Blog
IA service client : ce qui marche vraiment en 2026 (et le mythe du 100 % automatisé)

IA service client : ce qui marche vraiment en 2026 (et le mythe du 100 % automatisé)

Consultant Zendesk depuis plus de 8 ans, je vous explique ce que l'IA sait vraiment faire au service client, pourquoi le support 100 % automatisé reste un mythe, et la méthode en 6 étapes pour démarrer dans une PME.
Edouard Gonet
Créateur-entrepreneur & consultant SaaS / IA
Mis à jour :
17/11/2026

Je travaille sur des projets de service client depuis plus de 8 ans. Certifié Zendesk depuis 2020, j'ai accompagné des équipes support chez Swile, Alma, Getaround, Leboncoin ou ManoMano. Et depuis deux ans, une question revient dans presque chaque mission : « Est-ce qu'on peut tout automatiser avec l'IA ? »

La réponse courte : non. La réponse longue, c'est ce guide.

L'IA change vraiment le service client. Mais pas comme on vous le vend sur LinkedIn. Dans ce guide, je vous explique ce que l'IA sait faire aujourd'hui, ce qu'elle ne sait pas faire, et par où commencer dans une PME.

👉 J'ai d'abord abordé ce sujet dans ma newsletter. Ce guide reprend l'analyse et la complète avec une méthode pas à pas.

‍

#1 L'IA au service client, de quoi parle-t-on ?

Derrière « IA service client », on mélange souvent trois choses très différentes.

Niveau 1 : l'IA qui assiste vos agents. Elle résume un ticket, suggère une réponse, corrige le ton, classe les demandes par motif. L'humain garde la main. C'est le niveau le plus simple à déployer et celui qui fait le moins de dégâts en cas d'erreur.

Niveau 2 : l'agent IA qui répond seul aux questions simples. Horaires, délais de livraison, fonctionnement d'une option, politique de retour. Il s'appuie sur votre base de connaissances et répond directement au client.

Niveau 3 : l'agent IA qui agit dans vos systèmes. Il consulte une commande, modifie une adresse, déclenche un remboursement. Pour ça, il doit être connecté à vos données clients. C'est le niveau qui rapporte le plus, et de loin le plus compliqué.

Quand un éditeur vous promet 80 % de demandes automatisées, demandez-lui toujours de quel niveau il parle.

‍

#2 Le mythe du support 100 % automatisé

Le meilleur exemple, c'est Klarna. L'entreprise a annoncé que son assistant IA faisait le travail de l'équivalent de 700 personnes et gérait les deux tiers des conversations.

Quelques mois plus tard, Klarna a fait machine arrière et s'est remis à recruter des humains. Son CEO l'a reconnu : à trop se concentrer sur les coûts, la qualité a baissé.

Sur un sujet d'argent, une IA qui répond faux avec assurance, ce n'est pas un simple client mécontent. C'est un problème de conformité.

Dans mes missions, je vois la même chose à plus petite échelle. Les boîtes qui veulent tout remplacer du jour au lendemain finissent avec un CSAT en baisse et une équipe qui rattrape les erreurs de l'agent.

‍

#3 Ce qui marche vraiment : la base de connaissances

Automatiser les questions simples, aujourd'hui, c'est assez facile. À une condition : avoir une base de connaissances saine.

Quand un client pose une question sur un produit ou une procédure, l'agent IA va chercher la réponse dans vos articles d'aide. Si l'article est à jour et clair, la réponse est bonne. S'il est obsolète, l'IA répète l'erreur à tous vos clients.

Et c'est le problème numéro un des entreprises que j'accompagne. La base existe, mais personne ne la maintient.

Mon ordre de grandeur, constaté sur le terrain : avec une bonne base, vous automatisez déjà 30 à 40 % des demandes. Sans, vous automatisez du vent.

Un exemple concret. Yoann Tasset, qui automatise le service client de SaaS et d'e-commerces, a récupéré deux ans et demi d'historique de conversations chez un client. Il les a migrées sur Crisp et a construit la configuration de l'agent à partir de ces échanges réels. Résultat annoncé après un mois : 60 % des réponses automatisées sans humain.

Ce qui a fait la différence, ce n'est pas l'outil. C'est la qualité de la matière première.

‍

#4 Aller plus loin : connecter l'IA à vos données clients

Au-delà des questions génériques, les demandes les plus fréquentes sont personnelles. « Où est ma commande ? » « Pourquoi ce prélèvement ? » « Je veux changer mon abonnement. »

Pour y répondre, l'agent doit accéder à la donnée du client. Si vous êtes e-commerçant, ça veut dire une connexion à Shopify. Si vous avez un back-office maison, ça passe par une API.

C'est là que ça se complique. Les connecteurs natifs couvrent les cas standards. Dès que votre logique métier sort du cadre, il faut du développement sur mesure. Et peu d'entreprises ont les compétences en interne.

Mon conseil : ne commencez pas par là. Commencez par le niveau 2, mesurez, puis connectez une seule source de données sur le motif de contact le plus fréquent.

