Back to Blog
Agent conversationnel sur mesure : guide pour les entreprises

Agent conversationnel sur mesure : guide pour les entreprises

Agent conversationnel sur mesure : guide pour les entreprises

Femme dirigeante testant un assistant conversationnel sur smartphone

Un agent conversationnel sur mesure est un assistant qui dialogue avec vos clients ou vos équipes, avec vos contenus, vos règles et vos outils, et non avec un script générique. Il répond, qualifie, agit dans votre CRM ou votre boutique, et passe la main à un humain quand la situation l’exige. Ce guide explique ce qu’il fait réellement, comment cadrer son périmètre, comment il se construit, ce qu’il coûte et quelles précautions prendre en France.

Botiqueai
Un agent adapté à vos besoins
BotiqueAI conçoit des chatbots personnalisés, des agents intelligents et des automatisations adaptés aux besoins spécifiques de votre entreprise.
Découvrir BotiqueAI

En bref

  • Un agent sur mesure se distingue d’un chatbot standard par son périmètre précis, ses données internes et ses connexions à vos outils métiers.
  • Le bon point de départ : une tâche répétitive, une base de connaissances fiable et une règle claire de transfert vers un humain.
  • Le projet suit six temps : objectif, modèle, données, tests, mesure, amélioration continue.
  • En France, le RGPD et les recommandations de la CNIL encadrent les données personnelles et les décisions automatisées.
  • Le budget dépend surtout du nombre d’intégrations et de la qualité des données, pas de la seule “intelligence” du modèle.

Table des matières

Ce qu’est un agent conversationnel sur mesure

Un chatbot traditionnel repose sur des règles, des arbres de décision et des réponses scriptées. Si la question sort du schéma prévu, il se bloque ou renvoie un message d’erreur poli. Un agent conversationnel s’appuie sur un modèle de langage : il comprend des formulations libres, peut exploiter des données d’entreprise et s’intégrer à des workflows, comme le décrit Salesforce dans sa comparaison entre agent IA et chatbot.

Le “sur mesure” ajoute trois choses concrètes :

  1. Un périmètre choisi par vous. L’agent traite une liste de sujets définie, pas “tout ce qu’on peut lui demander”.
  2. Vos données. Catalogue, conditions de vente, documentation interne, historique client : ce que l’agent sait vient de vos sources et de personne d’autre.
  3. Vos systèmes. Il lit et écrit dans votre CRM, votre outil de ticketing, votre messagerie, votre boutique en ligne ou WhatsApp.

Une solution standard convient quand votre besoin ressemble à celui de tout le monde : une FAQ, un formulaire de contact amélioré. Dès que la valeur dépend de ce que seule votre entreprise possède (vos tarifs négociés, vos règles de livraison, vos process internes), le sur mesure prend son sens.

Pour approfondir la frontière entre les deux familles, nous avons détaillé le sujet dans notre article chatbot ou agent IA : lequel choisir.

Quels usages en entreprise

Le guide de France Num sur les agents conversationnels et assistants virtuels rappelle qu’un assistant IA peut répondre aux questions, gérer des tâches administratives, trier des documents ou résumer des réunions. En pratique, les projets que nous voyons le plus souvent se rangent en cinq familles.

Service client

L’agent répond aux questions récurrentes (suivi de commande, horaires, conditions de retour, statut d’un dossier) sur votre site, dans une application de messagerie ou sur WhatsApp. Il consulte les bonnes sources avant de répondre et crée un ticket complet si la demande dépasse son périmètre. Notre guide des types d’automatisation du service client par l’IA compare les niveaux d’automatisation possibles.

Vente et qualification de prospects

Sur un site B2B, l’agent pose les questions qu’un commercial poserait en premier (taille de l’entreprise, besoin, délai, budget), puis transmet une fiche structurée à l’équipe. Les commerciaux ne traitent plus que des demandes déjà qualifiées.

E-commerce

Conseil produit, relance de paniers abandonnés, suivi de livraison : sur une boutique, l’agent agit au moment où l’hésitation se produit. Nous détaillons ces leviers dans IA et e-commerce : comment augmenter vos ventes.

