Une entreprise de services nous a montré son chatbot, installé depuis un an sur son site. Il répondait correctement aux horaires, aux tarifs et aux conditions de résiliation. Puis nous avons relu les conversations. Une sur deux finissait par la même phrase : « merci d'écrire à notre service client ». Le client voulait décaler un rendez-vous, connaître le statut d'un dossier, modifier une adresse. Le chatbot savait en parler. Il ne pouvait rien faire.
Ce n'était pas un mauvais chatbot. C'était un chatbot à qui on demandait un travail d'agent. Toute la question du chatbot d'entreprise est là : savoir si vos utilisateurs viennent chercher une information ou faire faire une action. Voici comment le savoir avant d'acheter quoi que ce soit, ce que chaque montage permet, et ce qu'il coûte.
Chatbot entreprise : trois produits différents sous le même mot
Quand une entreprise dit « il nous faut un chatbot », elle peut parler de trois choses qui n'ont ni le même prix, ni les mêmes risques.
Le chatbot à scénario
Des boutons, des arbres de questions, des réponses écrites d'avance. L'utilisateur clique sur « suivre ma commande », puis sur « je n'ai pas reçu mon colis », et reçoit le paragraphe prévu. Il n'y a pas de modèle de langage. C'est prévisible, peu coûteux, et ça couvre bien une dizaine de demandes stables. Le jour où la demande sort des boutons, il n'a rien à dire.
Le chatbot IA branché sur vos documents
Un modèle comme Claude, GPT ou Mistral, à qui on donne accès à votre base de connaissance : FAQ, conditions générales, fiches produit, procédures. Il comprend une question formulée librement, cherche le passage pertinent et rédige une réponse. Techniquement, c'est souvent un montage de recherche documentaire, appelé RAG : on retrouve d'abord les extraits utiles, puis le modèle répond à partir d'eux.
Il lit, il rédige. Il ne modifie rien dans vos systèmes.
L'agent conversationnel qui agit dans vos outils
La même interface de discussion, mais derrière, le modèle dispose d'outils : lire la fiche du client dans le CRM, consulter une commande, proposer un créneau dans l'agenda, créer un ticket, enregistrer un changement d'adresse. Il décide lesquels appeler selon la demande. Ce n'est plus un chatbot au sens strict, c'est un agent IA avec une fenêtre de conversation devant.
La différence entre les deux derniers ne se voit pas à l'écran. Elle se voit dans ce qui a changé dans vos systèmes une fois la conversation terminée.
Quand un chatbot suffit
Un chatbot, à scénario ou branché sur vos documents, fait très bien son travail quand trois conditions sont réunies.
La réponse est la même pour tout le monde. Horaires, délais de livraison, politique de retour, documents à fournir pour un dossier, procédure de demande de congés. Rien ne dépend de qui pose la question.
La documentation existe et elle est tenue à jour. Un chatbot IA ne vaut que ce que vaut sa base. Si la procédure n'a jamais été écrite, il comble le trou, et il le comble mal. Dans la plupart des projets que nous cadrons, la remise à plat des contenus représente une part plus lourde que le branchement du modèle.
La conversation peut s'arrêter sur une réponse. L'utilisateur repart avec une information et n'a rien demandé d'autre. Personne n'a besoin de faire quoi que ce soit derrière.
Deux usages remplissent presque toujours ces conditions.
- Le chatbot de site en avant-vente. Il répond aux questions sur l'offre, les tarifs publics, les zones d'intervention, et oriente vers une prise de rendez-vous. Sa seule action est un lien.
- L'assistant interne sur la documentation. Règlement intérieur, mutuelle, notes de frais, procédures informatiques. Il remplace la boîte mail partagée que les RH ou l'IT dépouillent chaque matin.
Dans ces deux cas, construire un agent serait du gaspillage. Vous paieriez des accès, des garde-fous et de la supervision pour un besoin qui n'en demande pas.
Quand il faut un agent qui agit dans les outils
Le basculement se repère à la lecture des conversations, pas dans un cahier des charges. Trois signes le disent.
