Le service client est l'un des domaines où les entreprises ont introduit l'IA le plus tôt et avec le plus d'enthousiasme. Des réponses automatiques aux agents capables de consulter une commande ou de déclencher un remboursement, le service client intelligent permet effectivement de traiter davantage de demandes avec moins de personnel. Mais les clients ne suivent pas toujours : réponses à côté de la question, parcours labyrinthique sans issue vers un conseiller humain, autant d'éléments qui dégradent l'expérience et peuvent même engager la responsabilité juridique de l'entreprise. L'objectif d'un service client intelligent ne devrait pas être de « décrocher moins souvent le téléphone », mais de « résoudre plus vite et plus justement les problèmes des clients » ; efficacité et expérience doivent se compter ensemble.
Comment, alors, trouver l'équilibre entre les deux ? Dans cet article, nous présentons l'évolution du service client intelligent, des robots à règles aux grands modèles de langage et aux agents, l'attitude réelle des clients à l'égard du service client par IA, les enseignements de l'affaire du chatbot d'Air Canada, les questions qu'il est pertinent de confier à l'IA, ainsi que les principes de conception, la méthode de déploiement par étapes et les indicateurs qui comptent vraiment.
Comment le service client intelligent a-t-il évolué ?
Le service client intelligent est passé en gros par trois étapes : les robots à règles, les assistants fondés sur de grands modèles de langage et les agents de service client. À chaque étape, les capacités augmentent, mais la façon de se tromper change aussi : on est passé de « ne pas comprendre » à « répondre de façon très convaincante, mais à tort ».
- Les robots à règles. Les premiers robots de service client fonctionnaient avec des mots-clés et des arbres de questions-réponses prédéfinis. Lorsque le client saisit « retour », il lui envoie le lien vers la politique de retour. Il se trompe rarement, mais dès que la question sort un peu du cadre prévu, il ne sait répondre que « Je n'ai pas compris, pouvez-vous reformuler ? ».
- Les assistants fondés sur de grands modèles de langage. Le service client reposant sur un grand modèle de langage (LLM) comprend le langage naturel et élabore ses réponses à partir de la base de connaissances ; l'expérience de conversation s'en trouve nettement améliorée. Mais il peut « improviser » là où la base de connaissances ne couvre pas le sujet, et donner une réponse plausible, mais contraire à la politique de l'entreprise.
- Les agents de service client. Un agent IA (AI Agent) ne se contente pas de répondre : il peut appeler les systèmes métier pour effectuer des opérations, par exemple suivre un colis, modifier une adresse de livraison ou lancer un remboursement. Il résout davantage de problèmes, mais en cas d'erreur, les conséquences se répercutent directement sur les commandes et les fonds.
Cette évolution s'accélère. L'enquête « State of Service: AI Agents Edition » publiée par Salesforce en mai 2026, qui a interrogé 3 075 professionnels du service client, constate que la proportion d'organisations de service client utilisant des agents est passée de 39 % en 2025 à 66 % en 2026 ; parmi les équipes qui en utilisent déjà, 70 % déclarent avoir constaté une valeur mesurable dans les 60 jours suivant le déploiement (source). Il faut noter que cette enquête a été commanditée par un éditeur de logiciels de service client et que les répondants sont des professionnels du service client, et non des clients finaux : ses conclusions reflètent le ressenti côté entreprise.
Que pensent les clients du service client par IA ?
Les entreprises sont enthousiastes à l'égard du service client par IA, les clients nettement plus prudents. Ce que craignent vraiment les clients, ce n'est pas l'« IA » en soi, mais d'être tenus à distance par l'IA et de ne pas trouver quelqu'un capable de résoudre leur problème.
