L'intelligence artificielle conversationnelle en pratique

Un assuré pose une question sur son indemnisation à 22 h. Un client cherche son colis en pleine campagne commerciale. Une banque reçoit un afflux de demandes après une communication réglementaire. La demande est simple, la réponse mobilise un conseiller, plusieurs systèmes, et elle arrive trop tard.

Une machine tient aujourd'hui ce dialogue. La partie difficile est ailleurs : retrouver la bonne information, agir dans le système de gestion, et savoir s'arrêter quand la situation dépasse ce qu'on lui a confié.

Ce guide suit l'ordre dans lequel une direction métier se pose les questions. Ce que le terme recouvre, comment l'ensemble fonctionne, ce que coûte un premier projet et en combien de temps. Puis ce qu'on mesure, ce qui casse une fois en production, ce que la loi impose, et comment choisir un fournisseur sans se lier les mains.

L'intelligence artificielle conversationnelle est déjà dans les mains des Français

En septembre 2025, 38,1 % des Français, soit 24,5 millions de personnes, avaient utilisé un agent conversationnel dans le mois, et 6 millions s'en servaient chaque jour.¹ Vos clients savent parler à une machine. La décision qui reste porte sur le niveau de contrôle que vous acceptez de lui laisser, pas sur la maturité des usages.

Le terme désigne un ensemble de techniques qui permettent à une machine de comprendre du langage humain et d'y répondre. Elle fonctionne sur un site, une application mobile, une ligne téléphonique, une boîte email ou une messagerie. Sous ce même mot se cachent des objets très différents, du répondeur amélioré à l'agent qui exécute des actions dans votre système de gestion.

La progression est rapide. En décembre 2024, ils étaient 12,2 millions à utiliser les principaux outils du marché, environ trois fois plus qu'en décembre 2023.² Ce qui a changé depuis n'est pas la technologie du dialogue, mais l'habitude prise par vos clients et par vos équipes.

Le second changement vient du droit. La CNIL a publié ses recommandations sur le développement des systèmes d'IA. Elles rappellent que les règles de protection des données s'appliquent au développement d'un système d'IA comme à tout traitement.⁴ Un projet conversationnel se cadre donc comme un projet de traitement, dès la première réunion.

Un premier périmètre se choisit sur un parcours fréquent et peu risqué, comme le suivi de commande ou la vérification d'une pièce manquante. Les cas sensibles, une fraude, une décision médicale, une contestation d'indemnisation, prévoient une supervision humaine dès le départ. Les solutions conversationnelles de Webotit combinent ces canaux avec une coordination centrale et un transfert vers un conseiller.

Du chatbot à l'agent IA, quatre niveaux d'action

Le nom du canal compte moins que le niveau d'action autorisé. Un chatbot de FAQ sert une réponse préécrite. Un agent IA conduit un parcours entier. Il consulte une base documentaire, interroge le fichier client, vérifie une commande, crée un ticket. Puis il résume le dossier avant de le passer à un conseiller. Le choix se joue sur ce que vous lui laissez faire.

• Le chatbot échange par texte, sur un site ou une messagerie. Il répond, guide vers une page, collecte des informations.
• Le callbot prend l'appel. Il reconnaît la parole, comprend la demande et répond avec une voix de synthèse.
• Le mailbot classe les emails, identifie leur intention et prépare une réponse structurée.
• L'agent IA enchaîne les étapes et déclenche des actions dans vos outils.

Une réponse bien formulée n'est pas une résolution. La résolution commence quand l'utilisateur obtient une information fiable, ou quand une action est réellement exécutée. Gardez cette distinction sous les yeux pendant tout le projet, parce que la plupart des démonstrations s'arrêtent à la première.

Ce que ça donne secteur par secteur

La valeur apparaît quand l'agent reçoit une mission limitée, des données accessibles et un résultat observable. Le scénario de départ n'est jamais « répondre à toutes les questions ». C'est réduire une friction précise, en protégeant les cas qui ne se traitent pas sans un humain.

Dans l'assurance, à la question « ma voiture a été endommagée après la tempête, que dois-je envoyer ? », l'agent vérifie le contrat, demande les pièces et récupère les photos. Un dommage complexe déclenche une revue humaine. En banque, une simulation de prêt se prépare, mais une suspicion de fraude ne se traite jamais comme une question fréquente.

