Un chatbot exécute un script écrit à l’avance, un agent IA lit la demande, la comprend et va chercher la réponse dans vos données réelles. Le premier traite les questions que vous aviez prévues, le second traite celles que vous n’aviez pas prévues, c’est-à-dire la majorité. L’écart se mesure directement dans le taux d’abandon des conversations.

Ce qui sépare un chatbot d’un agent IA

Un chatbot classique repose sur trois mécanismes : des mots-clés prédéfinis, des boutons à choisir et un arbre de décision figé. Tant que le client tape « prix » ou « livraison », la machine tourne correctement. Dès qu’il formule sa demande autrement, par exemple « c’est combien le truc rouge là ? », le chatbot sort de son arbre et répond qu’il n’a pas compris.

Un agent IA s’appuie sur un modèle de langage moderne. Il comprend une phrase mal orthographiée, en argot ou mélangée entre deux langues, il garde le fil sur plusieurs tours de conversation, et il retient le contexte accumulé : une robe, taille M, en bleu, livrée vendredi. Aucun de ces trois comportements ne s’obtient en ajoutant des branches à un arbre de décision.

La distinction entre chatbot et agent IA n’est donc pas une question de génération de produit, mais de nature. Le chatbot puise dans une liste de réponses que vous avez écrites, l’agent IA formule une réponse à partir de vos données. Le premier a une limite haute connue d’avance, le second progresse à mesure que vous enrichissez ce qu’il peut consulter.

Pourquoi un chatbot à scénarios fait fuir les clients

Un chatbot à scénarios fait fuir les clients parce qu’il leur demande de reformuler leur besoin dans son vocabulaire à lui. Les arbres de décision déployés entre 2018 et 2022 ont installé ce réflexe de méfiance : environ la moitié des clients abandonnent la conversation dans les deux premiers messages, avant même d’avoir posé leur vraie question.

Les écarts constatés entre les deux approches sont larges. Le taux d’abandon se situe entre 40 et 60 % avec un chatbot classique, contre 5 à 15 % avec un agent IA. La reprise par un humain concerne 60 % des conversations côté chatbot, contre 15 à 20 % côté agent. Le premier chiffre mesure des ventes perdues, le second mesure le temps de votre équipe.

Le coût de mise en route va dans le même sens. Un chatbot se paie en scénarios : chaque cas de figure doit être imaginé, écrit, puis maintenu à chaque changement de catalogue. Un agent IA se paie en données : vous lui donnez accès au catalogue, aux délais et aux prix, et la couverture des cas suit sans réécriture de dialogues.

Ce qu’un agent IA fait qu’un chatbot ne fera jamais

Un agent IA agit là où le chatbot ne peut que renvoyer un message d’attente. Il lit une capture d’écran envoyée par un client et retrouve le produit correspondant dans votre catalogue, il vérifie une disponibilité avant de promettre une livraison, et il propose une alternative crédible quand la référence demandée est épuisée. Ces actions supposent une décision, pas une correspondance de mots-clés.

  • lire une photo ou une capture envoyée par le client et identifier le produit
  • négocier à l’intérieur d’une fourchette de prix que vous avez fixée
  • proposer un article équivalent quand la taille demandée est en rupture
  • détecter une réclamation et la router vers un humain sans attendre
  • exploiter les conversations passées pour améliorer ses réponses suivantes

Ces cinq capacités séparent nettement l’agent IA du chatbot au quotidien. Reconnaître un produit sur une photo floue relève de la reconnaissance de votre catalogue et non d’un mot-clé. Quant aux erreurs, elles se corrigent par un retour en langage naturel, comme on reprend un vendeur après une conversation ratée, sans reconfigurer quoi que ce soit.

Un agent IA utile connaît votre boutique, pas seulement la langue

Un agent IA générique répond comme un assistant grand public : poliment, et à côté du sujet. Ce qui transforme un agent en vendeur, c’est l’accès à vos données d’exploitation, c’est-à-dire le catalogue avec ses prix, ses stocks et ses variantes, vos zones et délais de livraison, vos moyens de paiement acceptés, vos règles de promotion en cours et l’historique de vos échanges clients.

Bedones Moderator est construit sur ce principe : l’agent lit votre catalogue plutôt qu’un script, si bien qu’un changement de prix se répercute dans ses réponses sans intervention. Un client qui demande « tu as la robe postée hier en bleu ? » obtient la photo, le prix et la disponibilité dans le même message, sans passer par un menu ni attendre le lendemain matin.

Cette dépendance aux données est aussi la limite à surveiller sur un agent IA. Un agent branché sur un catalogue faux répond faux, avec exactement la même assurance qu’un agent branché sur un catalogue juste. La fraîcheur de vos stocks, de vos prix et de vos délais détermine donc directement la qualité de ce que vos clients lisent dans la conversation.

Garder l’humain dans la boucle et mesurer le résultat

Un agent IA ne remplace pas votre équipe, il absorbe les questions répétitives, qui représentent environ 70 % du volume entrant, pour libérer les humains sur ce qui rapporte. Les gros paniers, les clients fidèles et les réclamations sensibles restent des conversations humaines, et un agent correctement configuré passe la main dès qu’il sort de sa zone de compétence.

Ce partage rend aussi tenable une couverture 24h/24 avec une équipe réduite : l’agent traite la nuit et le week-end, l’équipe reprend le matin les cas qu’il a signalés. La règle de passage à l’humain se règle comme un curseur, et plus elle est stricte, plus le taux de reprise humaine remonte vers celui d’un chatbot.

Le test décisif tient en deux semaines. Branchez l’agent IA sur 20 % de vos conversations entrantes, laissez les 80 % restants inchangés, puis comparez le taux de conversion, le délai de première réponse et la proportion de conversations reprises par un humain. À la fin de la période, le choix entre chatbot et agent IA ne se discute plus en théorie.