Intelligence artificielle et service client : qui a basculé

Klarna, SNCF Connect, Octopus Energy : ces entreprises ont introduit l’intelligence artificielle dans leur service client, avec des résultats publics et contrastés. L’une a même relancé ses embauches humaines après coup. Voici ce que ces trois trajectoires apprennent à une TPE alsacienne qui hésite encore à s’y mettre.

Ce que « basculer sur l’IA » recouvre vraiment

Le mot « bascule » cache trois réalités distinctes, et les confondre reste la première source de déception.

Premier niveau : l’assistance au conseiller. La machine lit le message entrant, retrouve l’historique du client, propose un brouillon de réponse. Un humain relit, corrige, envoie. Rien ne part sans validation.

Deuxième niveau : le tri automatique. La demande est qualifiée dès son arrivée, routée vers le bon interlocuteur, et les questions à réponse unique (horaires, suivi de commande, réinitialisation de mot de passe) reçoivent une réponse immédiate. Le reste remonte à l’équipe.

Troisième niveau : la résolution autonome. L’outil traite le dossier de bout en bout, décision comprise : remboursement, geste commercial, modification de contrat. Le niveau le plus spectaculaire, et de très loin le plus risqué.

Les entreprises qui font parler d’elles ont rarement sauté directement au troisième niveau. Elles ont empilé les couches sur deux ou trois ans, en gardant une issue humaine à chaque étage.

Côté français, le mouvement est réel mais jeune. Le baromètre France Num 2025, réalisé par le Crédoc pour la Direction générale des entreprises auprès de 11 021 entreprises répondantes, mesure que 26 % des TPE et PME utilisent une solution d’intelligence artificielle, contre 13 % un an plus tôt. Les chatbots et assistants virtuels concernent 14 % d’entre elles, en hausse de 9 points sur douze mois. Une entreprise sur sept : ni une vague, ni un épiphénomène.

Klarna : le cas d’école de l’intelligence artificielle en service client

Impossible de traiter le sujet sans passer par Klarna. La fintech suédoise du paiement fractionné a annoncé en février 2024 que son assistant conversationnel, construit avec OpenAI, traitait 2,3 millions de conversations par mois, soit deux tiers des échanges de son service client. L’entreprise chiffrait ce volume à l’équivalent de 700 agents à temps plein, sur 23 marchés et en 35 langues, avec une amélioration de résultat estimée à 40 millions de dollars sur l’exercice 2024.

Le message était limpide : la machine remplace, et vite. Klarna a gelé ses recrutements pendant un an.

Mai 2025, revirement. La fintech annonce relancer l’embauche d’agents humains pour son service client et abandonne le projet de tout automatiser. Le motif invoqué par sa direction : une qualité de service dégradée, en particulier sur les dossiers complexes et sur le canal téléphonique. Le pilote lancé dans la foulée repose sur des agents à distance, rémunérés selon leurs disponibilités.

Que retenir de cet aller-retour ? Les deux annonces sont vraies en même temps. L’automatisation a bien absorbé un volume énorme de demandes simples. Elle a échoué sur la fraction de dossiers où le client attend un arbitrage, une exception, une reconnaissance de tort. Le taux d’automatisation avait été érigé en objectif, alors qu’il n’est qu’une conséquence.

SNCF Connect et Octopus Energy : deux trajectoires plus sobres

Klarna fait du bruit parce que le rétropédalage est spectaculaire. Les recensements d’entreprises utilisant l’IA dans le service client alignent pourtant surtout des déploiements discrets, où la machine absorbe un périmètre précis sans jamais devenir le seul interlocuteur. Deux d’entre eux méritent un examen attentif.

SNCF Connect a outillé ses conseillers avant ses voyageurs

La plateforme de vente de billets a suivi l’ordre inverse de Klarna. Depuis avril 2024, un assistant génératif est intégré à la messagerie interne des 150 conseillers basés à Lille, Amiens et Poitiers : il prépare la réponse, le conseiller tranche et assume. Le chatbot destiné aux voyageurs n’est arrivé qu’en octobre 2024, d’abord en français, puis enrichi de nouvelles thématiques en janvier 2025. Il gère aujourd’hui environ 800 000 conversations mensuelles en autonomie, sur une plateforme qui a vendu 226 millions de billets en 2024. SNCF Connect a été élu Service Client de l’Année 2025 pendant ce déploiement.

La leçon est simple à transposer : outiller les humains d’abord, ouvrir la machine au public ensuite, une fois la base de réponses rodée en interne.

Octopus Energy a choisi l’écrit et un indicateur de satisfaction

Le fournisseur d’énergie britannique a branché l’intelligence artificielle sur le traitement des courriels clients. Son fondateur Greg Jackson a rendu publics deux indicateurs : les réponses assistées obtiennent 80 % de satisfaction, contre 65 % pour celles rédigées par des conseillers formés, et le volume traité équivaut au travail de 250 salariés. Le point remarquable n’est pas le volume, c’est le choix de la mesure. Octopus Energy a suivi la satisfaction mesurée, pas le taux de déviation.

