Les demandes au service client augmentent, les équipes passent trop de temps sur des tâches répétitives ou le site ne convertit pas comme prévu. En réunion, la même question finit presque toujours par arriver : « Et si on rajoutait de l’IA ? ». Cette question vous vous la posez peut-être – et c’est normal – elle est devenue un réflexe pour de nombreuses organisations. Mais attention à ce que la solution ne soit pas choisie avant que le problème n’ait été clairement formulé.
Les outils d’IA sont aujourd’hui accessibles à presque toutes les organisations, souvent sans développement spécifique. C’est une vraie opportunité mais aussi un risque : celui de tenter de traiter des symptômes avec l’IA sans en traiter les causes. Dans ce cas, comment distinguer un problème qui relève bien de l’IA d’un problème qui relève de l’organisation, des contenus ou du parcours ? Que risque-t-on à déployer une IA au mauvais endroit ?
Dans cet article, découvrez comment reconnaître un problème qui relève vraiment de l’IA, dans quelles situations l’IA ne pourra rien résoudre et comment savoir si votre problème mérite vraiment de l’IA.
À quels problèmes l’IA répond-elle réellement ?
L’IA apporte une valeur réelle lorsqu’il faut traiter un grand volume d’informations non structurées, reconnaître des formulations très variées, résumer, classer ou produire une première version d’un contenu. C’est un outil formidable et aucune organisation n’a intérêt à passer à côté, à condition de l’appliquer aux bons problèmes.
Sur un parcours numérique, l’IA peut par exemple :
| Le problème | Solution proposée par l’IA | Les limites de l’IA |
|---|---|---|
| Le service client reçoit chaque jour des centaines de messages sur des sujets très variés, traités dans l’ordre d’arrivée. | Trier et orienter chaque demande vers le bon interlocuteur. |
|
| Les utilisateurs ne trouvent pas leur réponse dans une base d’aide de plusieurs centaines de pages, rédigée avec le vocabulaire de l’organisation. | Permettre aux utilisateurs de chercher avec leurs propres mots. | L’IA ne répond pas mieux que les contenus déjà existants. Pire, si elle est mal cadrée, elle peut produire ses propres réponses, qui risquent de contredire la politique de l’organisation. |
| Un conseiller reprend un dossier au long historique d’échanges et doit faire répéter l’utilisateur. | Résumer l’historique avant la prise de contact. | Si l’IA n’est déployée que sur une partie du dispositif, elle peut omettre des points de contact : un utilisateur qui a surtout relancé via les réseaux sociaux, ou des appels téléphoniques sans retranscription. |
| Des milliers d’avis, de messages ou de réponses à un questionnaire restent inexploités faute de temps pour les lire. | Repérer les irritants récurrents, les tendances et les grands axes. | L’IA identifie de grands axes, mais ne peut pas en identifier les causes. |
| Des fiches, pages d’information ou contenus multilingues doivent être produits ou mis à jour en volume. | Proposer une première version à relire et valider. | L’IA peut produire des erreurs plausibles, difficiles à repérer sans expertise métier. La solution : un expert métier assisté par l’IA. |
Automatisation et IA ne sont pas synonymes. Un formulaire conditionnel, un arbre de décision ou une réponse automatique déclenchée par un mot-clé automatisent un parcours sans recourir à l’IA. Lorsque les règles sont stables et connues, les solutions d’automatisation sont souvent plus fiables, plus prévisibles et plus simples à maintenir.
Quels problèmes l’IA ne peut-elle pas résoudre ?
L’information introuvable ou contradictoire
Lorsque les utilisateurs ne trouvent pas une information, le réflexe consiste parfois à ajouter un assistant capable de « répondre à toutes les questions ». Or, un assistant génératif s’appuie sur les contenus existants. Si ces contenus sont incomplets, obsolètes ou contradictoires, l’IA les reformule sans les corriger. Le problème ne relève pas de l’IA mais du contenu dans l’éco-système de l’organisation qui n’est pas cohérent (Voir également la dette de cohérence numérique).
Sur le site Ameli, l’assistant IA ne parvient pas à répondre à la question posée, car la base documentaire sur laquelle il s’appuie ne couvre pas cette situation particulière. Plutôt que de proposer une alternative, il invite l’utilisateur à reformuler sa question : la difficulté est renvoyée vers l’utilisateur.
Une organisation constate que ses usagers appellent souvent pour connaître les pièces à fournir pour une démarche. Elle déploie un assistant conversationnel alimenté par ses pages d’aide. Problème : deux pages indiquent des listes de documents différentes selon leur date de mise à jour. L’assistant donne tantôt l’une, tantôt l’autre. Les appels ne diminuent pas, et une partie concerne désormais les réponses de l’assistant lui-même.
Le parcours mal conçu
Un formulaire trop long, une étape mal expliquée ou une confirmation absente génèrent des abandons et des sollicitations. Ajouter une IA pour accompagner l’utilisateur dans un parcours confus revient à compenser un défaut de conception au lieu de le corriger. Un parcours qui a besoin d’un assistant pour être compris a d’abord besoin d’être simplifié.
Les problèmes d’organisation
Des délais de traitement trop longs, des informations qui ne circulent pas entre services ou des arbitrages qui ne sont jamais pris ne relèvent pas d’une technologie. Une IA peut accélérer une étape mais elle ne tranche pas entre deux directions qui n’ont pas les mêmes priorités.