En e-commerce, « où est mon colis ? » se traite de bout en bout, et un retour se crée sans conseiller tant qu'aucune exception n'apparaît. La qualification commerciale suit la même logique de périmètre étroit, comme le montrent les callbots pour la prospection commerciale, où l'agent qualifie puis passe la main.

Comment un agent comprend, cherche et agit

Quatre fonctions s'enchaînent, et chacune peut échouer seule. La compréhension trie la demande. La recherche documentaire retrouve la règle applicable. Le modèle de langage rédige. Les connexions logicielles exécutent. Un projet qui néglige une de ces étapes livre un assistant bavard et sans effet.

La couche de compréhension joue le rôle du réceptionniste. Dans « je veux modifier l'adresse de livraison de ma commande », elle repère l'intention, le numéro de commande et l'adresse, puis oriente vers le bon parcours. Sans elle, le système reconnaît les mots et se trompe de procédure.

Le modèle de langage, le LLM, transforme ces éléments en réponse naturelle. Ne lui confiez pas la vérité métier. Il produit une formulation convaincante sans forcément disposer de la dernière règle commerciale ni du bon statut de commande.

La recherche documentaire (le RAG, qui va chercher la réponse dans vos documents avant de répondre) corrige ce défaut. Vos procédures validées sont indexées, le passage utile est retrouvé, puis transmis au modèle. Vous mettez un document à jour, la réponse suit. Une base obsolète produit une réponse obsolète, même parfaitement rédigée.

C'est le principe de la base de connaissances IA pour le service client, où la connaissance est une source contrôlée du parcours. Elle demande un propriétaire, un rythme de mise à jour et une validation. Sans ces trois éléments, elle vieillit en quelques semaines.

Les connexions entre logiciels (les API) donnent des mains à l'agent : ouvrir un dossier, vérifier une échéance, créer un ticket, transmettre un résumé. Sans elles, il reste un générateur de texte. Mal protégées, elles deviennent un risque. Chaque action demande une permission explicite, une validation, une trace et un comportement prévu en cas d'erreur.

Un seul cerveau, plusieurs canaux à concevoir

Un client commence sur le web, appelle quelques heures plus tard, puis envoie un email avec une pièce jointe. Si chaque canal a son propre robot, vous écrivez trois fois les mêmes règles. Vous coupez l'historique en morceaux, et vous comparez des performances qui ne se comparent pas. Les règles, les sources et les intégrations se mutualisent. Les interfaces, non.

Ces indicateurs se lisent avec le contexte du canal. Un taux de transfert élevé signale un mauvais routage en voix, ou une bonne gestion du risque sur une demande bancaire sensible. Mutualiser la logique ne veut pas dire uniformiser les conversations : une architecture d'agents IA sépare la politique commune des comportements propres à chaque interface.

Combien coûte un projet conversationnel, et en combien de temps

Un projet conversationnel se paie en quatre postes : la plateforme, les connexions à vos outils, la préparation des contenus et la supervision humaine. Le premier service utile arrive en trois phases, sur douze semaines. Le montant, lui, dépend de votre périmètre, de vos outils et de l'état de vos procédures. Un fournisseur qui donne un prix avant d'avoir vu vos motifs de contact vous vend un forfait, pas un projet.

Ce qui compose vraiment la facture

Six lignes composent la facture d'un projet conversationnel. La première n'est presque jamais la plus lourde.

• L'usage du modèle se facture au volume de texte traité. Il varie avec la longueur des conversations et le nombre de documents consultés.
• La préparation documentaire mobilise vos équipes métier : trier, réécrire, valider, dater les procédures qui serviront de source.
• La conception des parcours définit ce que l'agent fait, ce qu'il refuse, et à quel moment il passe la main.
• Les connexions à vos outils se paient une par une, et chacune demande des permissions, des tests et un scénario d'échec.
• La supervision humaine occupe un conseiller expérimenté à temps partiel, pour relire les échanges et corriger les réponses.
• L'exploitation courante couvre l'hébergement, la journalisation, la surveillance et la maintenance des connexions quand vos outils changent.

La ligne la plus sous-estimée reste la préparation documentaire. Un service client qui n'a jamais écrit ses règles ne peut pas les confier à une machine. Le travail se fera, avec ou sans projet d'IA, et il profite d'abord à vos conseillers.

