coût d’usage suit donc le nombre de conversations et leur longueur. Ajoutez-y l’hébergement de l’appli.
Un chatbot ne se gère pas tout seul. Après la mise en service, quelqu’un relit les conversations, met à jour les contenus et corrige les parcours. Les fournisseurs font aussi évoluer leurs modèles, et un changement de version demande de refaire les tests.
Pour créer un chatbot, deux voies existent. La première passe par un outil du marché : un chatbot prêt à configurer, souvent intégré à un logiciel de support. Le tarif peut alors combiner un abonnement et une part liée à l’usage. Intercom, par exemple, facture son outil de support par poste. Son agent IA, Fin, est facturé au résultat obtenu, avec au plus un résultat par conversation.
La seconde voie, c’est le sur mesure. Il se justifie quand le parcours dépend de vos propres outils et de vos règles : agenda d’interventions, ERP, logiciel métier. L’investissement de départ est plus important. En échange, vous choisissez le modèle, l’hébergement et les règles de transmission.
Le nombre de conversations dit peu de chose de l’utilité du chatbot. Regardez plutôt ce qui se passe au SAV après la conversation.
Commencez par la part des demandes résolues sans intervention de l’équipe. Une demande compte comme résolue si le client ne revient pas pour le même sujet. Suivez ensuite les demandes transmises. Le dossier contient-il les informations attendues ? Mesurez aussi le temps que l’équipe passe sur une demande transmise. Enfin, relevez les questions restées sans réponse. Elles vous montrent les contenus à compléter.
Lisez aussi des conversations, chaque semaine. Les chiffres signalent un problème. La lecture vous en donne la cause.
Même avec des contenus validés, un chatbot IA peut se tromper. Il peut mal lire un passage, ou confondre deux produits. Pour limiter ce risque, gardez les réponses dans le périmètre des contenus validés. Testez le parcours avec votre équipe avant l’ouverture, puis relisez les conversations.
Le risque le plus coûteux, c’est la promesse. Un chatbot qui annonce un remboursement, une remise ou un délai engage l’entreprise.
En février 2024, un tribunal de Colombie-Britannique, au Canada, a donné tort à Air Canada après une erreur de son chatbot. Celui-ci avait indiqué à un client qu’il pouvait demander un tarif réduit pour deuil après son voyage. Or la politique de la compagnie ne le permettait pas. Air Canada soutenait que le chatbot était responsable de ses propres réponses. Le tribunal a jugé que l’entreprise est responsable de toutes les informations de son site, chatbot compris.
Cette décision relève du droit canadien. Elle montre quand même le risque. Listez donc les sujets sur lesquels le chatbot ne s’engage jamais : prix, remises, remboursements, délais garantis, diagnostic. Sur ces sujets, il transmet la demande à l’équipe.
Chaque action dans vos outils suit une règle écrite. Le client confirme un rendez-vous avant son enregistrement. Le chatbot utilise un compte dédié, limité aux actions prévues. Pas question de lui confier les clés de toute la maison. Un journal enregistre chaque action.
Le chatbot recueille des données personnelles. Le RGPD pose un principe de minimisation : demandez seulement les informations utiles au traitement de la demande.
Le client doit aussi savoir qu’il échange avec une IA. L’article 50 du règlement européen sur l’intelligence artificielle (AI Act) demande cette information, sauf si elle est évidente. Cette règle s’applique depuis août 2026. Annoncez-le dès le premier message, c’est le plus simple. Pour votre cas précis, vérifiez avec votre DPO ou votre avocat.
Le résultat d’un chatbot dépend surtout des décisions que vous prenez avant le lancement. Quelles demandes traiter ? Quels contenus valider ? Sur quels sujets le chatbot ne s’engage-t-il jamais ? À quel moment transmet-il la demande à l’équipe ?
Pour un premier chatbot, partez d’un type de demande que votre SAV connaît bien :
C’est moins spectaculaire qu’un grand lancement. C’est aussi l’ordre que nous conseillons.
Chez Aktislab, nous concevons des chatbots pour le SAV avec les personnes qui répondent déjà à vos clients. Ces chatbots recueillent les informations utiles, répondent aux demandes courantes et transmettent les autres à votre équipe. Vous gardez la main sur les demandes traitées et les actions autorisées.
Envie de définir un premier parcours de chatbot ? Parlons-en.
Questions fréquentes