Un canal écrit, un indicateur de qualité perçue, un périmètre clair : ces trois décisions expliquent l’écart de trajectoire avec Klarna bien mieux que la technologie employée, qui est comparable.

Le dénominateur commun des bascules qui tiennent

Ces entreprises n’ont ni le même secteur, ni la même taille, ni le même budget. Elles partagent pourtant cinq traits.

• Un périmètre étroit au démarrage : un canal, un type de demande, jamais « le service client » en bloc.
• Une sortie humaine accessible en un clic ou une phrase, jamais enterrée dans un menu.
• Un indicateur de qualité perçue suivi dès le premier jour, et pas seulement un taux de déviation.
• Une base de réponses écrite, à jour, alimentée par les vraies questions reçues.
• Un droit de retour en arrière assumé, comme Klarna l’a exercé publiquement, plutôt que de laisser la relation se dégrader.

Ce dernier point mérite d’être souligné. Un dispositif d’intelligence artificielle en relation client se pilote comme n’importe quelle automatisation de tâches répétitives : mesuré, borné, réversible. Le jour où les chiffres se dégradent, vous coupez, vous corrigez, vous relancez.

Les usages qui rapportent le plus, et qui ne se voient pas

Le chatbot posé sur la page d’accueil capte toute l’attention, alors qu’il constitue la partie la plus fragile du dispositif. Les gains les plus solides se logent en coulisses, là où le client ne perçoit rien de particulier.

SNCF Connect illustre bien ce déplacement : l’assistant a d’abord servi les 150 conseillers avant d’être ouvert aux voyageurs. Octopus Energy traite ses courriels avec un modèle qui rédige et fait valider. Aucun des deux dispositifs ne ressemble à une bulle de discussion clignotante en bas à droite de l’écran.

Six usages tiennent la route dans une structure de moins de vingt personnes :

• La rédaction assistée des réponses écrites, relue avant envoi. C’est l’usage le plus répandu : le baromètre France Num 2025 mesure que 22 % des TPE et PME emploient déjà une IA générative de texte, en progression de 12 points sur un an.
• Le résumé automatique d’un échange long avant transfert à un collègue, qui évite au client de tout réexpliquer depuis le début.
• La qualification et la priorisation des demandes entrantes selon leur motif et leur degré d’urgence.
• La traduction des messages reçus en langue étrangère, utile en Alsace pour une clientèle allemande ou suisse.
• La détection des messages au ton négatif, remontés en tête de file avant que le mécontentement ne se transforme en avis public.
• La production de la base de connaissance elle-même, à partir des échanges déjà traités et validés.

Ces six usages partagent une caractéristique décisive : ils renforcent la personne qui répond, sans jamais la remplacer face au client. Le risque juridique reste faible, l’obligation d’information de l’article 50 ne se déclenchant pas tant que le visiteur n’interagit pas directement avec le système. Le gain de temps, lui, se mesure dès le premier mois.

Ce que les clients français acceptent, et ce qu’ils refusent

Avant d’ouvrir un agent conversationnel sur votre site, regardez ce que dit le public. L’Observatoire des services clients 2025, mené par Ipsos bva pour l’Élection du Service Client de l’Année auprès de 5 000 personnes dans cinq pays européens entre le 25 août et le 7 septembre 2025, livre des chiffres sans ambiguïté :

• 90 % des Français préfèrent attendre plus longtemps pour parler à un conseiller humain plutôt qu’à un agent virtuel.
• 64 % refusent un conseiller assisté par IA, même quand l’échange promet d’être plus rapide.
• 31 % utilisent un chatbot, mais la moitié seulement s’en déclare satisfaite : c’est le canal le moins bien noté de tous.
• 72 % se sentent trompés lorsqu’ils apprennent après coup qu’ils dialoguaient avec une machine.

Ces résultats ne condamnent pas la technologie, ils la cadrent. Le rejet porte sur l’automatisation imposée et dissimulée, pas sur l’automatisation proposée et annoncée. Un client qui choisit le chatbot à 22 h pour vérifier une date de livraison ne vit pas du tout la même expérience qu’un client coincé dans une boucle automatique après trois tentatives d’appel.

La nuance touche directement votre réputation. Un parcours de contact mal calibré finit en avis public, et le lien entre expérience de service et gestion des avis clients se vérifie sur toutes les fiches d’établissement. Rares sont les dirigeants qui anticipent ce report.

Ce que la loi impose à partir du 2 août 2026

Le règlement européen sur l’intelligence artificielle rend son article 50 applicable au 2 août 2026. La règle tient en une phrase : toute personne qui interagit avec un système d’IA doit en être informée clairement, dès la première interaction, sauf si la situation rend l’information superflue. Une mention glissée dans les conditions générales ne remplit pas l’obligation. Les manquements à la transparence exposent à des sanctions pouvant atteindre 15 millions d’euros ou 3 % du chiffre d’affaires mondial.

