Pour tester une IA de service client e-commerce avant de signer, faites-la travailler quatre semaines sur vos vrais tickets, sur deux ou trois motifs simples, d'abord en brouillon puis en réponse automatique sur une partie du flux. Comparez-la à une file témoin traitée par vos agents et décidez sur trois critères écrits à l'avance.
Ce guide donne le déroulé semaine par semaine, les tickets à choisir, les mesures qui ne trompent pas et les critères pour continuer, corriger ou arrêter. Il s'appuie sur les pilotes que Klark mène avec des marques e-commerce.
Un pilote utile dure environ quatre semaines, plus une semaine pour mesurer les relances. Il commence en mode brouillon, sans qu'aucun client ne voie une réponse de l'IA, puis passe en automatique sur une petite part d'un ou deux motifs. On compare l'IA à vos agents sur les mêmes motifs, avec le taux de réouverture à 7 jours plutôt qu'avec la satisfaction seule. Et on écrit avant de commencer ce qui fera arrêter le test.
Parce qu'une démo montre des cas choisis. Vos tickets réels contiennent des fautes, des pièces jointes, deux questions dans le même message, des numéros de commande erronés et des politiques de retour avec exceptions. Seul un test sur votre flux montre ce que l'IA fait de ce bruit.
Le test vérifie aussi ce que la démo cache : la connexion à votre helpdesk et à votre back-office, la qualité de votre base de connaissances et le temps réel que votre équipe doit y consacrer. Nous avons détaillé ces écarts dans automatiser le support client par IA : les garde-fous.
Choisissez deux ou trois motifs fréquents, à réponse claire, où une erreur coûte peu. Sur une boutique en ligne, les bons candidats sont :
Laissez hors du pilote, ou derrière une validation humaine, les décisions qui engagent de l'argent ou la relation : remboursement hors politique, geste commercial, litige transporteur, client mécontent qui menace de partir. Vérifiez aussi le volume : il faut assez de tickets sur la période pour que les taux veuillent dire quelque chose.
Comptez quelques heures réparties sur une semaine, avant tout envoi :
| Step | Ce que fait l'IA | Ce que fait votre équipe | Ce qu'on mesure |
|---|---|---|---|
| Semaine 0 | Rien en production ; relecture de tickets passés si l'outil le permet | Choisit les motifs, fixe les critères, prépare la file témoin | La base de départ |
| Semaine 1 | Rédige des brouillons, aucun client ne les voit sans un agent | Note chaque brouillon : envoyé tel quel, corrigé, faux | Part de brouillons justes, causes des erreurs |
| Semaine 2 | Répond seule sur un motif, sur une partie du flux | Relit chaque jour les réponses envoyées et les tickets rouverts | Réouvertures, transferts vers un humain |
| Semaine 3 | Élargit au deuxième motif ou à une plus grande part du flux | Corrige la base de connaissances et les consignes | Mêmes mesures, comparées à la file témoin |
| Semaine 4 | Périmètre stable, aucun changement sauf erreur grave | Laisse tourner, prépare le bilan | Résultats stables sur une semaine complète |
| Semaine 5 | — | Décision : continuer, corriger ou arrêter | Réouvertures à 7 jours des derniers tickets |
Le passage d'une étape à l'autre se décide sur les résultats, pas sur le calendrier. Chez Klark, l'équipe le présente ainsi aux marques : « pendant toute la période du test, tu peux dire à tout moment : là, stop, ça ne m'aide pas, j'arrête ».
Pas forcément. Le mode brouillon classique affiche les suggestions dans le helpdesk : l'agent les envoie, les corrige ou les ignore. C'est le plus simple quand l'équipe a le temps de noter les réponses.
Une autre option existe quand l'équipe est réduite ou quand le motif demande une expertise produit. L'IA produit ses suggestions sans les montrer aux agents, et des experts les évaluent à part. Une responsable du service client d'un distributeur en ligne l'a demandé ainsi en octobre 2026 : « je voudrais que ces suggestions de réponses arrivent dans un document […] pour qu'on puisse les faire évaluer par des personnes qui ont des compétences produits ». Ses conseillers, peu nombreux, auraient perdu plus de temps à corriger des réponses fausses qu'à répondre eux-mêmes. Elle visait 50 à 100 suggestions à évaluer, un volume qu'une équipe peut relire sérieusement.
Trois pièges reviennent dans les bilans de pilote.
La mesure la plus fiable reste le taux de réouverture ou de recontact à 7 jours sur les mêmes motifs, complété par la relecture d'un échantillon de tickets « résolus ». Notre article sur le taux de résolution détaille le calcul.
Écrivez trois critères éliminatoires avant le test. Un seul franchi suffit à suspendre l'automatisation le jour même :
Ajoutez des objectifs chiffrés propres à votre activité : part de tickets traités sans agent sur les motifs testés, délai de première réponse, temps gagné par vos agents.
| Résultat à la semaine 5 | Decision | Suite |
|---|---|---|
| Aucun critère éliminatoire, objectifs atteints | Continuer | Ajouter un motif ou un canal, une étape à la fois |
| Aucun critère éliminatoire, objectifs manqués | Corriger | Traiter les causes d'erreur, relancer deux semaines sur les mêmes motifs |
| Un critère éliminatoire franchi | Arrêter | Documenter les causes, garder la base de connaissances nettoyée |
Le coût dépend de l'éditeur : certains facturent au ticket dès le premier jour, d'autres proposent une période de test. Demandez par écrit ce qui est facturé pendant le pilote, et si un engagement démarre à la fin du test ou seulement après votre décision.
Le coût principal est le temps de votre équipe : quelques heures en semaine 0, puis une relecture quotidienne d'environ un quart d'heure à une demi-heure pour le référent. La mise en place technique dépend de votre helpdesk ; avec un connecteur existant, elle se compte en jours.
Klark se connecte à votre helpdesk et commence en suggestions de réponse : l'IA aide vos agents sans changer votre organisation. L'automatisation arrive ensuite motif par motif, avec votre accord, sur la part du flux que vous choisissez. Sur l'ensemble de ses clients, Klark automatise en moyenne 43 % des tickets ; ce chiffre varie beaucoup selon vos motifs, d'où l'intérêt de le mesurer chez vous.
Pour cadrer le choix de l'outil avant le pilote, voir notre guide IA service client : comment choisir une solution utile en production.
Environ quatre semaines, plus une semaine pour mesurer les réouvertures. Moins, on ne voit pas les relances des clients ; plus, on retarde une décision qui peut se prendre sur des données suffisantes.
Assez pour que les taux soient stables : quelques centaines de tickets traités par l'IA sur les motifs testés, et 50 à 100 réponses relues en détail. Si le volume manque, ajoutez un motif plutôt que d'allonger le test.
Oui. En mode brouillon, l'IA rédige et un agent envoie. On peut aussi faire évaluer ses suggestions à part, sans les montrer aux agents.
Le taux de réouverture à 7 jours par motif, la part de tickets traités sans agent, le délai de première réponse, les transferts vers un humain et la part de brouillons justes. La satisfaction vient en complément, avec prudence.
Dès que l'IA répond seule, oui : l'AI Act impose depuis le 2 août 2026 de dire au client qu'il échange avec une IA. Voir notre page sur l'AI Act et le service client.
Vous voulez voir ce que Klark répondrait à vos propres tickets ? Demandez une démo.
