Oui, une IA peut répondre à la plupart des questions avant achat sur une boutique en ligne : stock, délais de livraison, politique de retour, différences entre deux produits. Elle le fait bien à une condition : que la réponse soit écrite quelque part où elle peut la lire, et qu'elle passe la main dès que ce n'est pas le cas.
Ce guide vous aide à trier vos questions avant achat en trois groupes : celles à automatiser tout de suite, celles qui demandent une source fiable, et celles à laisser à vos conseillers. Avec des exemples de messages réels, anonymisés, et les erreurs que nous voyons le plus souvent.
C'est un message envoyé par un visiteur qui n'a pas encore commandé. Il hésite, et il lui manque une information pour payer. Quelques exemples typiques :
Ces questions arrivent souvent le soir et le week-end, quand votre équipe est absente. Une réponse donnée le lendemain matin arrive souvent trop tard : le visiteur a déjà commandé ailleurs, ou il a laissé son panier.
Elles diffèrent des demandes après commande (« où est mon colis ? », « je veux retourner un article »). Après l'achat, l'IA s'appuie sur la commande du client. Avant l'achat, elle s'appuie sur votre catalogue et vos règles. Ce sont deux sources différentes, et c'est là que tout se joue.
Celles dont la réponse est un fait stable, déjà écrit sur votre site.
Pour ces questions, vous pouvez automatiser dès le premier jour. Le risque d'erreur est faible si votre FAQ et vos fiches sont à jour.
Celles où la réponse dépend d'une donnée précise, qui change ou qui varie d'un produit à l'autre. Une IA sans cette donnée risque d'inventer une réponse plausible. Et une réponse fausse sur une taille ou une compatibilité, c'est un retour assuré.
Le client vous donne sa taille habituelle et veut savoir laquelle prendre. L'IA a besoin du guide des tailles du produit, et idéalement des notes de coupe (« taille petit, prenez une taille au-dessus »). Sans ces notes, elle doit renvoyer au guide des tailles, pas donner un conseil personnel.
« Il vous reste du 42 ? » L'IA doit lire le stock par variante, en direct. Un stock lu la veille suffit à proposer un article épuisé. Pour la date de réassort, elle ne doit répondre que si vous l'avez écrite quelque part.
L'IA peut donner une fourchette à partir de vos règles d'expédition : heure limite de préparation, transporteur, zone. Elle ne doit pas promettre une date ferme, surtout en période de pic.
Une pièce détachée, un accessoire, une recharge : l'IA ne doit répondre qu'à partir d'un tableau de correspondance par référence. Sans ce tableau, la bonne réponse est de poser une question ou de passer la main.
Dans trois cas.
Une règle simple résume tout : répondre si le fait est écrit, poser une question si un détail manque, transférer si la réponse n'existe pas. Lorsque l'IA transmet, elle doit joindre l'historique de l'échange. Votre conseiller reprend là où elle s'est arrêtée. Pour aller plus loin sur ce point, lisez notre article sur l'escalade dans le support client.
| Sample question | Can it be automated? | Source nécessaire | Quand passer la main |
|---|---|---|---|
| « Combien de jours pour un retour ? » | Oui, dès le départ | Politique de retour écrite | Demande d'exception (cadeau, article soldé) |
| « Livraison offerte à partir de combien ? » | Oui, dès le départ | Grille des frais de port | Livraison hors zone habituelle |
| « Quelle différence entre ces deux modèles ? » | Yes | Fiches produits complètes | Demande de recommandation personnelle |
| « Il reste du 42 ? » | Oui, avec garde-fou | Stock en direct par variante | Date de réassort non renseignée |
| « Je fais du 38, je prends quoi ? » | Oui, avec garde-fou | Guide des tailles et notes de coupe | Morphologie particulière, doute du client |
| « Livré avant samedi ? » | Fourchette seulement | Règles d'expédition et heure limite | Date ferme exigée, période de pic |
| « Compatible avec mon modèle ? » | Seulement avec un tableau | Tableau de correspondance par référence | Référence absente du tableau |
| « Que me conseillez-vous pour… ? » | En partie | Guides d'achat, fiches produits | Besoin d'expertise, gros panier |
Nous accompagnons des marques e-commerce sur leur chatbot. Voici les erreurs qui reviennent dans les conversations que nous analysons. Elles viennent presque toutes des données, rarement du modèle d'IA.
