Un assistant IA pour traiter les demandes clients

Contexte de la mission

Ce cas type présente une mission représentative. Une entreprise de services reçoit chaque jour un volume important de demandes par e-mail et par formulaire : questions sur un contrat, réclamations, demandes de devis, changements de coordonnées. Les messages arrivent dans une boîte partagée, sont lus un par un, puis transférés au bon service. Les demandes simples attendent derrière les dossiers complexes, certaines restent sans réponse plusieurs jours, et les conseillers passent une part importante de leur temps à recopier des informations d’un outil à l’autre.

L’objectif est de mettre en place un assistant fondé sur l’intelligence artificielle qui lit chaque demande, en identifie la nature et l’urgence, extrait les informations utiles et prépare un projet de réponse à partir de la base de connaissances de l’entreprise. Le conseiller garde la décision finale : il relit, corrige si besoin et valide. L’assistant s’intègre à l’outil de gestion de la relation client déjà utilisé, ce qui limite les changements d’habitudes pour l’équipe.

Les difficultés à surmonter

• Comprendre des demandes très hétérogènes : Les clients écrivent avec leurs propres mots, joignent des pièces et mélangent parfois plusieurs sujets dans un même message. Le tri doit reconnaître ces cas, signaler les messages ambigus et éviter qu’une réclamation sensible se retrouve noyée parmi les questions courantes.
• Fiabiliser les réponses proposées : Un modèle de langage peut formuler une réponse convaincante mais inexacte. Les propositions doivent donc s’appuyer uniquement sur des sources validées par l’entreprise, citer ces sources et laisser au conseiller un moyen simple de corriger ou d’écarter le brouillon.
• Protéger les données personnelles : Les messages contiennent des noms, des coordonnées, parfois des informations contractuelles. Le traitement doit respecter le RGPD : minimisation des données transmises au modèle, hébergement maîtrisé, durées de conservation définies et traçabilité de chaque action réalisée par l’assistant.

La solution mise en place

La solution repose sur un service en Python qui récupère les messages entrants, les classe par motif et par niveau d’urgence, puis extrait les informations clés comme la référence du client ou le type de contrat. Une recherche sémantique interroge la base de connaissances interne pour retrouver les procédures pertinentes, à partir desquelles l’assistant rédige un projet de réponse. Le tout apparaît directement dans l’outil de relation client, où le conseiller valide, modifie ou rejette la proposition.

• Classement automatique par motif et niveau d’urgence
• Extraction des informations clés de chaque message
• Projets de réponse fondés sur la base de connaissances
• Validation humaine systématique avant envoi
• Intégration à l’outil de relation client existant
• Journal des actions et tableau de bord du flux entrant

Les bénéfices attendus

Les enseignements

• L’humain reste dans la boucle : Un assistant de ce type fonctionne mieux avec un partage clair des rôles : il trie et prépare, le conseiller décide. Cette répartition rassure les équipes, facilite l’adoption et limite le risque qu’une réponse inexacte parte chez un client.
• La base de connaissances est décisive : Un assistant ne répond jamais mieux que les documents sur lesquels il s’appuie. Mettre à jour les procédures, supprimer les doublons et désigner un responsable pour chaque contenu fait partie intégrante du projet, au même titre que le développement.

Préc.

MyClermont

Automatiser les processus métier de bout en bout

Suiv.