Chatbot pour le service client : ce qu’enseignent les cas les plus innovants

Au restaurant Pizza Hut de Plano, au Texas, les clients peuvent commander en parlant à un système d'intelligence artificielle. Les algorithmes établissent les priorités dans la cuisine, synthétisent les commentaires en ligne et aident les nouveaux travailleurs à mesurer les ingrédients. La même démarche est en cours chez Taco Bell, aux USA, mais en drive automatisé.

Ce sont deux laboratoires d’innovation sur le front le plus délicat pour l’usage de l’IA. Gestion des relations clients. L'IA générative automatise déjà le back-office, avec souvent un humain dans la boucle. Mais s’il parvient à automatiser même la première ligne, c’est le signe d’un réel changement. Mais c’est toujours en cours et semé d’erreurs. Voyons ce que nous pouvons apprendre.

Parce que la restauration rapide est un bon terrain d'expérimentation

Des chaînes comme Pizza Hut et Taco Bell fonctionnent avec de faibles marges, des flux standardisés et un turnover élevé du personnel. Cela rend attractive toute technologie capable de réduire les erreurs, les temps d’arrêt et les coûts de formation.

Dans Miam ! Restaurants Brands (qui possède les deux marques) L’IA est principalement utilisée pour :

prendre des commandes vocales avec des modèles de langage spécialisés ;
optimiser les séquences de préparation ;
analyser les avis et commentaires sur les réseaux sociaux ;
soutenir le personnel avec des chatbots internes.

Il s’agit d’applications limitées, fondées sur des processus répétitifs et des règles claires. C'est précisément pour cette raison, expliquent les dirigeants concernés, que le risque d'erreurs graves est plus contrôlable que dans d'autres secteurs.

Les plus : efficacité et intégration dans le travail réel

Le premier avantage est organisationnel. L’IA réduit la charge cognitive sur des tâches simples mais fréquentes, comme la prise de commande ou la gestion des stocks. Dans les restaurants dont le personnel est inexpérimenté, un assistant numérique peut remplacer des semaines d’observation.

Ensuite, il y a le thème de l’intégration. Cameron Davies, responsable de l'IA chez Yum! Brands, note que les outils ne fonctionnent que s'ils s'intègrent dans votre flux de travail quotidien. Les systèmes trop invasifs ou déconnectés des routines sont ignorés, même s'ils sont techniquement valables. C’est une leçon qui a également émergé dans d’autres contextes d’entreprise. Il existe un bénéfice moins visible : la formation. Un assistant interne réduit l'effet du turnover sur le niveau qualité.

Les risques : erreurs, confiance et attentes erronées

Outre les avantages, des limites structurelles apparaissent. Les modèles linguistiques peuvent « halluciner », c’est-à-dire fournir des réponses plausibles mais incorrectes. Pour ce Miam ! Les marques utilisent des modèles plus petits et spécialisés pour le commande vocale: moins de culture générale, moins de marge d'erreur. L’autre limite est organisationnelle : l’IA accélère une phase (prise de commande), mais peut déplacer le goulot d’étranglement ailleurs (cuisine, livraisons, caisse). Si vous ne modifiez pas vos processus et votre personnel, l'avantage diminue.

Ensuite, il y a le risque humain. Les salariés peuvent craindre que l’utilisation de l’IA ne rende visible la substituabilité de leur emploi. Cela ralentit l’adoption spontanée. Selon Ethan Mollick, professeur à la Wharton School, sans un climat de confiance, les outils restent sous-utilisés ou utilisés en secret.

Enfin, il y a un problème d'attentes. Les données montrent que, malgré la large diffusion de l’IA dans les entreprises occidentales, la majorité des managers ne connaissent toujours pas d’augmentation mesurable de la productivité. Dans la restauration rapide, l’impact est réel, mais progressif.

Regardons d'autres cas notables.

Klarna : l'assistant qui absorbe les demandes répétitives (et la problématique des « 700 agents »)

Le cas Klarna est devenu un symbole car l'entreprise a communiqué des chiffres très forts : l'assistant IA aurait géré les deux tiers des chats du service client le premier mois, avec 2,3 millions de conversations ; cela aurait fait l'équivalent du travail de 700 travailleurs à temps plein ; et aurait réduit les demandes répétées de 25 %, ramenant les délais de résolution moyens à moins de deux minutes (contre 11).

Ce que fait réellement l'assistant Klarna

L'assistant travaille sur les activités typiques d'un service client paiements : clarifications sur les paiements, litiges, remboursements, livraisons/retours dans l'écosystème e-commerce, état des procédures. ET « basé sur une application», il a donc un avantage : beaucoup d'informations utiles (compte, historique, contexte) sont déjà dans le périmètre numérique.