Calculer le retour avec vos volumes

Prenons un exemple, avec vos chiffres plutôt qu'un cas générique. Supposons 12 000 contacts par mois, dont un quart de suivis de commande : le périmètre candidat compte 3 000 demandes mensuelles. Le calcul se déroule ensuite en quatre temps, et il tient sur une feuille.

1. Estimez la part de ce périmètre que vous pensez résoudre sans conseiller, en restant prudent au démarrage.
2. Multipliez ce nombre de demandes par le coût complet d'un traitement humain, encadrement et outils compris.
3. Retirez le coût du dispositif sur la même période, plus le temps de vos équipes et la supervision.
4. Recalculez chaque mois avec les résolutions réellement constatées, pas avec l'hypothèse de départ.

Ce calcul donne un ordre de grandeur, jamais une promesse. Sa vertu est ailleurs : il oblige à écrire le périmètre et le coût de référence avant de signer. Trois sujets qu'un projet conversationnel raté n'avait jamais tranchés.

Trois phases suffisent en douze semaines

Un premier service utile tient en moins de trois mois quand le périmètre reste étroit. La feuille de route ci-dessous suppose un décideur disponible, des documents accessibles et un seul canal au démarrage. Si l'une des trois conditions manque, allongez la première phase plutôt que de raccourcir les suivantes.

1. Semaines 1 à 3, le diagnostic : volumes de contacts, motifs récurrents, délais, transferts. Vous en sortez avec une carte des intentions, la liste des documents utilisables, un registre des risques et vos indicateurs de départ. Nommez un responsable métier et un responsable des données.
2. Semaines 4 à 8, un premier service sur un seul canal, chat ou email, avec trois cas d'usage au maximum. Il inclut la base documentaire, les règles de réponse, la journalisation, le tableau de bord et le transfert vers un conseiller. Une revue hebdomadaire tranche les corrections.
3. Semaines 9 à 12, l'extension à la voix ou à la messagerie, si le premier canal tient. Ajoutez les connexions logicielles une par une, avec leurs permissions et leur scénario d'échec. Surveillez la qualité, la latence, les transferts, les erreurs et les retours des conseillers.

Le passage d'une phase à la suivante se décide, il ne se subit pas. Posez la question à voix haute en fin de phase. La qualité des réponses, la clarté du périmètre et la disponibilité des contenus justifient-elles d'aller plus loin ? Un « non » vous coûte quelques semaines. Un « oui » de complaisance coûte le projet.

Mesurer les résolutions, pas les réponses

Un agent ne se juge pas au nombre de messages produits. Une réponse peut être rapide, polie et inutile. Comptez une résolution quand l'utilisateur a obtenu ce qu'il cherchait, sans conseiller. Excluez les demandes critiques, les parcours abandonnés et les réponses qui repoussent le problème. Sans cette définition écrite, vos chiffres de départ ne voudront rien dire.

• La satisfaction mesurée juste après l'échange se lit avec le contexte : un client apprécie la rapidité et reste mécontent de la règle qu'on lui applique.
• L'effort demandé au client révèle une friction qu'un taux de résolution masque.
• Le taux de transfert dit si le périmètre et les règles d'escalade sont bien placés.
• Le coût par résolution rapproche la conversation de la réalité financière.
• Le score de recommandation (le NPS) se lit à l'échelle de la relation : ne l'attribuez pas automatiquement au robot.

Comparez ce coût au coût complet d'un traitement humain : encadrement, formation, outils, reprises de dossier et supervision, pas seulement le salaire. Suivez aussi les réouvertures, les corrections faites par les conseillers et les ventes perdues après automatisation. Un robot qui réduit les appels supprime parfois des occasions de conseil.

Un dernier réflexe, emprunté à la mesure SEO des agents IA : la visibilité d'une réponse ne suffit jamais. Vérifiez sa source, son contexte et son effet sur le parcours. Une réponse juste au mauvais moment produit un appel de plus, pas une résolution.

Les pannes classiques d'un agent conversationnel

Les projets conversationnels échouent rarement sur la qualité du modèle. Ils échouent sur la matière qu'on lui donne, sur le périmètre qu'on lui confie et sur l'organisation qui devait le suivre. Les causes ci-dessous se repèrent en démonstration, avant la mise en service, à condition de poser les bonnes questions.