La taille de l’entreprise ne crée aucune exemption générale. Un artisan qui installe un agent conversationnel sur son site vitrine est concerné au même titre qu’un grand compte, avec des sanctions calibrées sur son chiffre d’affaires.

Deux conséquences pratiques pour votre site :

• Le premier message du dispositif annonce sa nature, en clair, avant toute question posée au visiteur.
• Les contenus générés, réponses écrites comme messages vocaux de synthèse, relèvent des mêmes obligations d’information.

S’ajoute le RGPD, qui n’a pas bougé. Les échanges de service client contiennent des données personnelles, parfois sensibles : coordonnées, historique d’achat, litiges, éléments bancaires. Hébergement, durée de conservation, sous-traitance du modèle et localisation des serveurs se contractualisent noir sur blanc avec l’éditeur. Le sujet rejoint les bonnes pratiques de cybersécurité pour TPE-PME, qui conditionnent la solidité de l’ensemble du dispositif.

Par où démarre concrètement une TPE alsacienne

Aucune des entreprises citées ne ressemble à un artisan de Molsheim ou à une agence de dix personnes à Strasbourg. Leurs enseignements se transposent malgré tout, à condition d’attaquer par le bon bout.

1. Compter avant d’automatiser

Pendant deux semaines, notez chaque sollicitation entrante : canal, motif, temps de traitement, issue. Un simple tableur suffit. Le résultat est presque toujours identique dans une petite structure : trois à cinq motifs concentrent la majorité du volume. Ce sont eux, et eux seuls, la cible d’un premier dispositif. Automatiser une demande rare coûte plus cher en paramétrage et en maintenance que de la traiter à la main pendant dix ans.

2. Brancher l’outil sur une base de connaissance, pas sur le vide

Un agent conversationnel sans base de connaissance invente, avec aplomb. Les réponses aux motifs récurrents doivent être écrites, validées et datées avant toute mise en service. Ce corpus vit ensuite : chaque question restée sans réponse correcte devient une fiche à créer dans la semaine. Un CRM adapté à votre PME sert de socle naturel à cette étape, puisqu’il détient déjà l’historique client sur lequel l’outil doit s’appuyer pour personnaliser ses réponses.

3. Écrire la règle d’escalade avant la mise en ligne

La règle d’escalade définit le moment où la machine passe la main. Trois déclencheurs suffisent pour démarrer : le client la demande explicitement, la même question revient deux fois sans résolution, ou le sujet touche à l’argent (facturation, litige, remboursement, résiliation). Cette règle s’écrit avant l’ouverture au public, pas après le premier client mécontent.

Reste la compétence interne, trop souvent traitée en dernier. Un dispositif de ce type se relit, se corrige et s’enrichit chaque semaine. Sans montée en compétence de l’équipe qui l’exploite, l’outil se dégrade en quelques mois et finit débranché. La formation digitale des salariés sépare assez nettement les projets qui durent de ceux qui s’éteignent au bout d’un trimestre.

Quatre erreurs qui plombent le projet

Les échecs documentés se ressemblent beaucoup plus que les réussites. Quatre pièges reviennent systématiquement.

• Masquer la machine. Contraire au droit à compter d’août 2026, et destructeur de confiance selon l’Observatoire des services clients 2025.
• Piloter le taux d’automatisation. Klarna a fait de ce chiffre un objectif de pilotage. Il doit rester une conséquence de la qualité obtenue, jamais l’inverse.
• Ouvrir tous les canaux d’un coup. Le téléphone est le canal le plus exigeant, celui où l’oral, l’accent et l’émotion pardonnent le moins. Les déploiements qui tiennent commencent par l’écrit.
• Oublier la mise à jour. Une base figée produit des réponses fausses au bout de quelques mois, avec un coût de réparation très supérieur au gain initial.

Un cinquième piège, plus discret, mérite d’être cité : croire que l’outil réduit la charge dès la première semaine. Les trois premiers mois demandent au contraire du temps de supervision, de relecture et de correction. Le gain arrive après, quand la base de réponses couvre réellement le terrain.

Le premier chantier à lancer ce mois-ci

Prenez vos deux dernières semaines de messages entrants et classez-les par motif. Si un motif dépasse 30 % du volume et se traite avec une réponse stable, vous tenez votre premier périmètre. Rédigez la réponse de référence, écrivez la règle d’escalade, annoncez la nature du dispositif dès le premier message, puis ouvrez sur ce seul motif pendant un mois avant d’élargir quoi que ce soit.

Gartner prévoit qu’à l’horizon 2029, l’IA agentique résoudra seule 80 % des demandes courantes de service client, avec 30 % de coûts opérationnels en moins. Les entreprises qui y arriveront ne sont pas celles qui auront basculé le plus vite. Ce sont celles qui auront commencé petit, en 2026, sur un périmètre qu’elles maîtrisaient de bout en bout.