Les avantages, si les chiffres tiennent

Ici, l'effet ne se limite pas aux coûts : il concerne également la disponibilité et la rapidité. Si une part élevée de questions est standard (où puis-je voir l'acompte, comment changer de moyen de paiement, que signifie cet élément), l'IA peut éviter les files d'attente et soulager les équipes humaines, qui deviennent du « second niveau ».

Limites à garder à l’esprit

Ces résultats sont en grande partie des déclarations d’entreprises : ils sont importants, mais ils doivent être lus en sachant que les audits indépendants sur les paramètres et la qualité font souvent défaut. Des sources journalistiques ont rapporté l'affaire, soulignant également l'élément « battage médiatique » lié à la stratégie et au récit de l'introduction en bourse.
Le problème opérationnel typique de ces projets est le cas limite : lorsqu'un cas sort du scénario de cas standard (litige complexe, suspicion de fraude, contraintes réglementaires), l'IA doit cesser de « tenter de résoudre » et doit acheminer les données. S’il persiste, cela augmente les contacts répétés et aggrave la satisfaction. De l’extérieur, on ne sait pas toujours à quel point cette pièce résiste.

Vodafone : SuperTOBi, meilleure compréhension du langage mais même défi en escalade

En 2024, Vodafone a présenté SuperTOBi comme une évolution du bot existant (TOBi), déjà actif dans divers pays. La promesse est de traiter des demandes plus complexes car le système interprète mieux les phrases entières et le contexte que les chatbots traditionnels ; il est basé sur des modèles d'IA génératifs (Vodafone cite son utilisation via Azure OpenAI) et est publié sur plusieurs marchés européens.

Ce que fait réellement l'assistant de Vodafone

Un assistant de télécommunication couvre généralement : l'état de la ligne, la prise en charge du modem et du réseau, les factures et les paiements, les modifications de forfait, l'itinérance, la SIM et l'eSIM, les pratiques standard. SuperTOBi vise à augmenter la part des demandes résolues dans le chat sans étapes intermédiaires, c'est-à-dire sans « menus à choix multiples » et sans phrases rigides.

Avantages
La valeur réside avant tout dans la première réponse : réduire l’attente et les frictions. Dans les opérateurs télécoms, les contacts explosent par pics (pannes, mises à jour réseau, campagnes). Un meilleur assistant gère cette charge sans multiplier les centres d’appels.

Limites
Les opérateurs télécoms regorgent de cas « sensibles » : litiges, annulations, portabilité, erreurs de facturation. Ici, l'IA ne peut pas improviser : elle doit respecter des règles et doit avoir une passe claire pour un humain, sinon le client perçoit le bot comme un mur. Le risque de réputation, dans ce secteur, vient davantage de la tonifier et de procédure que par la technologie.

Air India : assistance AI.ge sur WhatsApp, plus « agentique » pour la réservation

Dans le domaine du voyage, l’IA répond à deux besoins différents : le service client et la conversion (réservation plus rapide). Air India a travaillé sur les deux.

AI.g (anciennement « Maharaja ») en tant qu'assistant client

Une étude de cas Microsoft parle de la création d'AI.g sur Azure OpenAI pour gérer les requêtes avec «rapidité, précision, empathie« , dans le but déclaré de moderniser l'expérience sans augmenter les coûts. Des sources du secteur font état de volumes de plusieurs millions de requêtes et d'une utilisation quotidienne cohérente, avec des pourcentages de précision déclarés.

eZ Booking : l'IA qui « fait office d'agent »

En 2025, Air India a annoncé eZ Booking, un système décrit comme « agentic ai » qui permet d'effectuer une réservation en moins d'étapes : l'utilisateur décrit l'itinéraire et le système construit une proposition et guide les commandes sur le site. Il ne s’agit pas seulement de questions-réponses : il s’agit d’effectuer une tâche numérique.

Avantages
En voyage les pics de contact sont violents (retards, déroutements, grèves) et les informations changent constamment. Un assistant numérique peut gérer des volumes et offrir une disponibilité 24h/24 et 7j/7. Lors de la réservation, réduire les étapes augmente la conversion.

Limites
Le secteur regorge d'exceptions : tarifs, contraintes, documents, remboursements, dossiers personnels. Si l’assistant donne des informations erronées ou présente une règle comme certaine qui ne l’est pas, le dommage est immédiat. C'est pourquoi deux choses comptent ici : l'accès aux données mises à jour et la gouvernance du langage (« Je peux vous aider à vérifier », et non « c'est le cas »).