• La base documentaire n'a pas de propriétaire. Personne ne date les procédures, personne ne les retire, et l'agent cite une règle abandonnée.
• Le périmètre a été ouvert trop large. L'agent reçoit des demandes qu'il n'a jamais vues, se trompe en public, et l'entreprise le débranche.
• Le transfert vers un conseiller n'a pas été conçu. L'utilisateur boucle, s'énerve, puis appelle, et le contact coûte deux fois.
• Les connexions logicielles n'ont pas de scénario d'échec. Un outil de gestion indisponible transforme une réponse fausse en action fausse.
• La mesure n'a pas été définie avant le lancement. Les chiffres de départ manquent, et personne ne sait dire si le service a servi.
• Les conseillers n'ont pas été associés. Ils voient un remplaçant, pas un collègue, et ils cessent de signaler les erreurs.
• L'authentification est plus faible que l'information délivrée. Une réponse exacte part alors à la mauvaise personne.

Les erreurs qu'on ne fait qu'une fois

Une erreur revient plus souvent que les autres : choisir un modèle, puis lui chercher un usage. La démarche inverse est plus solide. Partez d'une intention métier, définissez la réponse attendue, identifiez les sources nécessaires, puis décidez des actions autorisées.

• Viser la démonstration spectaculaire plutôt que le motif ennuyeux qui occupe vos équipes tous les jours.
• Compter les messages traités au lieu des demandes résolues.
• Ouvrir tous les canaux en même temps, avant de savoir si le premier tient.
• Confier la vérité métier au modèle au lieu de la sortir de vos documents.
• Interdire à l'agent de dire « je ne sais pas », ce qui le pousse à inventer.
• Lancer sans registre des risques, puis découvrir la question réglementaire trois jours avant l'ouverture.

Les garde-fous et la loi se posent avant l'ouverture

La réponse inventée inquiète, à juste titre, mais elle n'est pas le seul risque. Une réponse exacte envoyée à la mauvaise personne, une action déclenchée avec une permission trop large, un historique conservé trop longtemps : ces incidents coûtent autant. Ils se traitent à la conception, pas après la mise en service.

Les réponses inventées se combattent en amont. Une base documentaire validée, des consignes strictes et le droit de répondre « je ne sais pas » font plus qu'un réglage de modèle.

La fuite de données se traite par l'architecture : séparez les environnements, chiffrez, journalisez et fixez une durée de conservation. Pour la santé, l'hébergement et les sous-traitants s'évaluent selon les exigences propres au cas d'usage.

La dépendance au fournisseur se règle au contrat. Exigez la réversibilité et l'export de vos prompts et de vos index.

Restent les biais. Testez des formulations et des profils variés, et faites relire par un humain.

Le règlement général sur la protection des données s'applique à un projet d'IA comme à tout autre traitement. Son article 6 impose une base légale documentée pour chaque traitement, parmi 6 possibilités.⁴⁵ Il s'agit du consentement, de l'exécution d'un contrat, de l'obligation légale, de la mission d'intérêt public, des intérêts vitaux ou de l'intérêt légitime. La CNIL précise aussi les obligations d'information quand des données personnelles servent à développer un système.

L'article 22 encadre les décisions entièrement automatisées.⁵ Une personne a le droit de ne pas faire l'objet d'une décision fondée uniquement sur un traitement automatisé. La règle vaut dès que cette décision produit des effets juridiques ou l'affecte de façon significative. Le règlement cite lui-même le refus automatique d'une demande de crédit en ligne, et il impose une intervention humaine réelle.

Le reste du texte s'applique aussi, sans surprise.⁵

• Article 5 : n'enregistrez que les données utiles, pour une finalité écrite et une durée bornée.
• Article 13 : informez la personne au moment où vous collectez.
• Article 17 : permettez l'effacement, dans tous les composants.
• Article 28 : encadrez chaque sous-traitant par un contrat écrit.
• Article 32 : sécurisez les accès et tracez les échanges.
• Article 35 : menez une analyse d'impact quand le traitement présente un risque élevé pour les personnes.

L'article 50 du règlement européen sur l'intelligence artificielle ajoute une obligation de transparence : une personne qui interagit avec un système d'IA doit en être informée.⁶ Prévoyez donc la mention dans l'accueil de votre agent, sur tous les canaux, y compris en voix.

