Automatisation & IA
Un chatbot générique invente quand il ne sait pas. Je construis pour votre PME un chatbot IA qui répond à partir de vos documents, cite ses sources, se connecte à vos outils et passe la main à un humain quand la question le dépasse.
Le constat
Elle dort dans une fiche produit, un PDF ou une procédure interne que personne ne retrouve à temps. Un chatbot IA bien construit va la chercher pour vous, et sait dire quand il ne sait pas.
Délais, tarifs, conditions : tout est déjà documenté.
Un arbre de choix figé, abandonné par les visiteurs.
Éparpillée entre le Drive, l'intranet et les boîtes mail.
Ce que je mets en place
Le chatbot ne vaut que ce que valent ses sources. Je commence par trier, nettoyer et structurer les documents sur lesquels il va s’appuyer.
Outils : Google Drive, Notion, SharePoint, site web, PDF
Le chatbot repose sur le RAG : il cherche les passages utiles dans vos documents avant de formuler sa réponse, au lieu de puiser dans la mémoire générale du modèle.
Outils : Claude, GPT, Mistral, base vectorielle
Un chatbot isolé renvoie le visiteur vers un formulaire. Connecté, il fait avancer la demande dans vos outils.
Outils : HubSpot, Pipedrive, Google Agenda, n8n, API
Un chatbot parle au nom de votre entreprise. Il doit savoir ce qu’il a le droit de dire, et vous devez savoir ce qu’il dit.
Méthode
Pas de mise en ligne à l’aveugle : le chatbot est testé sur les vraies questions de vos clients ou de vos équipes avant d’être ouvert à tous.
01
L’objectif : savoir à quoi le chatbot doit répondre, et à quoi il ne doit jamais répondre.
On rassemble les questions réellement posées (mails, tickets, appels) et les documents qui y répondent. On fixe le périmètre et les cas de relais vers un humain.
Livrable : la liste des questions couvertes, les sources retenues et les règles de réponse.
02
L’objectif : donner au chatbot une base de connaissance fiable.
Je nettoie et découpe vos documents, puis je construis l’index de recherche et sa mise à jour automatique.
Livrable : une base de connaissance indexée, à jour et documentée.
03
L’objectif : vérifier les réponses avant vos clients.
Je construis le chatbot et ses connexions, puis on le teste sur un jeu de questions réelles, y compris des questions pièges et hors sujet.
Livrable : un chatbot validé sur vos cas réels, avec ses garde-fous.
04
L’objectif : améliorer le chatbot à partir de ce que demandent vraiment les utilisateurs.
Mise en ligne progressive, tableau de suivi des conversations et passation à vos équipes pour enrichir les sources.
Livrable : un chatbot en production que vous savez faire évoluer.
Votre consultante IA
Data engineer et architecte IA : je sais qu’un chatbot fiable se joue d’abord sur la qualité des documents qu’on lui donne.
Sources triées, à jour et indexées avant la première conversation.
Du cadrage à la mise en ligne, sans intermédiaire.
Périmètre, relais humain et données personnelles pensés au départ.
Sources, règles et suivi documentés : vous gardez la main.
Les trois approches mettent une fenêtre de conversation sur votre site. Elles diffèrent par la façon dont les réponses sont produites, par le contrôle que vous gardez et par leur capacité à s’adapter à vos outils.
| Critère | Chatbot IA sur mesure (RAG) | Chatbot à scénarios | Chatbot IA clé en main (SaaS) |
|---|---|---|---|
| Origine des réponses | Vos documents, recherchés à chaque question | Des réponses écrites à l’avance, branche par branche | Vos documents chargés dans l’outil, selon ses réglages |
| Questions formulées autrement | Comprises, même avec d’autres mots | Hors du script, le visiteur tourne en rond | Comprises, dans les limites de l’outil |
| Connexion à vos outils | CRM, agenda, base de connaissance, via API ou n8n | Souvent limitée à un formulaire ou un e-mail | Selon les intégrations proposées par l’éditeur |
| Contrôle des données | Choix du modèle et de l’hébergement avec vous | Simple, peu de données traitées | Dépend de l’éditeur et de son hébergement |
| Mise à jour | Automatique quand un document source change | Manuelle, à chaque nouvelle question | Rechargement des documents dans l’outil |
| Cas idéal | Questions variées, documentation riche, besoin de connexion aux outils | Peu de questions, toujours les mêmes | Besoin standard, mise en place rapide, peu d’intégration |
Sommaire
C’est un assistant conversationnel construit autour d’un modèle de langage (LLM), mais alimenté par les connaissances de votre entreprise plutôt que par la seule culture générale du modèle. Il répond en langage naturel, comprend une question posée avec d’autres mots que ceux de votre FAQ, et s’exprime avec votre vocabulaire. « Personnalisé » ne veut pas dire « entraîné de zéro » : dans la grande majorité des projets, on ne réentraîne pas le modèle, on lui donne accès aux bons documents au bon moment. C’est plus simple à maintenir, et une mise à jour de vos documents se reflète tout de suite dans les réponses.
