# IA au service client : mesurer les problèmes résolus, pas seulement la vitesse de réponse Version HTML de référence : https://talkweb.fr/analyses/ia-au-service-client-mesurer-les-demandes-resolues-pas-les-mots-produits/ Publication : 2026-11-03T08:42:50+01:00. Révision : 2026-11-03T08:42:50+01:00. Une réponse envoyée n’est pas un problème réglé. Suivez recontacts, erreurs de procédure et relais pour évaluer l’aide réelle aux conseillers. ## La réponse Reliez chaque réponse au résultat du dossier et aux nouveaux contacts pour le même motif. Une rédaction plus rapide peut masquer une réponse qui oblige le client à revenir. ## Le client peut-il appliquer la procédure sans reprendre contact ? Le conseiller termine davantage de messages, mais les clients demandent ensuite une précision ou signalent que la manipulation ne fonctionne pas. Le débit apparent augmente alors que le travail total aussi. Le responsable de service doit regarder le parcours du problème, pas uniquement le temps de traitement du premier message. Définissez ce que signifie résolu pour chaque motif : information comprise, action exécutée, remboursement traité, accès rétabli. Un silence du client ne prouve pas toujours la résolution. Prévoyez une fenêtre de suivi et distinguez nouveau problème et retour sur le même sujet. Les dossiers complexes doivent rester visibles au lieu d’être exclus du taux. ### Le conseiller ne peut pas résoudre ce qu’il n’a pas le droit de décider Une réponse correcte peut laisser le client bloqué si aucun interlocuteur n’est autorisé à appliquer la solution. Faites nommer cette décision et son responsable dans le parcours. Demander au conseiller un meilleur texte ne remplace pas la délégation, l’accès ou le passage de relais qui manque. ## La vitesse de réponse ne mesure pas la résolution du problème Noy et Zhang rapportent, dans le résumé de leur expérience publiée en 2023, une baisse du temps de 40 % et une hausse de qualité de 18 % sur des tâches rédactionnelles rémunérées confiées à 453 professionnels. Ce sont des résultats de tâches étudiées, pas une promesse de gain sur un processus commercial ou RH complet. Sources : [Experimental evidence on the productivity effects of generative artificial intelligence](https://doi.org/10.1126/science.adh2586) Une enquête qualitative publiée en 2025 par Memmert, Soroko et Bittner complète cette lecture : 21 professionnels, interrogés entre mars 2024 et mars 2025, décrivent l’apprentissage, le pilotage et la vérification autour de l’IA. Ces entretiens aident à rechercher où l’effort se déplace ; ils ne fournissent pas un taux de productivité généralisable. Sources : [From Effort Reduction to Effort Management: An Expectancy Theory Perspective on Professionals’ Work Practices with Generative AI](https://doi.org/10.1007/s12599-025-00960-4) Une réponse écrite plus vite ne démontre pas que le client peut effectuer la manipulation. Le prolongement métier consiste à suivre le même motif de contact jusqu’à son issue. Le temps du conseiller reste utile à mesurer, mais il doit être rapproché du travail demandé au client. Sources : [Experimental evidence on the productivity effects of generative artificial intelligence](https://doi.org/10.1126/science.adh2586); [From Effort Reduction to Effort Management: An Expectancy Theory Perspective on Professionals’ Work Practices with Generative AI](https://doi.org/10.1007/s12599-025-00960-4) ## La résolution suppose un accord sur ce qui a été compris Clark et Brennan distinguent le simple envoi d’un message du travail nécessaire pour établir une compréhension partagée. Cette perspective complète une mesure de productivité au support : une réponse envoyée n’est pas encore une demande résolue. Les résultats d’une étude de rédaction ne permettent donc pas, à eux seuls, d’annoncer un gain sur la totalité du service client. Sources : [Generative AI at Work](https://doi.org/10.1093/qje/qjae044); [Grounding in Communication](https://doi.org/10.1037/10096-006) Sur un échantillon de tickets, vérifiez si le client a pu effectuer l’action attendue et si le conseiller disposait des informations nécessaires. Repérez les réouvertures liées à une consigne mal comprise, plutôt que de les mélanger avec de nouvelles demandes. Lorsque l’IA prépare une réponse, le conseiller doit pouvoir ajouter la question de clarification qui manque ; la rapidité ne doit pas empêcher cet échange. ## Suivre le motif de contact jusqu’au retour du client Choisissez un motif assez précis pour comparer les dossiers : accès bloqué après une mise à jour, par exemple, plutôt que « assistance ». Le conseiller voit la procédure applicable et peut corriger la suggestion de l’IA. La qualité prépare les cas d’exception ; le responsable de la base maintient les versions ; l’équipe outil organise le transfert vers un spécialiste. Dans Gorgias, les notes internes et champs de ticket peuvent soutenir le relais entre conseillers. Notre proposition est de conserver le motif, la procédure et l’action encore ouverte avant le transfert. Vérifiez que ce contexte suit réellement le dossier, au lieu de multiplier les résumés isolés dans un autre outil. Dans le suivi, rapprochez les contacts qui concernent le même problème lorsque cela est possible et autorisé. Une réponse rapide peut seulement reporter le travail au prochain appel. Analysez ce qui manque : manipulation impossible, prérequis absent ou information incomprise. Un transfert avec le bon contexte est parfois la meilleure issue. L’assistant ne doit pas clôturer un dossier simplement parce qu’il a produit une réponse. ## Un transfert n’est pas nécessairement un échec Certains dossiers doivent être confiés à un expert. Réduire artificiellement les transferts peut inciter à donner une réponse insuffisante pour conserver un bon indicateur. Définissez les escalades appropriées et vérifiez la qualité du contexte transmis. Le service progresse lorsque le client atteint la bonne réponse avec moins d’effort inutile, même si cela implique un second interlocuteur. Si la vitesse progresse mais que les contacts répétés augmentent, cherchez une omission, une étape irréalisable ou un ton qui n’explique pas la décision. Le gain peut venir d’une meilleure base de connaissances plutôt que d’un modèle plus grand. Si l’assistance aide surtout les nouveaux conseillers, prévoyez une formation qui leur permette aussi de reconnaître les cas où la suggestion est inadaptée. La mesure exige d’abord des statuts distincts pour réception, prise en charge et résolution de la demande. ## Revue des demandes résolues Le responsable service client et les référents de procédure suivent les dossiers par motif jusqu’à la fenêtre habituelle de recontact. Revue des demandes résolues — éléments à examiner | Ce que vous suivez | Comment le lire dans votre travail | | --- | --- | | Résolution confirmée par motif | Définir ce qui confirme une résolution pour chaque motif et garder les dossiers non résolus dans le suivi. | | Contacts répétés pour le même problème | Rattacher les contacts successifs au même problème plutôt que compter chaque réponse comme un succès. | | Erreurs de procédure et escalades | Vérifier si le transfert au spécialiste était nécessaire et s’il a permis de résoudre la demande. | ## Passer à l’action Si la vitesse progresse mais que les contacts répétés augmentent, cherchez une omission, une étape irréalisable ou un ton qui n’explique pas la décision. Le gain peut venir d’une meilleure base de connaissances plutôt que d’un modèle plus grand. Si l’assistance aide surtout les nouveaux conseillers, prévoyez une formation qui leur permette aussi de reconnaître les cas où la suggestion est inadaptée. Reprendre un motif de contact jusqu’à sa fenêtre habituelle de recontact, avec des conseillers qui traitent réellement ces demandes. Résolution et absence de recontact inutile progressent sans masquer les escalades appropriées ni les dossiers toujours ouverts. ## Limites - Les chiffres de Noy et Zhang proviennent du résumé final publié ; les annexes ne sont pas auditées ici. - Les entretiens de 2024–2025 portent sur des utilisateurs déjà engagés avec l’IA ; ils ne représentent pas tous les salariés. ## Sources - [Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science.](https://doi.org/10.1126/science.adh2586) — Résumé de la version publiée dans Science : 453 participants. Le PDF de travail de mars 2023 (444 participants) ne sert pas à documenter ces chiffres. - [Memmert, L., Soroko, D., & Bittner, E. (2025). From Effort Reduction to Effort Management: An Expectancy Theory Perspective on Professionals’ Work Practices with Generative AI. Business & Information Systems Engineering.](https://doi.org/10.1007/s12599-025-00960-4) — Lecture ciblée du texte HTML : résumé, méthode §4, résultats §5.1, §5.4 et §5.5. Annexes non auditées. - [Erik Brynjolfsson, Danielle Li, & Lindsey Raymond. (2025). Generative AI at Work. RECHERCHE · Quarterly Journal of Economics.](https://doi.org/10.1093/qje/qjae044) — Version publiée consultée ; résumé, population de 5 172 agents et résultat moyen. - [Herbert H. Clark, & Susan E. Brennan. (1991). Grounding in Communication. Perspectives on Socially Shared Cognition.](https://doi.org/10.1037/10096-006) — Introduction et conclusion du chapitre consultées ; cadre conceptuel, pas mesure des chatbots. ## Documentation - [Gorgias — traitement des tickets](https://helpcenter.gorgias.com/en-US/handle-incoming-tickets-81832) — Tickets, notes internes, tags et champs. Clôture technique distincte de la résolution métier.