Service client, catalogue, retours, merchandising et CRM : cinq terrains où l'autonomie peut être cadrée et le résultat réellement mesuré.
Le 9 avril 2025, Mélanie Denis raconte à Républik Retail ce qui se passe réellement derrière l'assistant de Cdiscount. Le chatbot traite 520 000 conversations par an. Dans deux tiers des cas, l'IA générative répond seule. Le dispositif hybride dépasse 70 % de satisfaction.
Sa conclusion tient en une phrase : « C'est le mix IA + humain qui obtient les meilleurs résultats. »
J'aime ce cas parce qu'il résiste assez bien aux effets de manche. Il y a un volume, une part de réponse autonome, un résultat et, surtout, une place explicite pour les conseillers. On peut encore discuter les coûts, le périmètre ou la manière dont la satisfaction est mesurée. Au moins, on sait de quoi on parle.
À l'inverse, une promesse comme « notre agent améliore l'expérience client » ne permet de décider de rien.
Mon angle : un agent IA ne mérite un budget que lorsque sa mission, ses droits et sa définition de la réussite tiennent sur une page. Voici les cinq cas d'usage ecommerce que je regarderais en premier, et la façon dont je les mesurerais.
Avant l'outil, quatre questions
La première réunion ne devrait pas commencer par une démonstration de produit. Elle devrait commencer par la tâche. Combien de fois revient-elle ? À quoi reconnaît-on qu'elle est bien exécutée ? Une erreur peut-elle être corrigée ? Dispose-t-on d'un historique pour comparer l'avant et l'après ?
| Question | Bon terrain | Terrain risqué |
|---|
| La tâche revient-elle souvent ? | Volume stable et connu | Cas rare ou très saisonnier |
| La réussite est-elle vérifiable ? | Résultat binaire ou contrôlable | Jugement largement subjectif |
| L'erreur est-elle réversible ? | Action annulable ou corrigeable | Dommage financier ou réglementaire immédiat |
| Existe-t-il une référence ? | Coût, délai et qualité déjà mesurés | Aucun historique exploitable |
Une tâche fréquente, définie, réversible et déjà mesurée est une bonne candidate. Une tâche rare, ambiguë et irréversible mérite peut-être une assistance. Pas une autonomie.
1. Résoudre les demandes simples du service client
« Où est ma commande ? » « Comment télécharger ma facture ? » « Mon retour est-il encore possible ? » Ces demandes utilisent des données et des règles que l'entreprise possède déjà. Pourtant, beaucoup d'assistants répondent encore sans accéder au statut réel de la commande.
C'est là que se situe la différence entre une conversation et une résolution. Le bon système identifie le client, interroge l'OMS, vérifie la politique applicable, exécute l'action autorisée et transmet le dossier avec son contexte lorsqu'une exception apparaît.
Dans la septième édition de son State of Service, Salesforce rapporte les réponses de 6 500 professionnels dans 40 pays. Les organisations qui utilisent des agents IA attendent en moyenne une baisse de 20 % du coût et du délai de résolution. C'est une attente déclarée, pas un résultat garanti. La nuance compte.
Les métriques utiles sont moins séduisantes qu'un « taux d'automatisation » : coût par dossier réellement résolu, réouverture à sept jours, reprise humaine, erreur de politique, satisfaction après résolution.
Le piège est simple. Fermer une conversation n'est pas résoudre un problème. Si le client revient le lendemain, le coût a seulement changé de file.
2. Enrichir un catalogue, sans fabriquer de certitudes
Cdiscount indique avoir fait traiter par l'IA plus de 17 millions de références. Zalando dit être passé de presque zéro à 90 % de contenu produit généré par IA en un an, tout en augmentant de 70 % son volume de production. Ces chiffres montrent une capacité industrielle. Ils ne prouvent pas que chaque description produite vend davantage. Le cas Zalando est détaillé dans mon analyse de son activité B2B.
Le premier gain se trouve souvent ailleurs : délai de mise en ligne, couverture des attributs, traduction, cohérence des catégories et réduction des opérations manuelles.
Mais toutes les données produit ne présentent pas le même risque. Une couleur ou une matière peuvent être contrôlées par échantillonnage. Une composition allergène, une puissance électrique ou une compatibilité véhicule réclament une preuve plus forte. L'IA peut proposer. La source approuvée doit trancher.
| Mesure | Calcul |
|---|
| Coût unitaire | Production et contrôle divisés par le nombre de références publiées |
| Taux d'acceptation | Propositions acceptées sans correction sur propositions contrôlées |
| Délai catalogue | Temps entre la réception des données et la publication |
| Coût d'erreur | Retours, contacts et remboursements liés à une information incorrecte |
Une bibliothèque de règles et de sources approuvées vaut souvent davantage qu'un prompt spectaculaire.
