IA et expérience client : répondre plus vite ne suffit pas à mieux servir

IA et expérience client : répondre plus vite ne suffit pas à mieux servir

Un chatbot répond en quelques secondes. Le temps d'attente baisse, le coût par contact aussi et une partie des demandes ne rejoint plus les conseillers. Sur le tableau de bord, l'expérience client vient de progresser.

Il reste pourtant une question beaucoup plus simple : le problème du client a-t-il réellement été résolu ?

Le dossier de recherche utilisé pour cet article montre que l'IA peut améliorer l'expérience, mais que son intérêt dépend moins de sa capacité à converser que du rôle qu'on lui donne. Les requêtes simples, réversibles et bien documentées se prêtent assez bien à l'automatisation. Les litiges, exceptions et situations émotionnelles beaucoup moins.

Le mauvais indicateur est souvent celui qui remonte le mieux

Temps de première réponse, durée moyenne de traitement, taux de déflexion ou nombre de conversations automatisées sont faciles à mesurer parce que l'outil les connaît directement. Ils disent pourtant surtout ce qui s'est passé dans l'interface.

Le client, lui, vit un parcours. Une session fermée n'est pas forcément un problème résolu. Une absence de relance dans le même canal ne signifie pas qu'il n'a pas téléphoné ensuite, envoyé un e-mail ou simplement abandonné.

Le déplacement paraît mineur, il change pourtant la question : au lieu de mesurer uniquement combien coûte un contact, il faut mesurer combien coûte la résolution complète d'un problème.

Une automatisation peut accélérer une étape tout en créant un coût de correction plus loin dans la chaîne. Sur la relation client, ce coût est payé à la fois par l'entreprise et par l'utilisateur, en temps, en attention et parfois en confiance.

Le résultat le plus solide concerne le conseiller augmenté

L'une des études les plus utiles pour sortir du débat "humain contre chatbot" est celle d'Erik Brynjolfsson, Danielle Li et Lindsey Raymond, publiée en 2025 dans The Quarterly Journal of Economics. Les chercheurs ont étudié le déploiement progressif d'un assistant génératif auprès de 5 172 agents de support client.

L'outil ne remplaçait pas le conseiller. Il observait la conversation et proposait des réponses que l'agent restait libre d'adopter ou de modifier.

Dans la version publiée, l'accès à l'assistant augmente de 15 % en moyenne le nombre de problèmes résolus par heure. Les agents les moins expérimentés progressent davantage, avec environ 30 % de problèmes résolus en plus par heure, tandis que les meilleurs profils bénéficient peu de l'outil et montrent même une légère baisse de qualité sur certaines conversations.

Le résultat le plus intéressant côté client est que les usagers deviennent plus polis et demandent moins souvent à parler à un responsable. Dans ce contexte précis, l'IA semble donc aider le professionnel à mieux conduire l'échange.

Cette étude concerne une seule organisation et un système donné. Elle ne prouve pas que tous les copilotes améliorent tous les services clients. Elle documente néanmoins un mécanisme solide : la machine restitue une partie des bonnes pratiques, tandis que l'humain conserve la conversation et l'arbitrage.

C'est aussi pourquoi le sujet rejoint celui de l'AI Brain Fry : ajouter une IA n'aide que si elle retire réellement de la charge au professionnel au lieu de lui imposer une nouvelle couche de surveillance.

Klarna montre surtout que le choix n'est pas binaire

Klarna est devenu l'un des cas les plus cités du service client automatisé. En février 2024, l'entreprise annonçait que son assistant IA avait traité 2,3 millions de conversations en un mois, soit les deux tiers de ses chats de support. Selon ses propres données, le temps moyen de résolution était passé d'environ onze minutes à moins de deux minutes et les demandes répétées avaient diminué de 25 %.

Ces chiffres restent des métriques internes publiées par l'entreprise, pas un essai indépendant.

Le recul est néanmoins instructif. Dans son dépôt réglementaire américain portant sur 2025, Klarna indique que l'assistant a traité 80 % des conversations de service client, sans baisse déclarée de satisfaction. L'entreprise précise aussi qu'elle continue à proposer à tous ses clients la possibilité d'échanger avec un représentant humain et qualifie son modèle de "dual-track approach".