Selon les résultats publiés en juillet 2024 d'une enquête menée par Gartner en décembre 2023 auprès de 5 728 clients, 64 % des clients préféreraient que les entreprises n'utilisent pas l'IA dans le service client ; 53 % déclarent qu'ils envisageraient de se tourner vers un concurrent s'ils apprenaient qu'une entreprise utilise l'IA dans son service client. La principale crainte des clients est qu'il devienne « plus difficile de joindre un humain », suivie par la crainte que l'IA remplace des emplois et qu'elle donne de mauvaises réponses (source). Cette enquête s'est achevée fin 2023 ; depuis, les capacités et la diffusion du service client par IA ont beaucoup évolué, et les proportions d'aujourd'hui ne sont pas nécessairement les mêmes, mais les différentes préoccupations des clients restent instructives.
Il existe aussi un net décalage de perception entre entreprises et clients. Le rapport Salesforce précité indique que 65 % des professionnels du service client estiment que leurs clients font entièrement confiance à l'IA ; or l'enquête consommateurs de Metrigy, également citée dans le rapport, montre que seuls 44 % des consommateurs font confiance à l'IA pour traiter leurs demandes de service client (source).
Gartner lui-même reste mesuré. En septembre 2025, il prévoit que, d'ici 2028, aucune entreprise du Fortune 500 n'aura totalement supprimé le service client humain ; et que, d'ici 2027, la moitié des entreprises qui prévoyaient de réduire fortement leurs effectifs de service client grâce à l'IA abandonneront ce projet faute d'atteindre l'objectif d'un service « sans humain » (source). Pour les analystes de Gartner, l'IA peine encore à traiter les exceptions et les situations à haut risque, et la voie la plus réaliste est un modèle hybride « humain plus IA » plutôt qu'un centre de contact entièrement automatisé.
Que nous apprend l'affaire du chatbot d'Air Canada ?
L'affaire Moffatt v. Air Canada de 2024 est la leçon la plus souvent citée dans le domaine du service client intelligent. Elle illustre un principe simple : ce que dit le robot de service client, c'est l'entreprise qui le dit.
D'après la décision rendue le 14 février 2024 par le Civil Resolution Tribunal de la Colombie-Britannique (Canada), les faits sont en substance les suivants (source) :
- En novembre 2022, la grand-mère du passager Jake Moffatt décède. Sur le site d'Air Canada, il interroge le chatbot du service client sur les tarifs de deuil.
- Le robot lui indique qu'il peut d'abord acheter son billet au plein tarif, puis demander après le voyage, dans les 90 jours suivant la date d'émission du billet, le remboursement de la différence au tarif de deuil. Or la page officielle vers laquelle renvoyait la réponse du robot précisait en réalité que le tarif de deuil ne s'applique pas aux demandes présentées après le voyage.
- Moffatt achète un aller-retour en suivant les indications du robot, puis voit sa demande de remboursement de la différence refusée. Air Canada reconnaît que les propos du robot étaient trompeurs, mais soutient ne pas avoir à répondre des informations fournies par ses agents ou représentants, y compris le chatbot.
- Le tribunal estime que cela revient à prétendre que le chatbot est une entité juridique distincte, responsable de ses propres actes, qualifie cette thèse d'« extraordinaire » et conclut finalement qu'Air Canada a commis une déclaration inexacte faite par négligence. La décision précise que, bien qu'interactif, le chatbot n'est qu'une partie du site web d'Air Canada, et que l'entreprise doit répondre de toutes les informations figurant sur son site, qu'elles proviennent d'une page statique ou d'un chatbot.
- Au final, Air Canada est condamnée à verser 650,88 CAD au titre de la différence de prix, soit 812,02 CAD au total avec les intérêts et les frais de la procédure.
Le montant de l'indemnisation est modeste, mais la portée de l'affaire est considérable. Pour les entreprises, elle apporte au moins trois enseignements : premièrement, on ne peut pas se défausser en disant « c'est le robot qui l'a dit » ; deuxièmement, les détails de politique figurant dans les réponses du robot doivent être conformes à la politique officielle, et lorsque les deux se contredisent, l'entreprise peut difficilement exiger du client qu'il « aille vérifier lui-même » ; troisièmement, les engagements portant sur les remboursements, les compensations et les exceptions tarifaires sont ceux qui posent le plus de problèmes et qui exigent les limites les plus strictes.