Données CRM

Un agent peut écouter les échanges et mettre à jour les fiches clients, ou enrichir des contacts. La qualité de cette synchronisation conditionne tout le reste, d’où l’intérêt de lire comment connecter l’IA à vos données clients avant de lancer un projet.

Usages internes

RH, IT, achats, juridique : un assistant interne répond aux questions du personnel à partir de la documentation de l’entreprise (congés, procédures, outils). Même logique côté recrutement, que nous abordons dans notre guide de l’assistant recrutement IA.

Définir le périmètre avant toute ligne de code

La cause principale d’échec d’un agent n’est pas technique : c’est un périmètre flou. IBM recommande, dans son explication de l’agent conversationnel, de limiter l’agent à un ensemble de problèmes qu’il peut traiter correctement et de renvoyer le reste vers la bonne personne, plutôt que de répondre mal à une liste trop large.

Trois questions structurent le cadrage.

Quelle tâche, pour qui, sur quel canal ?

Écrivez une phrase simple : “L’agent répond aux clients de la boutique sur le site et WhatsApp pour le suivi de commande et les retours.” Si la phrase est longue, le périmètre l’est aussi. Les canaux comptent : un visiteur sur un site ne pose pas les mêmes questions qu’un client qui écrit sur WhatsApp.

De quelles données l’agent a-t-il besoin ?

Pour chaque cas d’usage, listez la source qui contient la réponse : une page produit, un PDF de conditions générales, une ligne du CRM, un statut dans l’outil logistique. Un cas sans source fiable ne doit pas être confié à l’agent. C’est aussi là que se loge le travail invisible : documents obsolètes, doublons, versions contradictoires. La base de connaissances décide de la qualité des réponses, bien plus que le choix du modèle.

Quelles actions l’agent peut-il exécuter ?

Lire une information est peu risqué. Modifier une commande, émettre un avoir ou envoyer un devis l’est davantage. Distinguez dès le départ ce que l’agent fait seul, ce qu’il propose et ce qu’un humain valide.

Ce qu’il faut confier à l’agent, et ce qu’il faut garder

Les bons candidats sont des tâches répétitives, fondées sur des connaissances que l’entreprise maîtrise : questions fréquentes, suivi, prise de rendez-vous, tri de demandes. Les situations sensibles (réclamation tendue, litige, situation de détresse), complexes ou nécessitant une validation finale doivent remonter à une personne.

La règle de transfert se conçoit dès le départ, pas après les premières plaintes :

Situation Réponse de l’agent
Question fréquente avec réponse dans la base Répond et cite la source
Demande hors périmètre Le dit clairement et oriente vers la bonne équipe
Client mécontent ou ton conflictuel Transfère avec le résumé de l’échange
Décision engageante (remboursement exceptionnel, contrat) Prépare le dossier, un humain valide
Doute sur la fiabilité de sa réponse Ne devine pas, transfère

Un transfert réussi évite au client de répéter son problème : l’agent transmet l’historique et le motif. C’est ce détail, plus que l’éloquence du modèle, qui rend l’expérience acceptable.

Les étapes d’un projet, de l’idée à l’amélioration continue

Le parcours proposé par France Num pour un assistant IA (objectif, choix du modèle, données, tests, mesure, maintenance) est une bonne trame. Voici comment nous la mettons en œuvre.

  1. Audit et objectif. Nous identifions le processus à automatiser, le volume concerné et le résultat attendu. Notre audit est gratuit.
  2. Choix du modèle et de l’architecture. Selon le besoin : un assistant avec recherche dans vos documents (RAG), un agent qui appelle des API, ou plusieurs agents spécialisés qui coopèrent.
  3. Préparation des données. Nettoyage, structuration, ajout des règles métier et du ton de marque.
  4. Preuve de concept. Une version limitée, testée sur de vraies questions, pour valider l’approche avant d’investir davantage.
  5. Tests et ajustements. Jeux de questions difficiles, cas limites, tentatives de détournement, vérification des transferts.
  6. Déploiement, mesure et amélioration. Mise en ligne sur le ou les canaux choisis, puis suivi des conversations et corrections régulières.