Le cas est donc plus intéressant que le récit d'un remplacement total : une automatisation très poussée peut coexister avec un accès humain lorsque l'organisation reconnaît que tous les problèmes ne se prêtent pas au même canal.

Humaniser le bot peut augmenter la déception

Une intuition fréquente consiste à rendre l'agent automatisé plus chaleureux : prénom, avatar, excuses et tournures empathiques. Les travaux de Cammy Crolic, Felipe Thomaz, Rhonda Hadi et Andrew Stephen, publiés dans le Journal of Marketing, montrent pourquoi cette approche peut se retourner contre l'entreprise.

À travers cinq études, les auteurs observent que lorsque les clients arrivent déjà en colère, l'anthropomorphisme du chatbot réduit leur satisfaction, leur évaluation de l'entreprise et leur intention d'achat.

Le mécanisme tient aux attentes. Plus le bot ressemble à une personne, plus l'utilisateur lui attribue une capacité de compréhension. Lorsque cette capacité n'est pas au rendez-vous, le décalage devient plus irritant qu'avec une interface qui se présente clairement comme un outil.

Un "je comprends votre frustration" répété par un système incapable de sortir d'une boucle peut aggraver précisément la frustration qu'il prétend reconnaître.

La transparence n'est plus seulement un choix de design

En 2019, Xueming Luo, Siliang Tong, Zheng Fang et Zhe Qu ont mené une expérience de terrain sur plus de 6 200 clients recevant des appels commerciaux structurés. Les chatbots non déclarés obtenaient des résultats comparables aux vendeurs expérimentés, mais annoncer avant la conversation que l'interlocuteur était une IA faisait chuter les achats de plus de 79,7 %.

Ce résultat est réel, mais il concerne la vente sortante en 2019, pas l'ensemble du service client. Surtout, il ne peut pas servir aujourd'hui d'argument en faveur de la dissimulation.

Dans l'Union européenne, l'article 50 du règlement sur l'IA impose que les systèmes destinés à interagir directement avec des personnes soient conçus pour les informer qu'elles interagissent avec une IA, sauf lorsque cela est évident. L'information doit être fournie au plus tard lors de la première interaction.

Ces obligations de transparence ne doivent pas être confondues avec certaines obligations applicables aux systèmes à haut risque de l'annexe III, reportées au 2 décembre 2027 par le règlement (UE) 2026/1744. J'ai détaillé cette évolution dans AI Act 2026-2028 : le calendrier ne suffit plus.

Pour l'expérience client, la conséquence est simple : la confiance ne peut plus être optimisée en faisant croire que le robot est une personne.

Une mauvaise réponse instantanée reste une mauvaise réponse

L'affaire Moffatt v. Air Canada illustre brutalement la différence entre fluidité et résolution. En 2022, le chatbot d'Air Canada a indiqué à un voyageur qu'il pouvait demander rétroactivement un tarif de deuil après son déplacement. L'information était contraire à la politique publiée ailleurs sur le site.

En février 2024, le Civil Resolution Tribunal de Colombie-Britannique a retenu la responsabilité d'Air Canada pour déclaration négligente et rejeté l'idée selon laquelle le chatbot pourrait être traité comme une entité séparée de l'entreprise.

Il faut rester précis : il s'agit d'une décision canadienne dans un litige déterminé, pas d'une règle universelle applicable automatiquement dans toutes les juridictions.

Mais le mécanisme dépasse ce dossier. Pour le client, une information fausse reste une information fournie par le service qu'il consulte. Une interface conversationnelle doit donc savoir non seulement répondre, mais également quand elle ne doit pas répondre seule.

Le meilleur parcours n'utilise pas la même IA partout

Les résultats examinés permettent de construire une grille simple, qui n'est pas une norme scientifique mais une synthèse opérationnelle :

Le bon objectif n'est donc pas le taux d'automatisation maximal. Il consiste à choisir l'endroit où l'automatisation retire réellement une friction.

