Un AI Workflow Design,
en entier.
Pas une mission de conseil à refaire à chaque fois, mais un playbook réutilisable. Voici l'exemple du service Support client, ouvert et sans frais : quoi automatiser vraiment, avec quels outils, en quelles étapes et — le point le plus délicat — avec quels contrôles quand c'est l'IA qui répond au client et que la responsabilité reste la vôtre. La forme exacte de ce que nous greffons dans votre entreprise.
Quoi automatiser vraiment
Le pattern de ce qui fonctionne : le contact de premier niveau à haut volume et répétitif. L'IA prend en charge les demandes standard — là où elles se répètent et où le goulot d'étranglement, ce sont les heures, pas le jugement — et laisse à l'agent les cas nuancés et les réclamations, là où une personne est nécessaire. La déflection est la fonction la plus adoptée, mais c'est aussi celle qui porte l'encadrement le plus strict sur la responsabilité (voir la gouvernance, plus bas).
- Déflection de premier niveau (chatbot/agent) al posto di: La première ligne humaine sur les demandes répétitives
- Tri et acheminement des tickets al posto di: Classement manuel de la file
- Agent-assist / copilote pour les agents al posto di: Recherche manuelle de notes et de scripts pendant la conversation
- Réponses automatiques depuis la base de connaissances al posto di: Recherche manuelle dans la KB
- Analyse du sentiment pour l'escalade al posto di: Échantillonnage QA manuel des appels et des tickets
Les programmes de déflection matures absorbent en moyenne environ 41 % des contacts de premier niveau, jusqu'à près de 59 % dans le meilleur quartile ; les intentions simples comme la réinitialisation du mot de passe et le statut de la commande dépassent 70 %, tandis que les réclamations nuancées vont rarement au-delà de 25 %. Ce sont des chiffres agrégés auto-déclarés par les fournisseurs et les analystes, non vérifiés de façon indépendante : ils sont à lire comme une direction, pas comme une promesse de résultat. La donnée qui compte pour une PME est ailleurs — la déflection ne supprime pas le support humain, elle libère les heures qui finissent aujourd'hui dans les questions répétitives.
Deux modèles, pas une liste de courses
Le marché 2026 de l'IA pour le support se divise en deux modèles utiles à une PME. Le bon choix dépend de là où sont vos tickets et votre base de connaissances, pas de l'outil le plus cité. Les suites enterprise (type ServiceNow ou Service Cloud) restent un plafond de référence, pas un point de départ pour une PME.
Helpdesk vertical avec IA intégrée
Une plateforme de support dédiée (type Freshdesk, Intercom Fin ou Zendesk) qui amène l'IA au cœur du flux des tickets — déflection, tri, agent-assist — en ancrant les réponses à votre base de connaissances. C'est le bon calibre pour le segment PME précisément parce que l'ancrage aux sources, le contrôle qui tient les hallucinations à distance, est natif dans la plateforme, pas un ajout à construire.
Copilote horizontal sur la suite
Un assistant (type Google Workspace avec Gemini ou Microsoft 365 Copilot) qui accélère les brouillons de réponse et la recherche interne au sein des outils que vous utilisez déjà. Si vous êtes déjà sur Workspace, c'est souvent l'entrée IA la plus économique ; il reste cependant un assistant horizontal, il ne gère pas seul la file des tickets et ne garantit pas l'ancrage à la KB publique.
Notre choix par défaut pour une PME, c'est de partir de l'helpdesk vertical quand vous avez un volume de tickets réel et une base de connaissances sur laquelle ancrer les réponses — c'est là que l'architecture de grounding, le vrai contrôle du risque, arrive déjà montée. Le copilote horizontal est l'entrée la plus légère si vous êtes déjà sur cet écosystème et qu'il vous faut d'abord l'agent-assist interne. La sélection du fournisseur précis, la due diligence sur ses conditions de traitement des données et sur la façon dont il ancre les réponses fait partie de la greffe.
Les étapes de la greffe
Chaque entrée du playbook porte une étape, pour qu'à mi-parcours vous filtriez par « ce qui vient après » au lieu de relire les pilotes déjà clôturés. Dans le support, l'ordre n'est pas négociable : on part de l'intention à forte déflection et faible risque, déjà ancrée aux sources, et on n'élargit que là où l'ancrage et l'escalade tiennent.
