Automatiser le support client avec un LLM : gains réels et limites

Le problème habituel

Beaucoup d’équipes support travaillent encore avec des e-mails traités à la main, des réponses qui varient selon l’agent, et peu de capitalisation. Un LLM est tentant là-dessus. Il reste un générateur de texte conditionné par ce qu’on lui donne.

Ce que la documentation technique décrit

Le schéma le plus cité s’appelle RAG : on cherche des passages dans une base, on les injecte dans le contexte, le modèle rédige (Lewis et al., 2020). Les éditeurs ont repris ce principe. Sans documents à jour, le modèle complète avec ce qu’il a appris ailleurs — y compris des erreurs.

Le cadre NIST AI RMF (AI 100-1) ne parle pas de support client. Il rappelle que gouverner, cartographier, mesurer et gérer les risques d’un système d’IA est un travail continu. Un chatbot sans propriétaire, sans journal et sans critère d’arrêt n’entre dans aucun de ces quatre verbes.

Architecture minimale utile

• une base interne que quelqu’un met à jour (FAQ, procédures, exceptions) ;
• une recherche (RAG ou équivalent) pour injecter le passage pertinent ;
• un seuil d’escalade humaine (remboursement, santé, contentieux, données sensibles) ;
• un journal : question, extraits utilisés, réponse, reprise humaine le cas échéant.

Sans cela, on a une démo, pas un canal de support.

Ce qu’on peut mesurer

Les pourcentages de tickets « résolus » publiés par des éditeurs dépendent du périmètre, de la qualité de la base et du taux de reprise. Le chiffre utile pour un pilote est celui défini avant : volume d’un type de demande, temps de première réponse, taux de correction humaine.

Limites à écrire dans le brief

• base fausse ou obsolète → réponses fausses avec un ton confiant ;
• données personnelles dans les tickets → RGPD, conservation, accès support ;
• outils existants (Zendesk, Salesforce, messagerie) : l’intégration est le vrai délai, pas l’appel API.

Un pilote de ce type se cadre comme un POC avec critère d’arrêt. Si le besoin est un profil pour le monter, voir le staffing IA nearshore.