Suivre un colis, retrouver une facture ou réinitialiser un accès ne justifie pas forcément plusieurs minutes d'attente humaine. Contester un prélèvement, régler un sinistre grave ou expliquer une exception contractuelle demande autre chose qu'une reconnaissance d'intention.

La continuité compte également. Une IA peut aider un conseiller à retrouver rapidement l'historique, mais une mauvaise synthèse peut devenir une erreur persistante reprise par tous les interlocuteurs suivants. C'est le même problème que celui exploré dans Divinexa et la mémoire d'une relation avec l'IA : se souvenir n'a de valeur que si l'information conservée reste compréhensible, corrigeable et suffisamment fiable.

Mesurer le problème résolu, pas la conversation évitée

Avant un déploiement, je suivrais moins le volume automatisé que le parcours complet : temps jusqu'à la résolution réelle, nombre de contacts nécessaires, taux de réouverture, erreurs nécessitant une correction humaine, délai d'accès à un conseiller lorsqu'il est demandé et effort déclaré par le client.

Il faut surtout observer les abandons. Un client qui cesse de parler au bot peut avoir obtenu sa réponse. Il peut aussi être parti chercher un numéro de téléphone ou changer de fournisseur. Sans observation de la suite du parcours, les deux situations produisent le même événement technique : une session terminée.

Cette façon de mesurer rejoint une règle plus générale de l'intelligence économique et de la veille : accumuler des indicateurs ne suffit pas si l'on ne sait pas quelle décision ils doivent éclairer.

La bonne question n'est donc pas "combien de contacts avons-nous automatisés ?", mais "combien de clients ont obtenu ce qu'ils venaient chercher avec moins d'effort qu'avant ?"

Ce que l'on ne peut pas conclure

Les études restent hétérogènes. Le travail de Brynjolfsson, Li et Raymond est solide, mais porte sur une organisation et une IA d'assistance. Les résultats de Crolic et ses collègues concernent particulièrement les clients en colère et l'anthropomorphisme. L'étude de Luo porte sur des appels commerciaux sortants et précède les assistants génératifs actuels.

Les chiffres de Klarna sont des données opérationnelles désormais reprises dans des documents déposés auprès de la SEC, mais les mesures de satisfaction et de qualité restent produites par l'entreprise elle-même.

Enfin, la décision Air Canada ne permet pas de conclure que toute erreur de chatbot entraîne automatiquement la responsabilité d'une entreprise partout dans le monde.

L'état de l'art permet donc d'identifier des mécanismes robustes et plusieurs résultats solides. Il ne permet pas d'attribuer un pourcentage universel d'amélioration de "l'expérience client par l'IA".

Ma lecture

Oui, l'IA peut améliorer l'expérience client. Mais elle semble apporter le plus de valeur lorsqu'elle fait disparaître une tâche inutile plutôt que lorsqu'elle cherche à faire disparaître l'humain.

Elle est forte pour retrouver, classer, traduire, résumer, préparer et exécuter rapidement des actes simples. Elle peut aussi rendre un conseiller débutant sensiblement meilleur. En revanche, plus une interaction devient ambiguë, émotionnelle, conflictuelle ou lourde de conséquences, plus la valeur se déplace vers la capacité à comprendre une exception, assumer une décision et réparer une erreur.

Le paradoxe est presque banal : l'entreprise qui veut "augmenter l'expérience client" avec l'IA peut finir par optimiser surtout son propre coût de contact.

Le meilleur indicateur est peut-être le plus simple : après l'introduction de l'IA, le client doit-il faire moins de travail qu'avant pour obtenir une solution correcte ?

Si la réponse est non, le reste est surtout une belle automatisation.

Pour aller plus loin

• AI Act 2026-2028 : le calendrier ne suffit plus, place à la gouvernance des usages
• AI Brain Fry : quand la supervision des IA nous grille le cerveau
• Divinexa : quand la mémoire change la relation entre l'IA et la consultation
• Intelligence économique et veille : du signal à la décision