La réponse dépend de la personne. « Où en est ma commande ? », « quand est mon prochain passage ? », « ma facture est-elle réglée ? ». Aucune documentation ne contient la réponse. Elle est dans votre outil de gestion, sur la ligne de ce client-là. Un chatbot documentaire ne peut que dire « connectez-vous à votre espace ».
La demande se termine par un verbe. Décaler, annuler, modifier, réserver, rembourser. L'utilisateur ne veut pas savoir comment on fait, il veut que ce soit fait. Si le chatbot répond par la procédure, il renvoie le travail au client ou à votre équipe.
Votre équipe recopie ce que le chatbot a recueilli. Le chatbot prend le nom, le numéro de dossier, le motif, puis envoie un mail. Quelqu'un ouvre ce mail et ressaisit tout dans le CRM. Vous avez automatisé la moitié du chemin, et la moitié la moins coûteuse.
Dans ces situations, le bon montage est un agent : le modèle garde la conversation, et il appelle des outils précis pour lire et écrire dans vos systèmes. La frontière entre ce qui mérite un agent et ce qui se règle avec un workflow à règles est détaillée dans notre article sur l'IA agentique face à une automatisation à règles. Elle s'applique telle quelle au chatbot.
Le test des deux cents conversations
Le débat chatbot ou agent se tranche avec vos propres données, en une demi-journée.
Exportez les deux cents dernières demandes reçues sur le canal visé : formulaire de contact, chat existant, boîte mail du support, messages WhatsApp. Lisez-les et rangez chacune dans une des trois colonnes.
- Information générale. La réponse est la même pour tout le monde et elle existe quelque part par écrit.
- Information personnelle. La réponse dépend du client et se trouve dans un de vos outils.
- Action. Le client veut qu'on modifie, crée ou annule quelque chose.
Puis regardez les proportions.
- La première colonne domine nettement : un chatbot branché sur vos documents suffit. Commencez par remettre la base de connaissance en état.
- La deuxième colonne pèse lourd : il faut au minimum un accès en lecture à vos systèmes. C'est déjà un agent, mais un agent qui ne modifie rien, donc à risque faible.
- La troisième colonne est importante : c'est là que se trouve le temps gagné. C'est aussi là que se trouvent les risques, et c'est un projet d'agent à part entière.
Notez au passage les demandes que personne ne voudrait confier à une machine : litiges, réclamations, clients en colère. Elles définissent le périmètre de l'escalade avant même la première ligne de configuration.
Le même besoin, trois montages
Prenons une demande banale pour une entreprise d'intervention à domicile : « je ne serai pas là jeudi, on peut décaler ? ».
Avec un chatbot à scénario, l'utilisateur cherche le bouton « modifier un rendez-vous » et reçoit un numéro de téléphone. Le travail reste entier pour votre équipe.
Avec un chatbot IA sur vos documents, il obtient une réponse bien rédigée : les conditions de report, le délai de prévenance, le lien vers le formulaire. C'est mieux. Le travail reste entier quand même.
Avec un agent, la séquence ressemble à ceci :
- Il identifie le client, par exemple par le numéro de téléphone ou un code envoyé par SMS.
- Il lit le rendez-vous de jeudi dans l'outil de planification.
- Il interroge les disponibilités du technicien concerné sur les jours suivants.
- Il propose trois créneaux.
- Le client choisit, l'agent écrit le nouveau créneau, libère l'ancien et envoie la confirmation.
- Si le report tombe hors délai et entraîne des frais, il ne tranche pas : il escalade vers un conseiller avec le dossier déjà préparé.
Le montage technique tient souvent dans un workflow n8n : le canal de discussion déclenche le workflow, le modèle reçoit la conversation et une liste d'outils, chaque outil est un appel d'API vers l'agenda ou le CRM. Les trois façons de brancher un agent sur vos outils existants, et les accès à cadrer pour chacune, sont détaillées à part.
Assistant IA pour entreprise : interne ou face aux clients
Les mêmes questions se posent pour un assistant interne, mais pas avec le même poids.
Face aux clients, chaque erreur se voit de l'extérieur. Une réponse inventée sur un délai de rétractation ou un remboursement promis à tort engage l'entreprise. Le périmètre doit être étroit, les refus explicites, et l'escalade rapide.
