Comment calibrer un agent IA sur vos tickets réels

1. Extraire un échantillon représentatif de tickets historiques

La calibration démarre par l'export d'un échantillon de tickets réels — plusieurs semaines de flux, tous canaux confondus (e-mail, chat, réseaux sociaux). L'objectif est de couvrir la diversité réelle des demandes : statut de commande, retours, réclamations produit, questions avant-vente, litiges. Un échantillon trop restreint ou trop récent (période de soldes, rupture de stock ponctuelle) fausse la calibration : il faut une fenêtre qui reflète le fonctionnement normal de la boutique.

2. Catégoriser : factuel-répétitif vs jugement humain

Chaque ticket de l'échantillon est classé en deux familles. D'un côté, les demandes factuelles et répétitives, dont la réponse dépend uniquement de données vérifiables — statut de livraison, politique de retour, disponibilité produit. De l'autre, les demandes qui exigent un jugement humain : un client mécontent qui sort du cadre standard, une réclamation ambiguë, une exception commerciale. Cette catégorisation, faite à la main sur l'échantillon réel, dessine la frontière entre ce que l'agent peut traiter seul et ce qui doit rester escaladé — elle ne se devine pas, elle s'observe.

3. Définir le périmètre d'actions autorisées

À partir de cette catégorisation, on fixe précisément ce que l'agent a le droit de faire : répondre à une question, consulter le statut d'une commande, initier un remboursement sous un plafond donné, proposer un geste commercial dans une fourchette définie. Tout ce qui sort de ce périmètre déclenche une escalade automatique vers un humain, avec le ticket déjà résumé et contextualisé. Le périmètre doit être écrit noir sur blanc avant la mise en service, pas ajusté au fil de l'eau après un incident.

4. Phase de validation humaine avant autonomie complète

Avant de laisser l'agent répondre seul, une phase de supervision est nécessaire : l'agent propose une réponse, un humain la valide ou la corrige avant envoi. Cette phase sert à vérifier que le comportement observé sur l'échantillon historique se confirme sur le flux réel, en conditions réelles, et à détecter les cas limites que l'échantillon n'avait pas couverts. Sa durée dépend du volume de tickets et de la diversité des cas rencontrés — elle ne se raccourcit pas pour aller plus vite.

5. Itérer sur les tickets escaladés

Une fois l'agent autonome sur son périmètre, les tickets escaladés restent la source d'information la plus utile. Chaque escalade est un signal : une information manquante dans la FAQ, une politique ambiguë, un cas nouveau qui justifie d'élargir — ou de restreindre — le périmètre. La calibration n'est donc jamais figée : elle se revoit régulièrement à partir des cas réels rencontrés après la mise en service, pas seulement sur l'échantillon de départ.