La mise en ligne d’un premier agent peut être très rapide : nous annonçons 24 h pour une mise en production sur un cas simple. Un agent relié à plusieurs systèmes demande évidemment plus de temps, surtout si les données doivent être remises en ordre.

Mesurer les résultats

Sans indicateurs, un agent reste une démonstration. Définissez-les avant le lancement, avec une situation de référence mesurée avant l’agent.

  • Taux de résolution autonome : part des conversations closes sans intervention humaine, avec contrôle de qualité par échantillonnage.
  • Taux de transfert et motifs : un transfert fréquent sur un même sujet indique un trou dans la base de connaissances.
  • Satisfaction : une question simple en fin de conversation suffit.
  • Délai de première réponse et de résolution, comparé à la situation précédente.
  • Impact métier : leads qualifiés, paniers récupérés, tickets évités, heures libérées.
  • Réponses erronées détectées : relecture régulière d’un échantillon, avec correction des sources.

Une lecture hebdomadaire des conversations pendant les premières semaines vaut tous les tableaux de bord : elle montre les questions que personne n’avait prévues.

Données personnelles, sécurité et fiabilité en France

Un agent conversationnel traite souvent des données personnelles : noms, e-mails, numéros de commande, parfois des informations sensibles saisies spontanément. Le sujet se traite à la conception.

Ce que dit la CNIL

Pour les systèmes d’IA utilisant des données personnelles, la CNIL rappelle, dans sa fiche sur les précautions à prendre, les principes de contrôle humain, de robustesse technique, de respect de la vie privée, de gouvernance des données, de transparence et d’explicabilité. Ce sont des exigences de conception : qui accède à quoi, où les données sont hébergées, comment l’agent explique ses réponses, quand un humain reprend la main.

Sur ces sujets, l’article sur le privacy by design selon le RGPD aide à comprendre ce que l’article 25 impose concrètement : intégrer la protection des données dès la conception plutôt que la rajouter après coup.

Décisions automatisées

La CNIL précise dans ses conseils sur les chatbots qu’une conversation seule ne peut conduire à une décision importante affectant une personne. Une décision automatisée ayant des effets juridiques ou significatifs est interdite sans les garanties prévues par le RGPD, sauf exceptions. Concrètement : un agent ne doit pas refuser seul un crédit, un remboursement contractuel ou une candidature. Il prépare, un humain décide.

Réutiliser les conversations pour améliorer l’agent

Si vous envisagez de réutiliser les conversations futures pour améliorer le modèle, la CNIL indique dans ses recommandations sur le développement des systèmes d’IA que l’intérêt légitime peut s’appliquer sous garanties : information des personnes, droit d’opposition, et limitation aux données pseudonymisées ou anonymisées. Prévoyez donc un message d’information dans l’interface et une procédure pour exercer ce droit d’opposition.

Fiabilité

Un modèle de langage peut produire une réponse plausible et fausse. Les parades sont connues : limiter les réponses aux sources autorisées, afficher la source, refuser de répondre en cas de doute, journaliser les échanges et prévoir une relecture régulière. Indiquez aussi clairement à l’utilisateur qu’il parle à un agent automatisé.

Combien ça coûte

Le prix d’un agent conversationnel sur mesure n’a pas de tarif unique, et les fourchettes publiées par le marché varient beaucoup selon ce qu’elles incluent. Quatre éléments font réellement bouger le budget :

  • Le nombre d’intégrations : un agent branché sur un seul site coûte moins qu’un agent qui lit le CRM, écrit dans l’outil de ticketing et appelle une API de paiement.
  • L’état des données : documents propres et à jour, ou chantier de nettoyage préalable.
  • Les canaux : site, WhatsApp, boutique, messagerie interne, chacun avec ses contraintes.
  • L’exploitation : hébergement, coûts d’utilisation du modèle, supervision, améliorations. Ces coûts sont récurrents et se traitent comme tels.