Quelles questions confier à l'IA, et lesquelles transférer à un humain ?
Pour décider qui traite une question, il faut regarder deux points : la réponse est-elle univoque, et quel est le coût d'une erreur ? Les questions dont la réponse est claire, vérifiable et facile à corriger en cas d'erreur peuvent être confiées à l'IA ; celles qui engagent le jugement, l'émotion, l'argent ou des conséquences juridiques doivent être traitées par un humain, ou au moins validées par lui.
Le tableau suivant propose une répartition de référence courante :
| Type de question | Exemples typiques | Traitement recommandé | Raison |
|---|---|---|---|
| Demande d'information | Horaires d'ouverture, adresse du magasin, zone de livraison | Réponse directe de l'IA | Réponse standard, qui peut être reprise directement de la base de connaissances |
| Consultation de statut | Où en est la commande, avancement du ticket, facture émise ou non | L'IA répond après interrogation du système | Données vérifiables, erreurs faciles à repérer |
| Opération simple | Modifier l'adresse de livraison, réserver un créneau d'installation, renvoyer une facture électronique | Traitement par l'IA, dans des limites fixées par des règles | Règles claires, opération réversible |
| Argent et exceptions | Remboursement, indemnisation, exception tarifaire, traitement spécial hors politique | L'IA collecte les informations, un humain valide | Coût d'une erreur élevé, risque d'engagement vis-à-vis de l'extérieur |
| Réclamation et forte émotion | Réclamations répétées non résolues, mécontentement clairement exprimé | Transfert rapide à un humain | Besoin d'empathie et de souplesse |
| Cas complexe ou à haut risque | Accident de sécurité, litige juridique, question de santé | Transfert direct à un humain | Implique jugement et responsabilité juridique |
| Client demandant explicitement un humain | « Je veux parler à un conseiller » | Transfert immédiat à un humain | Respecter le choix du client, éviter d'aggraver le mécontentement |
Ce tableau est donné à titre indicatif ; les limites précises doivent être ajustées en fonction des spécificités du secteur, des exigences réglementaires et de la tolérance au risque de l'entreprise.
Quels principes suivre pour concevoir un service client intelligent ?
Un bon service client intelligent ne consiste pas à « faire en sorte que le client ne trouve surtout pas d'humain », mais à « lui permettre de résoudre son problème par le chemin le plus court ». Le point commun des cinq principes suivants est que le client doit toujours savoir à qui il parle et qui est responsable de son problème.
Pouvoir passer à un humain à tout moment. L'accès au transfert vers un humain doit être visible et facile à trouver, et non caché derrière plusieurs tours de conversation. Dans son enquête précitée, Gartner recommande que, lorsque le robot ne peut pas résoudre le problème, il informe proactivement le client qu'il va le transférer à un humain (source).
Indiquer qu'il s'agit d'une IA. Faire savoir dès le départ au client qu'il parle à une IA est une marque de respect et aide à gérer les attentes. Pour les entreprises qui s'adressent à des clients de l'Union européenne, c'est déjà une obligation légale : l'article 50, paragraphe 1, du règlement européen sur l'intelligence artificielle (Regulation (EU) 2024/1689) prévoit que les fournisseurs veillent à ce que les systèmes d'IA destinés à interagir directement avec des personnes physiques soient conçus de manière que celles-ci sachent qu'elles interagissent avec un système d'IA, sauf si cela ressort clairement du point de vue d'une personne raisonnablement informée, attentive et avisée ; le paragraphe 5 exige que ces informations soient fournies de manière claire et reconnaissable, au plus tard lors de la première interaction (source). Selon l'article 113, ces obligations s'appliquent à partir du 2 août 2026 ; selon l'article 99, une violation des obligations de transparence de l'article 50 peut être sanctionnée par une amende pouvant atteindre 15 millions d'euros ou 3 % du chiffre d'affaires annuel mondial (le montant le plus élevé étant retenu). Dans son analyse de juillet 2026, le cabinet irlandais McCann FitzGerald souligne que le « Digital Omnibus » de l'UE n'a fait qu'ajuster le calendrier d'application de l'article 50, paragraphe 2 (marquage lisible par machine des contenus générés par l'IA) aux systèmes existants, et que l'obligation d'information applicable aux chatbots reste soumise au calendrier d'août 2026 (source). Pour la répartition précise des responsabilités en matière de conformité, nous recommandons de consulter un avocat.
