Crisp publie son rapport sur l’IA dans le service client

Crisp publie son premier rapport sur l’IA dans le service client. Chez les entreprises étudiées utilisant un agent IA, la part des conversations clôturées sans intervention humaine passe de 22 % en janvier à 40 % en août 2026.

Pour les entrepreneurs, l’enjeu consiste à accompagner davantage de clients tout en maîtrisant les dépenses. L’automatisation peut élargir la capacité du support, mais son intérêt dépend de la fiabilité des réponses et de l’organisation des équipes. E-commerce, logiciels par abonnement et services professionnels sont directement concernés.

Un benchmark à interpréter avec méthode

L’étude analyse 27 318 espaces de travail et 484,8 millions de conversations entre mai 2025 et août 2026. Les indicateurs sont des médianes par espace, avec au moins trente espaces pour chaque résultat.

Ce volume ne garantit pas que les observations représentent toutes les entreprises. La clientèle d’un éditeur de support constitue un périmètre particulier, avec des pratiques et des besoins propres. Les résultats fournissent donc des repères pour construire un test, plutôt qu’une prévision applicable automatiquement à chaque activité.

Une capacité supplémentaire pour les petites équipes

L’autonomie atteint 44 % dans les équipes comptant un conseiller, 39 % avec deux à cinq et 30 % avec six à quinze. Parallèlement, la part des échanges exclusivement humains recule de 45 % à 16 % sur la période étudiée.

Pour une startup, l’intérêt peut être d’absorber une hausse des demandes, d’améliorer la disponibilité ou de différer un recrutement. Encore faut-il vérifier que les conversations fermées correspondent à des problèmes réglés. Un client qui abandonne ou revient le lendemain pour la même question ne constitue pas une réussite de l’automatisation.

Le taux de résolution effective doit donc être rapproché des reprises de contact, des erreurs et de la satisfaction. Il faut aussi préciser si le taux annoncé porte sur toutes les demandes ou seulement sur celles que l’assistant accepte de traiter.

Répondre rapidement ne suffit pas

La première réponse médiane prend sept secondes avec l’IA, contre quatorze minutes avec un humain. Pour les conversations exclusivement humaines, elle atteint 32 minutes chez les adoptants, contre 13 chez les non-adoptants.

Ce dernier écart ne démontre pas une dégradation du travail des conseillers. Une explication possible est que l’automatisation prend en charge les demandes simples, laissant aux personnes des dossiers plus difficiles. La complexité n’étant pas directement mesurée, cette interprétation doit rester une hypothèse.

Pour piloter le service, mieux vaut distinguer la première réponse utile, le délai de transfert vers un conseiller et le temps de résolution. Un message instantané qui laisse ensuite le client sans solution peut améliorer un indicateur sans améliorer son expérience.

La fiabilité dépend des données et des intégrations

Un modèle de langage ne connaît pas spontanément les procédures actualisées de l’entreprise. Le RAG, ou génération augmentée par recherche d’informations, permet de retrouver des documents pertinents et de les fournir au modèle pour préparer sa réponse. Cette méthode exige une documentation cohérente, maintenue et correctement indexée.

Pour agir, l’assistant doit aussi communiquer avec les outils métier via des API. Dans l’e-commerce, retrouver une commande demande un accès au système de vente. Dans un logiciel par abonnement, une réponse pertinente peut dépendre de l’offre souscrite et des droits de l’utilisateur.

Les permissions doivent rester adaptées à chaque mission. Consulter une commande, modifier une adresse et rembourser un achat impliquent des responsabilités différentes. Si une information manque ou qu’une opération échoue, l’assistant doit pouvoir interrompre son parcours et transmettre le dossier avec son contexte.

Calculer le coût complet du support automatisé

Le coût médian d’inférence varie de 0,06 à 0,14 dollar par conversation selon le secteur. Cette dépense technique ne représente pas le budget complet.

Il faut ajouter l’abonnement, les intégrations, la préparation documentaire, les contrôles et le traitement des erreurs. Le nombre de messages ne suffit pas à prévoir la facture du modèle : la quantité de texte analysée et le nombre d’appels nécessaires comptent également.

Une simulation illustre la différence entre capacité et économies. Résoudre automatiquement 3 000 demandes qui nécessitaient six minutes chacune libérerait théoriquement 300 heures. Mais les salaires restent dus si les effectifs sont conservés, et une partie du temps gagné peut être consacrée aux vérifications. Le bénéfice dépend de l’usage réel de cette capacité.

Déployer progressivement, avec des critères précis

Le premier pilote devrait porter sur un usage fréquent, documenté et vérifiable, comme le suivi d’une commande ou l’explication d’une fonctionnalité. Les réponses peuvent d’abord être contrôlées par les conseillers avant d’autoriser un traitement autonome. L’évaluation doit inclure les demandes ambiguës et les situations nécessitant un transfert.

La protection des données fait partie du projet. Il faut vérifier les accès, les conditions de conservation, l’éventuelle réutilisation des échanges par le fournisseur et les transferts hors de l’Union européenne. Les équipes doivent connaître les informations autorisées et les limites de l’outil.

La transparence compte également. Depuis le 2 août 2026, l’article 50 du règlement européen sur l’IA impose aux fournisseurs de prévoir que les personnes soient informées lorsqu’elles interagissent directement avec une IA, sauf lorsque cela ressort manifestement du contexte.

Pour un entrepreneur, la décision se mesure finalement dans son propre service : des problèmes durablement résolus, des conseillers correctement équipés et un coût compatible avec le modèle économique. Le rapport donne des points de comparaison. Un pilote rigoureux permet de déterminer lesquels deviennent des gains concrets.

Télécharger l’étude