Chez BotiqueAI, une mission de développement se facture au forfait, avec ensuite un abonnement mensuel ou un forfait de maintenance pour l’exploitation. Nous ne publions pas de prix pour les missions sur mesure, car le devis dépend du périmètre établi pendant l’audit. Pour les boutiques Shopify, notre application est proposée en deux formules publiées : Starter à 19 $ par mois et Pro à 49 $ par mois, détaillées sur la page de l’application Shopify.

Un bon réflexe pour comparer des devis : demandez à chaque prestataire ce qui est inclus après la mise en ligne (supervision, corrections, évolutions) et qui possède le code, les données et les conversations.

Notre point de vue : commencer petit, brancher large

Nous partons d’un constat de terrain : les projets qui réussissent démarrent par une tâche étroite et un agent bien relié aux outils existants, pas par un assistant censé tout faire. Un agent qui sait répondre juste à vingt questions et créer proprement un ticket rend plus service qu’un agent bavard sur deux cents sujets, dont une partie fausse.

Notre point de vue : commencer petit, brancher large — overview diagram

Nous croyons aussi que le sur mesure se joue dans l’intégration. Le modèle de langage est une brique parmi d’autres, accessible à tous. Ce qui crée l’avantage, c’est la connexion à votre CRM, à votre catalogue, à vos règles de gestion, et la validation humaine placée aux bons endroits. C’est pourquoi notre équipe, qui réunit des profils de recherche (doctorat) et des expériences en grands groupes du CAC 40, travaille autant sur les données et les processus que sur le modèle lui-même.

Enfin, nous préférons une preuve de concept rapide à un cahier des charges de cent pages. Un premier agent en production, mesuré sur de vraies conversations, apprend à tout le monde ce qui compte, et permet de décider de la suite sans engagement excessif. Pour une vision plus large de ce que ces agents deviennent, lisez notre analyse de l’agent IA autonome et de ses applications en 2026.

— Botiqueai

Faire développer son agent avec BotiqueAI

Nous concevons des chatbots et agents IA personnalisés pour sites web, WordPress, Shopify, WhatsApp et autres canaux, ainsi que des automatisations no-code ou sur mesure, des connecteurs API et des solutions plus avancées (RAG, multi-agents, vision par ordinateur). Le point d’entrée est un audit gratuit, suivi d’une preuve de concept rapide, sans engagement. Vous pouvez découvrir nos solutions de chatbots et d’agents IA ou, si votre canal prioritaire est la messagerie, notre intégration WhatsApp Business.

Questions fréquentes

C’est quoi un agent conversationnel ?

C’est un programme qui dialogue avec une personne en langage naturel, par écrit ou à l’oral, sur un site, une messagerie ou un outil interne. Les agents récents s’appuient sur un modèle de langage, ce qui leur permet de comprendre des formulations libres et d’agir dans vos outils. Un agent sur mesure est configuré pour votre métier, vos données et vos règles.

Quelle différence avec un chatbot classique ?

Le chatbot classique suit des scénarios écrits à l’avance et échoue dès que la question en sort. L’agent comprend l’intention, consulte vos sources et peut déclencher des actions, par exemple créer un ticket ou mettre à jour une fiche CRM. Il reste toutefois borné par un périmètre et des règles de transfert vers un humain.

Quel est le prix d’un agent IA sur mesure ?

Il dépend du nombre d’intégrations, de l’état de vos données, des canaux visés et de l’exploitation après le lancement. Chez nous, le devis est établi après un audit gratuit, avec un forfait de développement puis, selon les besoins, un abonnement mensuel. Pour Shopify, deux formules sont publiées : 19 $ par mois et 49 $ par mois.

Un agent conversationnel est-il conforme au RGPD ?

Il peut l’être, à condition de le prévoir dès la conception : information des utilisateurs, minimisation des données, droit d’opposition, contrôle humain pour les décisions importantes. La CNIL publie des recommandations précises à ce sujet, citées plus haut. La conformité dépend de la configuration et de l’usage, pas du seul outil.

Sources

Recommandations

© 2026 BotiqueAI — Reproduction interdite sans mention de la source.