‍

#5 Les trois approches possibles

Option 1 : l'agent IA d'un outil du marché. Zendesk, Crisp ou Intercom ont tous leur propre agent. Gros avantage : vous pouvez être opérationnel en quelques jours. Certains agents sont encore jeunes, mais ils progressent vite. C'est l'option que je recommande à 90 % des PME.

Option 2 : un agent IA développé sur mesure. Alan a par exemple remplacé le SDK d'Intercom par sa propre stack, avec l'IA et le conseiller humain dans une seule interface. Le résultat est très abouti, mais il demande une équipe produit et tech dédiée. Réservé aux entreprises qui en ont les moyens.

Option 3 : un agent monté soi-même en low-code. On voit passer beaucoup de tutoriels avec n8n, Gmail, une base vectorielle et GPT. Techniquement, c'est malin, et c'est un bon moyen de comprendre la mécanique d'un agent. Mais pour faire tourner un support en production, je le déconseille : la tuyauterie casse dès qu'une API change, et c'est vous qui réparez.

Pour choisir l'outil adapté à votre volume et à votre budget, j'ai testé et classé les solutions dans mon comparatif des chatbots IA pour le service client. Si vous êtes déjà sur Zendesk, j'ai aussi détaillé les fonctionnalités IA de Zendesk.

‍

#6 Par où commencer dans une PME

Voici la méthode que j'applique en mission.

  1. Analysez vos motifs de contact. Exportez trois mois de tickets et classez-les. En général, 5 à 10 motifs représentent la majorité du volume.
  2. Nettoyez votre base de connaissances. Un article par motif fréquent, à jour, rédigé simplement. C'est 80 % du travail, et c'est celui que tout le monde veut sauter.
  3. Activez l'agent sur les questions simples. Uniquement les motifs bien documentés. Gardez le reste pour vos agents.
  4. Prévoyez une sortie vers l'humain. Le client doit pouvoir joindre quelqu'un facilement. Un agent IA sans escalade claire, c'est la garantie d'avis négatifs.
  5. Mesurez chaque semaine. Taux de résolution automatique, CSAT des conversations traitées par l'IA, demandes rouvertes. Corrigez la base à partir des échecs.
  6. Connectez ensuite vos données. Une fois le niveau 2 stable, branchez votre outil de commande ou votre back-office sur le motif le plus fréquent.

‍

#7 Les limites à connaître

L'IA se trompe avec aplomb. Elle ne dit pas « je ne sais pas » assez souvent. Sur les sujets sensibles (paiement, santé, juridique), gardez un humain dans la boucle.

La base de connaissances devient un actif à maintenir. Chaque changement de prix, de process ou d'offre doit être répercuté. Sinon l'agent diffuse des informations fausses.

Le coût peut grimper vite. Certains éditeurs facturent à la résolution. C'est sain, car vous payez ce qui est réellement automatisé, mais au gros volume l'addition devient sérieuse. Faites le calcul avant de signer.

L'IA ne règle pas un mauvais process. Si vos clients contactent le support parce que votre produit ou votre parcours est confus, l'agent ne fera que répondre plus vite au même problème.

‍

Mon verdict

L'IA au service client, ce n'est pas d'abord un chantier d'IA. C'est un chantier de données. Ceux qui réussissent ne sont pas ceux qui branchent l'agent le plus malin, mais ceux qui ont fait le ménage dans leur base avant.

Automatiser son support avec l'IA a du sens si :

  • une part importante de vos demandes porte sur des questions répétitives ;
  • vous avez (ou êtes prêt à construire) une base de connaissances à jour ;
  • vous gardez une escalade simple vers un humain ;
  • vous mesurez la qualité des réponses, pas seulement le volume automatisé.

Ça n'a pas de sens si :

  • votre objectif est de supprimer toute l'équipe support ;
  • vos demandes sont surtout complexes, sensibles ou très personnalisées ;
  • personne ne peut maintenir la base de connaissances ;
  • vos contacts viennent d'un problème produit que vous n'avez pas réglé.

‍

FAQ

L'IA peut-elle remplacer un service client ?

Non, pas entièrement. Elle peut absorber une bonne partie des demandes simples et faire gagner beaucoup de temps aux agents. Mais les cas complexes, sensibles ou émotionnels demandent toujours un humain. Klarna en a fait l'expérience à grande échelle.

Quel pourcentage de demandes peut-on automatiser avec l'IA ?

Avec une base de connaissances propre, 30 à 40 % des demandes est un premier objectif réaliste. Les équipes bien configurées dépassent parfois 60 %. Au-delà, il faut connecter l'agent à vos données clients.

Par quel outil commencer ?

Le plus simple est d'activer l'agent IA de l'outil de support que vous utilisez déjà. Si vous n'en avez pas encore, comparez les solutions selon votre volume et votre budget dans mon comparatif des chatbots IA.

Edouard Gonet

Créateur-entrepreneur & consultant SaaS / IA

Je travaille avec des outils SaaS et IA depuis plus de 8 ans, côté consulting et côté contenu.

J'accompagne des entreprises dans la mise en place de leurs outils (Zendesk, CRM, automatisation) et c'est cette expérience terrain qui nourrit mes contenus sur Impli. Je partage aussi mes retours d'expérience sur ma chaîne YouTube.

N'hésitez pas à me contacter directement en DM sur Linkedin.

‍