En interne, l'utilisateur est un salarié qui connaît le contexte et repère une réponse fausse. On peut se permettre un périmètre plus large et un assistant plus bavard. La vraie question devient celle des droits : un assistant branché sur le Drive de l'entreprise ne doit pas montrer à un commercial la grille des salaires sous prétexte qu'elle y traîne. Il hérite des droits de la personne qui l'interroge, ou il n'accède qu'aux dossiers ouverts à tous.
Pour beaucoup de besoins internes simples, une offre entreprise d'un assistant généraliste, avec des documents de référence et des instructions permanentes, fait l'affaire sans rien construire. Le sur mesure se justifie quand l'assistant doit agir dans les outils, ou tourner sur un flux sans qu'un salarié ouvre la conversation.
Ce que coûte chaque montage
Nous ne donnerons pas de prix catalogue : il n'en existe pas d'honnête. En revanche, la structure de coût diffère nettement d'un montage à l'autre.
Le chatbot à scénario coûte surtout du temps d'écriture des parcours, puis un abonnement à l'outil. Pas de facture variable.
Le chatbot IA sur documents ajoute deux lignes : la préparation des contenus, et la facture d'inférence. Celle-ci se calcule simplement : nombre de conversations par mois, multiplié par le nombre moyen de messages, multiplié par le volume de texte envoyé au modèle à chaque message, c'est-à-dire la question, les extraits retrouvés et l'historique. Ce dernier terme grossit à chaque tour de conversation, et c'est lui qui surprend.
L'agent ajoute tout ce qui rend l'action sûre : les outils écrits pour vos systèmes, l'authentification du client, les journaux de chaque appel, les plafonds, la file d'escalade et la personne qui la traite. C'est là que se trouve l'essentiel du budget, bien plus que dans le modèle.
Le calcul de rentabilité se fait sur la colonne « action » du test précédent : volume mensuel, multiplié par les minutes que chaque demande coûte aujourd'hui à votre équipe, multiplié par la part que l'agent traitera de bout en bout. Si le résultat se compte en heures par mois, restez sur un chatbot. S'il se compte en jours, l'agent se discute.
Ce qui fait déraper un chatbot d'entreprise
Les projets qui tournent mal se ressemblent. Six causes reviennent.
- Un modèle sans consigne de refus. S'il ne trouve pas la réponse dans vos documents, il doit le dire et proposer un humain. Sans cette consigne, il complète avec des généralités plausibles.
- Une base de connaissance périmée. L'ancienne grille tarifaire oubliée dans un dossier sera citée avec la même assurance que la nouvelle.
- Aucune identification avant les données personnelles. Un agent qui donne le statut d'une commande à quiconque cite un numéro de commande est une fuite de données.
- Des outils trop puissants. Un outil « modifier la fiche client » qui accepte n'importe quel champ ouvre la porte à des modifications que personne n'a voulues. Chaque outil fait une chose, avec des paramètres bornés.
- Pas de transparence. Dites clairement à l'utilisateur qu'il échange avec un assistant automatisé, et donnez-lui un moyen visible de joindre une personne.
- Personne ne relit les conversations. Un chatbot se dégrade sans bruit. Une heure par semaine à lire un échantillon de conversations, avec trois chiffres suivis — taux d'escalade, taux de demandes résolues, demandes sans réponse — suffit à voir la dérive avant les clients.
Par où commencer
Faites le test des deux cents conversations avant de regarder le moindre outil. Il vous dira si vous cherchez un chatbot, un agent en lecture seule, ou un agent qui écrit dans vos systèmes. Choisissez ensuite une seule famille de demandes, la plus fréquente de la colonne la plus lourde, et montez le dispositif sur elle seule. L'élargissement viendra quand elle sera mesurée.
Si la colonne « action » l'emporte, c'est exactement le cadrage que nous faisons sur nos agents IA sur mesure : les conversations réelles, la tâche en une phrase, les outils minimum, puis un mois en mode proposition avant de laisser l'agent écrire seul. Et si le test montre qu'un bon chatbot documentaire suffit, nous vous le dirons aussi.