-
1
Pilot
30 premiers joursUne seule intention — en général celle à forte déflection et faible risque : réinitialisation du mot de passe, statut de la commande, une FAQ récurrente — avec les réponses ancrées à la base de connaissances dès le premier jour, pas générées à l'improviste. Un owner désigné, la politique d'usage écrite, l'escalade vers l'agent toujours à un clic et les métriques (déflection, CSAT, taux d'escalade) instrumentées avant de démarrer.
-
2
Scale
90 premiers joursCe qui a fonctionné s'étend à davantage d'intentions et à l'agent-assist pour les agents (le copilote qui va chercher la réponse pendant qu'ils parlent au client). On élargit la déflection seulement là où l'ancrage aux sources et le parcours d'escalade ont déjà prouvé qu'ils tiennent : les réclamations nuancées restent à l'humain, on ne les force pas dans le bot.
-
3
Ongoing
En continuSuivi continu de la déflection, du CSAT et — surtout — du taux d'hallucination et d'escalade, avec une revue périodique des fournisseurs et des risques. La base de connaissances doit rester vivante : l'ancrage se dégrade si la KB vieillit, donc le playbook se met à jour à chaque changement de politique ou de tarifs, il ne s'archive pas.
L'overlay de conformité, et qui le pilote
La responsabilité reste la vôtre (le précédent Air Canada)
C'est la règle la plus importante pour l'IA en contact avec le client. Dans l'affaire Moffatt contre Air Canada, un tribunal a jugé la compagnie responsable de l'information erronée donnée par son chatbot, rejetant la défense selon laquelle « le chatbot est une entité juridique distincte » : une entreprise ne peut pas rejeter sur un bot la responsabilité de ce qu'il dit au client. Chez nous, aucun workflow qui répond au client ne démarre sans ce postulat : la réponse du bot, c'est votre parole, donc elle doit être construite pour être défendable, pas seulement rapide.
L'ancrage aux sources (RAG) n'est pas optionnel
Un chatbot laissé libre de répondre hallucine dans une part significative des cas (les estimations du secteur parlent de 15–27 %) ; strictement ancré au matériel source — votre base de connaissances, vos politiques — cette part chute sous 2 %. C'est pourquoi chaque réponse au client est ancrée à une source vérifiable et il y a toujours l'escalade vers l'agent pour ce qui sort du périmètre. C'est la même raison pour laquelle l'ancrage, pas le modèle le plus puissant, est le contrôle qui compte : sans lui, le client hérite de l'exposition d'Air Canada.
Overlay de conformité
Les tickets contiennent des données personnelles des clients — commandes, adresses, parfois des informations sensibles : cela déclenche les mêmes questions RGPD que le reste du playbook. Base juridique du traitement, minimisation des données transmises au modèle, transparence envers le client sur le fait qu'il parle avec une IA, conservation et suppression des logs des conversations. La due diligence sur le fournisseur et ses conditions de traitement est une partie non négociable du choix logiciel.
L'AI owner
Pas de Center-of-Excellence de grande entreprise : dans une PME, une ou deux personnes désignées comme AI owner suffisent. Il leur reste cinq responsabilités — décider les priorités, qui approuve quoi (quelles intentions le bot peut gérer en autonomie en premier lieu), la montée en compétences de l'équipe, les standards réutilisables et le suivi de la déflection, du CSAT et du taux d'hallucination. C'est l'owner qui tient vivante la base de connaissances sur laquelle tout s'ancre : quand la KB vieillit, l'ancrage s'effiloche.
Le même schéma, d'autres services.
-
Ventes
Scoring des leads, relances automatiques, hygiène du CRM.
Voir l'exemple complet -
Marketing
Optimisation des campagnes et copy avec le maintien de la marque.
Voir l'exemple complet -
Operations
Automatisation des processus, reporting et détection des anomalies.
Voir l'exemple complet -
Finance & Administration
Cycle fournisseurs, clôture comptable et prévisions de trésorerie, avec l'humain sur l'argent.
Voir l'exemple complet -
RH & Personnes
Présélection, onboarding et base de connaissances interne, avec le recrutement à haut risque encadré.
Voir l'exemple complet
Voici l'exemple. Greffons le vôtre.
Les autres services suivent le même schéma. Commencez par l'évaluation gratuite pour comprendre par où il vaut mieux commencer, ou parlons-en directement.
Exemple à titre d'orientation : il ne constitue pas un conseil juridique, fiscal ni une évaluation de conformité.