Une enquête publiée par la CNIL avec le Groupe VYV, un groupe mutualiste, a interrogé les jeunes sur ces outils. Près de 9 sur 10 utilisent une IA conversationnelle, et près d'un sur deux y aborde des sujets personnels.³ Un assistant conçu pour une FAQ recevra donc une demande sensible. Écrivez maintenant ce qu'il en fait.

Un comité mensuel réunissant votre délégué à la protection des données, le métier, la sécurité et la technique transforme ces principes en décisions. Il examine les incidents, les nouvelles intentions et les demandes d'élargissement du périmètre. C'est là que se joue la confiance dans le dispositif, bien plus que dans le choix du modèle. L'IA prépare, l'humain valide.

Choisir un fournisseur sans se tromper de critère

Trois familles d'offres se présentent, et aucune n'est meilleure dans l'absolu. Un outil en libre-service vous fait démarrer vite, avec les connecteurs qu'il prévoit et pas d'autres. Une plateforme intégrée par un partenaire coûte plus cher au départ, demande un vrai chantier d'intégration et vous rend dépendant de lui. Un développement interne se justifie quand vous avez déjà l'équipe et les contraintes qui l'imposent.

Les questions à poser, et ce qu'une bonne réponse contient

Posez ces questions par écrit, et gardez les réponses. Elles valent plus qu'une démonstration, parce qu'une démonstration se prépare et qu'un contrat s'exécute.

• Où sont hébergées les données, et qui peut y accéder ? Une bonne réponse nomme le pays, l'hébergeur et la liste des sous-traitants.
• Que fait l'agent quand il ne sait pas ? Une bonne réponse décrit une abstention explicite et un transfert, pas un taux de couverture.
• Comment met-on à jour une procédure ? Une bonne réponse dit qui édite, en combien de temps la réponse change, et qui valide.
• Quelles actions l'agent peut-il déclencher ? Une bonne réponse parle de permissions par action, de journal et de retour arrière.
• Comment mesurez-vous une résolution ? Une bonne réponse commence par une définition écrite et par ses exclusions.
• Que récupérons-nous si nous partons ? Une bonne réponse promet l'export des contenus, des consignes et des historiques, dans un format lisible.
• Quels modèles utilisez-vous, et peut-on en changer ? Une bonne réponse cite les modèles, leur lieu d'exécution et le coût du changement.
• Qui répond quand l'agent se trompe en production ? Une bonne réponse donne un délai d'intervention, un contact nommé et une procédure d'arrêt.

Ce que je déciderais cette semaine

Mon avis, et il ne fait pas l'unanimité : le choix du modèle est la décision la moins structurante de votre projet. Les modèles se remplacent vite, alors que vos procédures et vos droits d'accès vous suivront des années. Je préfère un agent qui refuse de répondre une fois sur trois et ne se trompe jamais sur une règle contractuelle. Un agent brillant qui improvise une garantie coûte plus cher.

Je commencerais donc par le parcours le plus ennuyeux de votre service client. Un motif fréquent, des sources fiables, des actions réversibles, un résultat qui se compte. Le suivi de commande ou la pièce manquante d'un dossier valent mieux qu'une démonstration spectaculaire, parce qu'ils se mesurent en semaines et se corrigent sans dégât.

Trois décisions tiennent dans cette semaine, sans budget. Sortez vos motifs de contact des trois derniers mois et repérez les trois plus fréquents. Écrivez en une page ce que vous appellerez une résolution, avec ses exclusions. Envoyez les deux premières questions de la liste ci-dessus à votre fournisseur pressenti, et attendez une réponse écrite.

Si vous voulez cadrer ce premier périmètre, regardez comment ces briques s'assemblent dans nos solutions, puis venez en parler avec vos volumes de contacts en main.

Sources et references

1. [1]Médiamétrie, Les jeunes en première ligne de la révolution de l'IA conversationnelle (2025)
2. [2]E-marketing, Les IA conversationnelles utilisées par 4 Français sur 10 en septembre 2025
3. [3]CNIL et Groupe VYV, IA conversationnelle et santé mentale des jeunes, résultats de l'enquête européenne
4. [4]CNIL, Recommandations sur le développement des systèmes d'IA
5. [5]EUR-Lex, Règlement (UE) 2016/679 du 27 avril 2016 (RGPD), articles 5, 6, 13, 17, 22, 28, 32 et 35
6. [6]EUR-Lex, Règlement (UE) 2024/1689 du 13 juin 2024 sur l'intelligence artificielle, article 50