La technique s’appelle le RAG, pour génération augmentée par la recherche. Vos documents sont découpés en passages et indexés. À chaque question, le système retrouve les passages les plus proches, puis demande au modèle de rédiger une réponse en s’appuyant uniquement sur eux, avec la référence du document. Si aucun passage pertinent n’est trouvé, la consigne est claire : le chatbot le dit et propose un contact humain, au lieu d’improviser. La qualité des réponses dépend donc d’abord de la qualité des sources : une procédure périmée ou deux versions contradictoires d’une même fiche produisent des réponses fausses, quel que soit le modèle utilisé.
Le chatbot public, sur votre site, répond aux prospects et aux clients : délais, conditions, fonctionnement d’un produit, prise de rendez-vous. Il n’a accès qu’à des informations publiables et doit être très encadré sur ce qu’il promet. Le chatbot interne s’adresse à vos équipes : procédures, documentation technique, règles RH, historique d’un dossier. Il peut consulter des sources confidentielles, à condition de respecter les droits d’accès de chacun : un salarié ne doit pas obtenir par le chatbot un document qu’il ne pourrait pas ouvrir lui-même. Les deux projets partagent la même technique, pas les mêmes exigences.
Le chatbot converse : il informe, oriente, enregistre une demande et peut réaliser quelques actions simples et encadrées, comme créer un contact ou proposer un créneau. Dès que l’outil doit enchaîner seul plusieurs décisions dans vos logiciels, on entre dans le champ des agents IA, qui demandent d’autres garde-fous. Beaucoup de projets commencent par un chatbot, puis lui confient des actions au fil de la confiance acquise.
Un chatbot traite souvent des données personnelles : un nom, un e-mail, parfois le contenu d’une demande. Il faut donc informer l’utilisateur qu’il échange avec une IA, lui indiquer l’usage fait de ses données, limiter la collecte au nécessaire et fixer une durée de conservation des conversations. Le choix du fournisseur de modèle compte aussi : localisation de l’hébergement, conditions d’utilisation des données envoyées, possibilité d’un modèle européen ou hébergé chez vous. Ces choix se font avec vous et, si vous en avez un, avec votre DPO.
On suit quelques indicateurs simples dans un tableau de bord : le volume de conversations, la part de questions résolues sans intervention, les questions restées sans réponse et les passages à un humain. Les questions sans réponse sont les plus précieuses : elles montrent les documents qui manquent. On les relit régulièrement, on complète les sources, et le chatbot progresse sans toucher au code.
FAQ
Le risque existe avec tout modèle de langage, c’est pourquoi il est encadré. Le chatbot ne répond qu’à partir des passages retrouvés dans vos documents, cite sa source et a pour consigne de dire qu’il ne sait pas plutôt que d’improviser. Les tests sur vos vraies questions, puis le suivi des conversations, permettent de repérer et corriger les réponses fragiles.
Non, dans la plupart des cas. Le chatbot s’appuie sur un modèle existant et va chercher l’information dans vos documents au moment de répondre. Cette approche coûte moins cher qu’un réentraînement, se met à jour dès qu’un document change et permet de vérifier d’où vient chaque réponse.
Sur la plupart des contenus texte : pages du site, fiches produits, FAQ, CGV, procédures, PDF, documents Google Drive, Notion ou SharePoint. Les tableaux et documents scannés demandent un traitement préalable. On fait le tri ensemble pendant le cadrage, pour écarter les versions obsolètes.
Oui. Le chatbot peut créer ou mettre à jour un contact dans votre CRM, proposer un créneau dans votre agenda ou transmettre une demande qualifiée à la bonne personne. Ces connexions passent par les API de vos outils, souvent orchestrées avec n8n. Chaque action autorisée est définie à l’avance.
On définit ensemble les situations qui déclenchent le relais : question hors périmètre, réclamation, demande sensible ou simple demande du visiteur. La conversation est alors transmise à un membre de votre équipe, par e-mail, Slack ou dans votre CRM, avec son historique pour éviter au client de tout répéter.
Cela dépend du modèle et de l’hébergement retenus, que l’on choisit ensemble selon la sensibilité de vos données. Il est possible de privilégier un fournisseur européen ou un hébergement sur votre infrastructure. Dans tous les cas, la collecte est limitée au nécessaire et la durée de conservation des échanges est fixée dès le départ.
Oui. L’essentiel de la maintenance consiste à faire évoluer les documents sources, et l’index se met à jour automatiquement quand ils changent. Vous recevez une documentation des règles de réponse et du tableau de suivi, pour repérer les questions sans réponse et compléter vos contenus sans moi.
Quand l'IA doit agir dans vos outils
Adopter l'IA pas à pas
Connecter le chatbot à vos outils
De la signature au premier livrable
Échangeons 30 minutes sur les questions que vous recevez le plus souvent. Vous repartez avec un périmètre clair : ce que votre chatbot doit savoir, et à qui il passe la main.
