Pour automatiser les tickets de votre service client, partez de vos motifs de contact et traitez-les un par un : pour chaque motif, fixez ce que l'IA doit vérifier, ce qu'elle peut répondre seule et le moment où elle passe la main à un agent. En e-commerce, l'automatisation des tickets commence presque toujours par le suivi de commande, les retours et les modifications de commande, parce que ces demandes suivent des règles stables et s'appuient sur des données que l'IA peut lire.
Par James Rebours, cofondateur de Klark. Mise à jour du 20 octobre 2026.
L'automatisation des tickets regroupe quatre niveaux : les règles du helpdesk, le tri par l'IA, la réponse proposée à un agent (copilote) et la réponse envoyée seule par l'IA. Une méthode fiable commence par l'analyse de vos tickets, démarre en mode suggestion, puis ouvre l'automatisation motif par motif, avec des règles d'escalade écrites. Les demandes de suivi, de retour et de modification avant expédition s'y prêtent le mieux ; les litiges, les gestes commerciaux et les clients mécontents restent humains. Le résultat se mesure par motif, avec le taux de résolution sans recontact.
L'automatisation des tickets consiste à confier à des règles ou à une IA une partie du traitement des demandes clients : les classer, les router, préparer la réponse, l'envoyer ou déclencher une action dans un outil tiers. Elle fonctionne dans votre helpdesk, sur les tickets qui y arrivent.
On distingue quatre niveaux, du plus simple au plus autonome.
| Level | Ce qu'il fait | Exemple e-commerce | Main risk |
|---|---|---|---|
| Règles et macros | Applique des « si… alors… » sur des mots-clés, des champs ou des horaires | Accusé de réception hors heures d'ouverture, tag « retour » si le formulaire le dit | Rigide : la règle rate les demandes mal formulées |
| Tri par l'IA | Lit le ticket, détecte le motif, la langue, l'urgence, puis tague et route | Un message « toujours rien reçu ! » classé en suivi de commande, priorité haute | Mauvais motif, donc mauvaise file |
| Co-pilot | Rédige une réponse que l'agent relit, modifie et envoie | Brouillon d'échange de taille avec le stock et le délai de retour | Faible : un humain valide chaque envoi |
| Réponse autonome et action | Répond seule, et peut agir dans la boutique ou chez le transporteur | Réponse au « où est ma commande ? » avec le dernier scan du colis | Erreur envoyée directement au client |
Les quatre niveaux cohabitent. Une équipe mature garde ses règles, laisse l'IA trier, utilise le copilote sur les cas variés et réserve l'autonomie aux motifs bien cadrés.
Commencez par les motifs fréquents, répétitifs et vérifiables dans une donnée. Gardez pour vos agents ceux qui demandent une décision.
| Motif | Automatisable seul ? | Ce que l'IA doit lire | Quand passer la main |
|---|---|---|---|
| « Où est ma commande ? » | Oui, dans la plupart des cas | Commande, statut d'expédition, suivi transporteur | Colis bloqué, livré mais pas reçu, valeur élevée |
| Retour et remboursement | Oui, dans le cadre de la politique de retour | Date de livraison, politique de retour, statut du remboursement | Hors délai, produit abîmé, demande d'exception |
| Modification ou annulation avant expédition | Oui, si la commande n'est pas encore en préparation | Statut de préparation dans la boutique et chez le logisticien | Commande déjà importée par l'entrepôt, paiement en plusieurs fois |
| Question produit avant achat | Souvent | Fiches produit, guides de tailles, stock | Conseil technique pointu, demande B2B |
| Facture, code promo, compte client | Yes | Commande, règles promotionnelles | Code refusé à tort, réclamation sur le prix |
| Litige, colis perdu, client en colère | No | Historique complet | Toujours : l'agent décide |
Nous avons détaillé les deux motifs les plus fréquents dans des guides dédiés : automatiser le « où est ma commande ? » et automatiser les retours et remboursements.
Un cas fréquent montre la frontière. Pour un meuble livré abîmé, une responsable du service client d'une marque d'ameublement nous expliquait que la première réponse « pourrait être automatisée… on va toujours dire à peu près la même chose » : demander des photos et le numéro de commande. La suite (remplacement, geste, reprise) revient à un agent.
Les photos jointes par le client font aussi gagner du temps. Comme le dit James Rebours, cofondateur de Klark :
« L'IA est capable de détecter la présence d'une photo, de détecter ce que la photo montre… et donc de faire gagner du temps dans les échanges, voire même de résoudre le problème. »
Pour le meuble abîmé, l'IA voit donc si le client a déjà joint une photo. Elle évite de la redemander et transmet un dossier plus complet à l'agent.