3. Préparer les retours et les remboursements
Un retour rassemble une commande, une politique, un délai, un motif, parfois une photo et un historique client. Une partie du dossier peut être instruite automatiquement : vérifier l'éligibilité, demander la bonne pièce, calculer la prochaine action, puis préparer une décision.
Je garderais l'exécution autonome pour les cas réversibles et peu risqués. Un article à faible valeur retourné dans le délai n'a pas le même profil qu'un produit coûteux, un dossier ambigu ou une succession de litiges.
Ce cas d'usage a un mérite rare : ses frontières peuvent être écrites. Le système traite le chemin normal. L'humain reçoit les exceptions avec les éléments déjà rassemblés.
À suivre : délai médian de décision, modification après contrôle, coût par retour, second contact et satisfaction après remboursement.
4. Repérer les anomalies de merchandising
Une rupture affichée disponible, une promotion incohérente, une image absente ou une variation de prix anormale peuvent dégrader une page pendant des heures. Un agent peut surveiller des règles, comparer des écarts, rassembler les preuves et ouvrir un ticket.
C'est moins vendeur qu'un assistant qui discute avec les clients. C'est souvent plus propre à mesurer.
Le temps de détection, la précision des alertes, le chiffre d'affaires exposé et la récidive sont observables. Le faux positif doit rester visible dans le tableau de bord. Un système qui alerte sur tout ne résout rien. Il recrée une file d'attente humaine.
5. Préparer une campagne CRM, sans décider seul de la pression
Un agent peut réunir des données, proposer un segment, contrôler des exclusions, préparer des variantes et documenter ce qu'il a utilisé. Cela ne lui donne pas, par défaut, le droit de solliciter n'importe quel client.
La qualité de l'identité devient ici le facteur limitant. Le rapport Salesforce observe que les entreprises ayant unifié leurs données de canaux sont 1,4 fois plus susceptibles de qualifier leur déploiement IA de « très réussi » que celles dont les systèmes restent en silos. Ce signal ne prouve pas une causalité. Il rappelle une réalité opérationnelle : un agent rapide, branché sur une identité mal réconciliée, accélère surtout les erreurs.
À mesurer : temps de préparation, corrections avant envoi, incident d'exclusion, désabonnement, plainte et performance incrémentale contre un groupe témoin.
Le calcul qui évite de raconter une belle histoire
ROI annuel = (coûts évités + marge incrémentale - coût total) / coût total
Le coût total ne s'arrête pas à la licence. Il comprend l'intégration, les modèles, la supervision, la maintenance des règles, les erreurs, la sécurité, la formation et le changement d'organisation.
La marge incrémentale réclame une comparaison. Sans groupe témoin, déploiement progressif ou période réellement comparable, on ne sait pas si l'agent a créé la hausse observée. On sait seulement que deux événements ont eu lieu au même moment.
Je laisserais encore sous contrôle humain le pricing autonome sans bornes, la négociation commerciale sans seuil, les remboursements à forte valeur et tout achat au nom d'un client sans consentement explicite. Ces usages peuvent fonctionner dans un environnement fermé. Ce n'est pas la même chose qu'une autonomie banale.
Le 9 avril 2025, Cdiscount ne racontait pas la disparition du conseiller. L'enseigne décrivait une répartition du travail, mesurée sur 520 000 conversations.
C'est moins spectaculaire qu'un agent qui « gère tout ».
C'est aussi beaucoup plus crédible.
Questions fréquentes
Par quel cas commencer ?
Par une tâche fréquente, réversible et déjà mesurée. Les demandes simples, la préparation d'un retour ou la détection d'anomalies offrent généralement un meilleur terrain d'apprentissage qu'un agent commercial autonome.
Quelle différence entre automatisation et agent IA ?
Une automatisation suit un parcours largement prédéfini. Un agent choisit entre plusieurs actions selon le contexte. Cette latitude augmente l'utilité possible, mais aussi le besoin de limites, de journalisation et de contrôle.
Combien de temps faut-il pour mesurer le ROI ?
Il n'existe pas de durée universelle. Il faut couvrir un volume suffisant pour comparer coût, qualité et erreurs à une référence stable, sans confondre l'effet du projet avec la saisonnalité.
Sources principales