Prenons l’exemple d’un service après-vente. Un client demande où en est la réparation de son produit mais les étapes du traitement ne sont pas enregistrées dans les outils internes : l’information n’existe que dans la tête de la personne qui suit le dossier. Un assistant IA ne pourra pas répondre à ce client car l’IA ne peut pas restituer une information que l’organisation ne produit pas. Le chantier prioritaire n’est donc pas l’IA mais la structuration du suivi en interne des étapes du service après-vente, la mise à disposition de ces informations dans l’éco-système numérique de l’organisation puis sa visibilité choisie et cadrée auprès de l’utilisateur final.
Les défauts d’accessibilité
Un parcours inaccessible au clavier ou mal restitué par un lecteur d’écran ne devient pas accessible parce qu’un outil d’IA a été ajouté par-dessus. L’accessibilité se construit dans la conception et le code du service, pas par une couche supplémentaire qui tente d’en compenser les manques.
L’IA est-elle devenue la réponse par défaut ?
L’IA bénéficie aujourd’hui d’une double attractivité. Elle est techniquement accessible, grâce aux solutions SaaS et aux modèles intégrés dans les outils du quotidien et elle est aussi symboliquement forte, puisqu’un projet d’IA signale une organisation qui avance et qui innove. Cette combinaison crée une pression particulière sur les équipes. Il devient parfois plus simple de lancer un projet d’IA que d’expliquer pourquoi il n’est pas nécessaire. La question posée n’est alors plus « quel est notre problème ? », mais « où pouvons-nous utiliser l’IA ? ».
Ce renversement porte un nom : le solutionnisme technologique, une expression popularisée par l’essayiste Evgeny Morozov. Elle désigne la tendance à partir d’une technologie disponible pour chercher ensuite les problèmes qu’elle pourrait résoudre, au lieu de partir du véritable besoin. Appliqué à l’IA, ce mécanisme conduit à traiter comme un problème technique ce qui relève souvent d’un problème de conception, de contenu ou de gouvernance.
Que se passe-t-il lorsque l’IA est appliquée au mauvais problème ?
Appliquer l’IA au mauvais problème va masquer le problème d’origine un certain temps. Puisque l’assistant produit des réponses plausibles, l’incohérence des contenus ou la faiblesse du parcours n’apparaîtra plus dans les priorités pour les équipes. Le symptôme est traité, la cause reste en place et le tout continue de s’aggraver.
Le deuxième effet est un transfert d’effort vers l’utilisateur. Un assistant qui répond à côté ou qui tourne en boucle ajoute une étape au lieu d’en retirer une.La frustration est alors double : le problème n’est pas résolu et il faut davantage d’efforts pour obtenir de l’aide.
Lorsqu’une réponse ne répond pas au besoin de l’utilisateur, l’assistant IA de Chronopost se contente de reformuler ou de répéter le même message, sans proposer d’alternative. Cette absence de stratégie de récupération (reformulation, précision, suggestions ou redirection vers un autre canal) peut générer de la frustration et donner le sentiment que la conversation est bloquée.
Le troisième effet est organisationnel. Une solution d’IA doit être alimentée, surveillée, mise à jour et évaluée. Ses réponses peuvent être erronées tout en paraissant fiables, ce qui suppose des contrôles réguliers et une responsabilité clairement attribuée. Une IA mal ciblée ne crée pas seulement une dépense inutile, elle crée un nouvel objet à gouverner.
Reformulez le problème sans mentionner aucune solution. Exemple « nous avons besoin d’un chatbot » devient « nos clients ne trouvent pas les documents à fournir ». Cette seule reformulation fait souvent apparaître des réponses plus simples, plus rapides et moins coûteuses que l’IA.
Les 5 critères pour décider si l’IA est la bonne solution
Avant d’arbitrer, il est utile de revenir au problème lui-même. Cinq critères permettent d’évaluer si l’IA est une réponse adaptée ou une réponse par défaut.
- La cause du problème est-elle identifiée ? Si la cause est connue et précise (une page erronée, une étape manquante, un délai interne), la corriger directement est presque toujours plus efficace qu’ajouter une couche d’IA.
- Les règles sont-elles stables ? Lorsque la réponse attendue suit des règles connues et peu nombreuses, une automatisation classique suffit. L’IA devient pertinente quand la variabilité des situations dépasse ce que des règles peuvent décrire.
- Les données et contenus sont-ils fiables ? Une IA ne vaut que ce que valent ses sources. Des contenus contradictoires ou obsolètes doivent être corrigés avant, et non après, le déploiement.
- Quelle est la tolérance à l’erreur ? Une suggestion approximative peut être acceptable pour aider à rédiger un premier jet. Elle l’est beaucoup moins pour une information administrative, médicale ou contractuelle qui engage l’organisation.
- L’organisation peut-elle maintenir la solution dans le temps ? Qui supervise les réponses, met à jour les sources, traite les erreurs et décide de l’évolution de l’outil ? Sans réponse claire, le projet repose sur une solution que personne ne pilote.
Ces critères ne visent pas à écarter l’IA mais à la placer là où elle apporte une valeur que d’autres leviers ne peuvent pas offrir. Dans de nombreux cas, la bonne décision combine les deux : corriger d’abord les contenus et le parcours, puis introduire l’IA sur un périmètre précis, une fois les fondations stabilisées.
L’IA n’est ni une mode à ignorer ni une réponse universelle. Elle est un outil puissant, pertinent dans certaines situations et inutile, voire contre-productif, dans d’autres.
La vraie difficulté ne tient donc pas au choix de la technologie mais à la formulation du problème. Tant que la solution précède le diagnostic, l’organisation risque d’investir dans un outil qui traite les symptômes et laisse les causes intactes.
Les organisations qui tirent le meilleur parti de l’IA ne sont pas celles qui l’utilisent partout. Ce sont celles qui savent précisément pourquoi elles l’utilisent, et pourquoi ailleurs, elles ne l’utilisent pas.