Transmettre le contexte lors du transfert. Après un transfert à un humain, ce que les clients supportent le moins est de devoir tout réexpliquer. Le robot doit transmettre à l'humain l'identité du client, les informations déjà confirmées, les opérations déjà tentées et l'historique de la conversation. Gartner recommande aussi un transfert « sans couture », le conseiller humain reprenant là où le robot s'est arrêté.
Ne rien promettre au-delà de ses droits. L'affaire Air Canada l'a montré : la promesse du robot est la promesse de l'entreprise. Pour tout ce qui touche aux montants de remboursement, aux indemnisations et aux exceptions tarifaires, le robot ne peut qu'expliquer la politique et la procédure, sans rien promettre de lui-même, et, si nécessaire, passer la main à un humain habilité pour confirmation.
Ne répondre qu'à partir d'une base de connaissances réelle et à jour. Les réponses du robot doivent reposer sur des documents de politique validés par l'entreprise, des fiches produit et des données métier, avec indication des sources autant que possible ; pour ce qui ne figure pas dans la base de connaissances, mieux vaut répondre « un transfert vers un conseiller est nécessaire pour confirmation » plutôt que de laisser le modèle conjecturer. Dès qu'une politique change, la base de connaissances doit être mise à jour en même temps.
Comment déployer un service client intelligent par étapes, et quels indicateurs suivre ?
La façon la plus sûre de déployer un service client intelligent est de commencer par un périmètre restreint et à faible risque, et de laisser les données décider de la suite. Il faut d'abord prouver qu'il résout bien les questions simples, puis élargir progressivement son champ d'action.
Étape 1 : analyser les demandes existantes et identifier les questions fréquentes et simples. Exportez les tickets et les historiques de chat des derniers mois, puis comptez le volume et la durée de traitement par type de question. En général, un petit nombre de catégories (suivi de commande, facture, délai de livraison) représente l'essentiel du volume : c'est le meilleur point de départ.
Étape 2 : structurer et valider la base de connaissances. Rassemblez les politiques, la documentation produit et les questions fréquentes en une version unifiée et à jour, et désignez une personne chargée de la maintenir. La qualité de la base de connaissances fixe le plafond de qualité des réponses du robot.
Étape 3 : concevoir les règles de transfert et le processus de passage de relais. Définissez clairement quelles questions sont transférées directement à un humain, dans quels cas le robot doit s'arrêter et quelles informations transmettre lors du transfert. Veillez aussi à ce que le planning des conseillers humains permette d'absorber les demandes transférées.
Étape 4 : tests internes et exécution en mode fantôme. Faites d'abord poser des questions par des collaborateurs qui jouent le rôle de clients, puis laissez le robot traiter en arrière-plan de vraies demandes en se contentant de générer des réponses suggérées, qu'un humain compare et valide. Vérifiez en priorité qu'il ne se trompe pas sur les détails de politique, les montants et les exceptions.
Étape 5 : lancement à petite échelle, puis extension progressive. Ouvrez d'abord sur un seul canal ou un seul type de question, par exemple le suivi de commande sur le site web uniquement ; une fois les performances stables, étendez à davantage de canaux et aux opérations de traitement.
Étape 6 : revue continue et boucle d'amélioration. Chaque semaine, examinez par sondage les historiques de conversation, en analysant en particulier les cas de transfert à un humain, d'avis négatifs et d'appels répétés, afin de compléter la base de connaissances et d'ajuster les règles.