Iberia : Iberia GPT, plus d'inspiration et de planification que d'assistance « dure »

En 2025, Iberia a lancé Iberia GPT dans la boutique GPT ChatGPT en tant que canal conversationnel pour aider à planifier des voyages : suggestions de destinations, recherches flexibles, recommandations budgétaires, itinéraires multi-étapes. L’entreprise le présente comme un canal « d’inspiration et de planification » plutôt que comme un service d’assistance traditionnel.

Avantages
Ici, l’IA fonctionne « en amont » : elle réduit la distance entre l’idée et le choix, notamment pour les clients indécis ou flexibles. Il s’agit d’une utilisation moins risquée que les remboursements et les réclamations, car elle implique des décisions exploratoires.

Limites
L'erreur typique n'est pas la réponse complètement inventée, mais l'attente : si l'assistant propose des combinaisons irréalistes (prix, disponibilité, contraintes) et que le client plante dans la phase d'achat, la confiance chute. En pratique : l’IA doit être douée pour dire « je peux suggérer, mais il faut le vérifier ».

Bank of America : Erica, le cas où l'historique du cas est clair et la vérification est simple

Erica est l'un des cas les plus anciens et les plus mesurés : la banque a annoncé qu'elle dépasserait les 2 milliards d'interactions en 2024 puis les 3 milliards en 2025, avec des dizaines de millions d'utilisateurs et des millions d'interactions par jour. Reuters et les communications d'entreprise décrivent un assistant qui prend en charge les opérations bancaires standards (virements, paiements de factures, gestion de compte) ainsi que les fonctions liées à Merrill (suivi du commerce et des investissements).

Parce que ça marche
À la banque, de nombreuses demandes ont des règles et des contrôles : soit le transfert démarre, soit il ne démarre pas ; Soit l'équilibre revient, soit il ne revient pas. La qualité est plus vérifiable que dans les tâches « douces ». De plus, l'assistant s'inscrit dans un écosystème authentifié : moins d'ambiguïté sur le client et plus de contexte disponible.

Limites
Lorsque l’IA entre dans le domaine du « conseil » (ce qui doit être fait), des contraintes juridiques et de réputation se déclenchent : il faut clarifier ce qui constitue une information et ce qui constitue une recommandation. La maturité, ici, n’est pas seulement technique : elle est une question de conformité et de conception de réponse.

Amazon : Rufus et la frontière entre aide et persuasion

Rufus est l'assistant d'achat IA d'Amazon, présenté comme un outil permettant de poser des questions en langage naturel, de comparer des produits et de recevoir des suggestions. En 2025, Amazon décrit des fonctionnalités plus « opérationnelles » : recherche de produits par activité/usage, recherche d'offres, vérification des prix, jusqu'à l'ajout d'articles au panier et gestion de listes.

Avantages
L'IA réduit l'effort de choix : pour de nombreuses catégories, l'utilisateur ne souhaite pas lire 30 annonces et 200 avis. Une synthèse bien faite et une comparaison raisonnée peuvent améliorer la conversion et la satisfaction.

Limites
Ici, la confiance est fragile par définition : Amazon vend, donc tout conseil « semble intéressé ». Si l’assistant semble trop orienté vers la promotion de produits ou n’explique pas bien d’où viennent les informations (listes, avis, publicités, marketplace), le risque est de perdre en crédibilité. De plus, dans le commerce de détail, l’IA peut simplifier à l’extrême : réduire les produits présentant des différences subtiles à trois avantages/inconvénients.

Ce que les affaires ont en commun

En fait, ces projets visent à clôturer davantage de demandes dès le premier contact sans augmenter les erreurs.

Quatre conditions récurrentes ressortent des cas :

Tâches restreintes et règles claires (commandes, paiements, requêtes standards).
Des données fiables et à jour : sans intégration avec des systèmes réels, l'IA devient un générateur de texte.
Escalade facile : lorsque la charge de travail dépasse les normes, l’IA doit prendre le relais.
Mesurabilité correcte : délais de résolution, contacts répétés, plaintes, coût par ticket, et non « combien de personnes utilisent le bot ».

Des limites apparaissent lorsque l’IA est chargée de rôles vagues ou utilisée comme barrière entre le client et l’entreprise. L'automatisation n'améliore pas le service par définition. Cela ne l’améliore que s’il réduit les frictions sans déplacer les problèmes plus loin dans le parcours client. C’est sur cet équilibre, plutôt que sur la puissance des modèles, que se jouera la partie dans les années à venir.