Chez Klark, nous suivons cet ordre. Pendant une quinzaine de jours, Klark ne fait que générer des suggestions dans le helpdesk ; les agents travaillent comme d'habitude. Ensuite, nous proposons à l'équipe les demandes que nous pensons pouvoir automatiser, et elle décide lesquelles ouvrir.
Il existe quatre familles d'outils. Chacune a son public.
| Family | Examples | Pour qui | Limites |
|---|---|---|---|
| Règles natives du helpdesk | Déclencheurs Zendesk, règles Gorgias | Toutes les équipes, pour le routage et les accusés de réception | Ne comprennent pas les demandes mal formulées |
| Helpdesk-Native AI | Agents IA de Zendesk, AI Agent de Gorgias | Les équipes qui veulent un seul éditeur et un seul contrat | Workflows à écrire ; AI Agent de Gorgias réservé aux boutiques Shopify (doc Gorgias, consultée le 16/10/2026) |
| IA spécialisée en surcouche | Klark, Yuma, eesel, Fin | Les équipes qui gardent leur helpdesk et veulent une IA nourrie par leurs tickets | Un outil de plus à contractualiser ; vérifier les connexions boutique |
| Chatbot en amont | Widget de chat sur le site | Les marques avec beaucoup de questions avant achat | Ne traite pas les e-mails déjà arrivés dans le helpdesk |
Klark fait partie de la troisième famille. Il fonctionne dans un helpdesk existant (Zendesk, Gorgias, Salesforce, Freshdesk, Intercom, Front), sur les canaux écrits. Sans outil de ticketing, il ne s'applique pas ; et les actions dans des outils tiers se paramètrent avec chaque client.
Trois modèles de prix dominent en 2026.
Faites toujours la simulation sur votre mois le plus chargé. Une facturation à la résolution qui paraît légère en mars peut doubler en novembre.
La connexion technique prend de quelques minutes à une journée quand l'outil se branche par une application ou une connexion OAuth. La phase de suggestion dure ensuite deux à quatre semaines, le temps de voir l'IA sur vos vrais tickets. L'ouverture des motifs se fait ensuite au fil de l'eau. Comptez davantage avec une IA native à base de workflows, car chaque scénario doit être écrit.
Les erreurs que nous voyons le plus souvent sur le terrain sont concrètes :
Chaque risque a son garde-fou : vérifier le statut au moment de répondre, demander le numéro de commande, relire tout le fil, n'annoncer une action qu'après confirmation de l'outil. Nous en parlons en détail dans notre article sur les garde-fous de production.
Comment tenir ces garde-fous dans la durée ? James Rebours, cofondateur de Klark, explique le choix de Klark :
« Klark a adopté une approche QA Agentic (des agents IA chargés du contrôle qualité et entraînés sur des tâches très spécifiques). Cela permet de maîtriser ces garde-fous et d'avoir une approche itérative dans le passage des contrôles qualité. »
Chaque contrôle est donc confié à un agent dédié, par exemple vérifier le statut de la commande avant une annulation. Les contrôles s'ajoutent et s'affinent au fil des tickets.
Mesurez par motif, sur quatre indicateurs :
Notre guide sur le taux de résolution détaille le calcul. À titre de repère, chez les plus de 150 marques qui utilisent Klark, 43 % des tickets sont automatisés en moyenne, et les équipes gagnent en moyenne 50 % de productivité.
Non. Les litiges, les gestes commerciaux et les clients mécontents demandent un jugement humain. Visez les motifs répétitifs et laissez les autres à vos agents, avec un brouillon préparé par l'IA.
Non. Une IA en surcouche s'installe dans Zendesk, Gorgias, Salesforce, Freshdesk ou Intercom. Vos agents gardent leur écran, leurs macros et leurs vues.
Le chatbot répond sur le site, avant qu'un ticket existe. L'automatisation des tickets traite les demandes arrivées dans le helpdesk, notamment par e-mail. Les deux se complètent.
Oui, si l'outil est connecté et que l'action est paramétrée : lire un suivi, générer une étiquette de retour, annuler une commande non préparée. Vérifiez la liste des actions disponibles et les conditions de chacune avant de signer.
Exportez trois mois de tickets, classez-les par motif et repérez les trois motifs les plus fréquents. C'est votre périmètre de départ.
Vous voulez voir comment Klark traiterait vos propres motifs de contact ? Demandez une démo : nous partons de vos tickets.