Lorsqu'on évalue un service client intelligent, l'erreur la plus fréquente est de ne regarder que le « taux de rétention » (containment rate), c'est-à-dire la part des demandes qui n'ont pas été transférées à un humain. Un taux de rétention élevé peut signifier que les problèmes ont été résolus, ou que les clients n'ont pas trouvé d'humain et ont fini par renoncer. Il est plus fiable de regarder ensemble les indicateurs d'efficacité et d'expérience :
- Taux de résolution. Le problème du client a-t-il vraiment été résolu ? On peut le déterminer par une confirmation en fin de conversation ou par un rappel ultérieur.
- Taux de recontact. Lorsqu'un même client recontacte l'entreprise à bref délai pour le même problème, cela indique souvent que la fois précédente n'a rien résolu.
- Taux de transfert à un humain et motifs du transfert. Un taux de transfert plus bas n'est pas forcément meilleur en soi ; l'essentiel est d'en analyser les motifs : capacités insuffisantes du robot, lacune de la base de connaissances, ou question qui devait de toute façon être traitée par un humain.
- Satisfaction client. Mesurez séparément la satisfaction pour les demandes traitées par l'IA et pour celles traitées par un humain, en portant une attention particulière à l'évolution de la satisfaction après un transfert du robot vers un humain.
- Erreurs et réclamations. Suivez les réclamations provoquées par des informations erronées ou des promesses inappropriées du robot ; même peu nombreux, ces cas doivent être analysés un par un.
Questions fréquentes sur le service client par IA
Une PME a-t-elle besoin d'un service client intelligent ? Si le volume de demandes est important et les questions répétitives nombreuses, cela mérite d'être envisagé ; si le volume est faible et que les clients apprécient surtout le contact humain, on peut commencer par structurer la base de connaissances et par les réponses automatiques. L'essentiel est de calculer d'abord quelles questions mobilisent le plus de ressources humaines.
Faut-il dire aux clients qu'ils parlent à une IA ? Nous le recommandons. Cela contribue à instaurer la confiance et à gérer les attentes ; pour les services destinés aux utilisateurs de l'Union européenne, c'est aussi, à partir du 2 août 2026, une exigence de l'article 50 du règlement sur l'intelligence artificielle.
Si le robot se trompe, l'entreprise en est-elle responsable ? À en juger par l'affaire Air Canada, il est difficile pour une entreprise de s'exonérer en invoquant « c'est le robot qui l'a dit ». Il faut donc limiter les engagements que le robot peut prendre sur les remboursements, les indemnisations et autres sujets similaires, et vérifier régulièrement que ses réponses sont conformes à la politique officielle.
Peut-on réduire fortement les effectifs du service client après avoir déployé un service client intelligent ? Avec prudence. Gartner prévoit que la moitié des entreprises qui comptaient réduire fortement leurs effectifs de service client grâce à l'IA abandonneront ce projet avant 2027. Une approche plus sûre consiste à laisser l'IA traiter les questions simples et répétitives, et à concentrer l'énergie des conseillers humains sur les cas complexes et la relation client.
Références
- State of Service: AI Agents Edition (communiqué : AI service agents improve customer satisfaction), Salesforce, mai 2026
- Gartner Survey Finds 64% of Customers Would Prefer That Companies Didn't Use AI For Customer Service, Gartner, juillet 2024
- Gartner Predicts None of the Fortune 500 Companies Will Have Fully Eliminated Human Customer Service by 2028, Gartner, septembre 2025
- Moffatt v. Air Canada, 2024 BCCRT 149, Civil Resolution Tribunal (Colombie-Britannique, Canada), février 2024
- Regulation (EU) 2024/1689 (Artificial Intelligence Act), EUR-Lex, juin 2024
- One Month to Go: EU AI Act Transparency Compliance, McCann FitzGerald, juillet 2026
