Brouillon en relecture. Ce contenu n’a pas encore été validé par l’auteur.
Lire et classerExemple typeConstruit à partir de la base de connaissance du site. Aucun chiffre de gain n’y figure : un gain ne vaut que mesuré chez vous.
Trier les demandes du service client
Chaque message entrant est classé (retour, panne, facturation, question sur un produit) et transmis à la bonne personne, qui reste seule à répondre.
Le contexte
Une boutique en ligne ou un fabricant reçoit chaque jour des courriels et des formulaires : demandes de retour, pannes, questions de facturation, réclamations.
Le problème
Tout arrive dans la même boîte. Le tri prend du temps, les urgences se perdent au milieu du reste, et certains clients attendent trop longtemps.
La solution
Côté technique. Un modèle de classification lit chaque message et lui attribue une catégorie et un niveau d’urgence. C’est du traitement du langage : un LLM Grand modèle de langage. Voir le glossaire sait le faire, mais un modèle plus simple peut suffire et tourner en local. C’est le principe de sobriété : choisir le plus petit modèle qui suffit.
Côté humain. Au démarrage, une personne vérifie le tri et corrige les erreurs. Ce sont toujours des personnes qui répondent aux clients, et chaque client doit pouvoir joindre un humain.
Les données en jeu
Les messages contiennent des noms, des adresses, des numéros de commande, parfois des informations de santé ou de paiement. Ce sont des données clients, donc confidentielles (feu rouge) : outil sous contrat qui traite les données dans l’Union, ou solution locale. Pour classer un message, l’outil n’a besoin que de son texte ; ne lui transmettez pas le reste du dossier client.
Les règles à respecter
- RGPD Règlement général sur la protection des données. Voir le glossaire : une finalité claire (orienter les demandes), une durée de conservation, et un contrat de sous-traitance si un prestataire traite les messages (article 28) Règlement (UE) 2016/679 (RGPD)Journal officiel de l’Union européenne.
Source primaire · consultée le 24 septembre 2026
Consulter la source. - Pas de décision automatique : un modèle ne doit pas décider seul d’une mesure qui pénalise un client, comme un refus de retour ou de remboursement. Une personne décide (RGPD, article 22).
Le gain, à mesurer
Mesurez le délai de première réponse et le temps passé à trier, avant et après. Chaque semaine, relisez un échantillon de messages classés et comptez les erreurs : c’est votre taux d’erreur, à suivre dans la durée.
Et si… ?
Et si l’outil de tri pouvait aussi rembourser les clients ?
Un message piégé pourrait alors déclencher un remboursement : il suffit d’y glisser des instructions que l’outil prendra pour des ordres. C’est l’Prompt / injection de prompt Consigne donnée à un modèle / attaque qui détourne ces consignes via du contenu. Voir le glossaire, aggravée par des droits excessifs, que l’OWASP classe parmi les principaux risques des applications d’IA générative Famille d’IA qui produit du texte, des images, du son ou de la vidéo à partir d’une consigne ; les assistants conversationnels en sont l’exemple le plus connu. Voir le glossaire OWASP Top 10 pour les applications LLM et d’IA générative, version 2026OWASP GenAI Security Project.
Source primaire · consultée le 24 septembre 2026
Consulter la source. La parade : un outil de tri n’a que le droit de lire et de classer ; toute action passe par une personne.
Les limites
- Le modèle se trompe sur les messages ambigus ou qui mêlent plusieurs sujets. Prévoyez une catégorie « à trier à la main ».
- Les catégories changent (nouveau produit, nouvelle offre) : le tri se revoit régulièrement, sinon ses erreurs augmentent sans bruit.
Les coûts à prévoir
- Le temps de définir les catégories, de rassembler des exemples de messages et de tester.
- Pour une solution locale : l’installation et la maintenance.
- Ensuite, un contrôle régulier par échantillon.
À retenir
- Pour classer des messages, un modèle simple suffit souvent.
- L’outil trie ; une personne répond et décide.
- Données clients : feu rouge, outil sous contrat qui les traite dans l’Union, ou solution locale.
Pour aller plus loin
- Automatiser sans se mettre en dangerUn agent qui automatise une tâche répétitive peut être détourné par ce qu’il lit. Repérer le risque, suivre les conséquences d’un cas concret, puis activer les parades qui s’additionnent.
- Trouver ses premiers cas d’usageRepérer un problème qui vaut la peine d’être outillé par l’IA, le noter avec une grille simple, puis savoir où chercher des idées dans votre métier.
- Vos données : où vont-elles ?Savoir où partent vos données quand vous utilisez une IA, qui peut y accéder, et quelle règle appliquer selon leur sensibilité.
Sources
- Règlement (UE) 2016/679 (RGPD), Journal officiel de l’Union européennesource primaire
- OWASP Top 10 pour les applications LLM et d’IA générative, version 2026, OWASP GenAI Security Projectsource primaire
Fiche tirée de la base de connaissance du site (§2.3, §3.4, §4.6, §6.2, §7.2, §7.7, §8.1, §9), dont chaque affirmation est sourcée et datée. Dernière vérification des sources : 24 septembre 2026.
D’autres fiches pour les mêmes métiers
Rédiger et synthétiserBrouillonExemple type
Interroger vos documents sans tout relire
Un assistant répond à vos questions à partir de vos propres documents (notices, procédures, conditions générales) et renvoie au passage d’où vient la réponse.
Données : feu orange- Commerce
- Services
- Professions réglementées
- Industrie
Rédiger et synthétiserBrouillonExemple type
Rédiger les fiches produits d’un catalogue
À partir des caractéristiques que vous fournissez, l’IA propose une description claire et homogène pour chaque produit ; vous vérifiez chaque chiffre avant la mise en ligne.
Données : feu vert- Commerce
- Artisanat
- Industrie
Rédiger et synthétiserBrouillonExemple type
Rédiger un témoignage client à partir d’un entretien
Après un projet réussi, l’IA met en forme un témoignage fidèle aux mots du client ; le client le relit, le corrige et donne son accord écrit avant toute publication.
Données : feu rouge- Services
- Artisanat
- Commerce
- Industrie