Le client cherche un produit, l'IA lui en recommande un… épuisé, ou encore en brouillon dans la boutique. L'IA lit bien le catalogue, mais sans filtrer sur la disponibilité. Vérifiez que votre outil ne propose que les produits publiés et en stock.
Le client écrit « il taille comment ? » depuis une fiche produit, ou colle un lien. Si l'IA ne sait pas de quel produit il parle, elle pose une question de plus, ou répond à côté. Le contexte de la page consultée est une donnée aussi utile que la question elle-même.
C'est le réflexe du support après-vente : « Pouvez-vous me donner votre adresse e-mail et votre numéro de commande ? » Pour un visiteur qui n'a pas encore acheté, la question n'a pas de sens, et il quitte souvent la conversation. L'IA doit distinguer un prospect d'un client avant de demander quoi que ce soit.
Beaucoup de marques ont des guides d'achat, un glossaire ou un blog de conseils en plus de leur FAQ. Si l'IA ne lit que la FAQ, elle passe à côté de vos meilleurs contenus de conseil. Faites l'inventaire de vos sources avant le lancement. Notre article sur la base de connaissances détaille comment l'organiser.
Suivez ensuite quatre indicateurs : la part de conversations résolues sans humain, le taux de transfert, les erreurs relevées par votre équipe et le taux de retours liés à la taille ou à la compatibilité. Le taux de résolution seul ne suffit pas : une IA qui répond à tout, mais mal, fait monter vos retours.
Oui, et c'est souvent plus simple. Le client ne fait pas la différence : il pose sa question sur la livraison avant d'acheter, puis revient demander où est son colis. Un seul chatbot évite de maintenir deux bases de connaissances et deux jeux de règles.
La condition est que l'outil sache dans quel cas il se trouve. Avant l'achat, il lit le catalogue et vos règles. Après l'achat, il identifie la commande et lit son suivi. Notre guide sur l'automatisation du suivi de commande couvre ce second cas.
C'est l'approche du chatbot IA de Klark pour l'e-commerce : il répond aux questions produits et aux demandes de suivi ou de retour, et transmet à un conseiller avec le contexte complet. Côté catalogue, il lit le stock par variante, ne propose que les produits publiés et voit la fiche que le visiteur consulte. Il fonctionne avec Shopify, Magento et PrestaShop. Plus de 150 marques utilisent Klark.
Oui, si elle dispose du guide des tailles du produit et de notes de coupe. Sans ces données, elle doit renvoyer vers le guide des tailles plutôt que donner un conseil personnel.
Elle peut donner une fourchette à partir de vos règles d'expédition. Évitez qu'elle promette une date ferme : un retard transporteur transformerait la promesse en réclamation.
Elle doit le dire et transmettre la conversation à un conseiller, avec l'historique de l'échange. Le client ne répète pas sa question. Hors des heures d'ouverture, elle peut indiquer quand il recevra une réponse.
Pas forcément. Un même chatbot peut couvrir les deux, à condition de distinguer un visiteur d'un client et de lire la bonne source dans chaque cas.
Cela dépend de l'état de votre catalogue. Si vos fiches, votre guide des tailles et vos règles d'expédition sont à jour, quelques jours suffisent pour tester. Sinon, commencez par les questions de la première catégorie du tableau.
Non. Elle répond aux questions factuelles, à toute heure. Vos conseillers gardent les demandes de conseil et les gros paniers, là où leur expertise fait vendre.
Vous voulez savoir comment Klark répondrait aux questions de vos visiteurs ? Demandez une démo : nous partirons de vos produits et de vos vraies questions.
