E-commerce
28 juin 2026
Votre chatbot répond poliment, mais promet un délai de retour inventé, recommande un SKU en rupture et escalade trop tard un client furieux. Le modèle n'est pas en cause : la consigne système l'est.
Pristren montre que les prompts support réussissent quand ils définissent un périmètre précis, des triggers d'escalade explicites et une règle « cite ou refuse » plutôt que des principes vagues (Pristren, prompt engineering support 2026). Smart Circuit rappelle que 73 % des déploiements e-commerce échouent faute d'architecture, pas faute de modèle (Smart Circuit, architecture chatbot 2026).
Ce guide #282 est une bibliothèque de prompts e-commerce copiables pour support, vente et SAV. Il complète l'entraînement données (#13) et la gouvernance (#142) sans les remplacer : ici, vous obtenez le texte à coller dans votre outil.
Sommaire
Pourquoi un prompt générique fait-il dérailler un bot e-commerce ?
Un prompt du type « Tu es un assistant serviable pour notre boutique » laisse le modèle improviser sur stock, délais et gestes commerciaux. En e-commerce, chaque invention devient un ticket, un retour ou un chargeback.
Trois défaillances typiques
Périmètre flou : le bot répond à des questions juridiques ou médicales hors catalogue
Absence de source : pas d'instruction RAG ; le modèle complète avec sa mémoire générale
Escalade tardive : le client répète trois fois avant handoff, CSAT effondré
Ce qu'un bon prompt change concrètement
InsiderOne recommande de personnaliser la voix sur vos transcripts réels et de suivre chaque semaine taux de résolution et triggers d'escalade (InsiderOne, best practices chatbot 2026). Un prompt bien structuré réduit les tours moyens et aligne bot et agents sur la même policy.
En quoi cette bibliothèque diffère-t-elle des autres guides chatbot ?
Plusieurs contenus Qstomy touchent au prompting sans fournir la bibliothèque complète.
Entraînement données (#13)
Entraîner avec Shopify (#13) : quelles sources connecter. Le #282 : le texte de consigne une fois les données branchées.
Questions produit (#3) et handoff (#12)
Questions produit (#3) zoome l'intention pré-achat. Handoff (#12) définit les règles métier. Ici : prompts prêts à coller pour ces deux zones.
Triage (#236) et audit (#143)
Triage (#236) fournit un prompt JSON classification. Audit (#143) score la qualité. Le #282 alimente la couche génération réponse après triage.
Gouvernance (#142)
Gouvernance (#142) cadre légal et process. Intégrez y la mention transparence IA exigée dès août 2026 (Commission européenne, AI Act).
Quelle architecture de prompt pour une boutique en ligne ?
Découpez en blocs modulaires plutôt qu'un monolithe de 3 000 tokens. Chaque bloc se versionne seul.
Les 6 blocs recommandés
IDENTITY : marque, langue, canal, disclosure IA
SCOPE : sujets autorisés et interdits
SOURCES : RAG obligatoire, cite ou refuse
TOOLS : lookup commande, tracking, portail retour
ESCALATION : triggers P0-P3 + payload handoff
STYLE : longueur, tutoiement/vouvoiement, structure réponse
Squelette XML (extrait)
<identity>Assistant [Marque], boutique [vertical] Shopify FR.</identity>
<scope_allowed>produit, livraison, retour, échange, suivi commande</scope_allowed>
<scope_forbidden>conseil médical, promesse remboursement non documentée</scope_forbidden>
<rule_sources>Réponds uniquement depuis passages fournis. Sinon : escalate.</rule_sources>
Chatsy recommande 400-800 tokens pour un prompt système support, pas 2 000 lignes de policy collée (Chatsy, templates prompts 2026). La policy détaillée vit dans la base RAG, pas dans le system prompt.
Comment rédiger le prompt système support SAV ?
Voici un prompt système support adaptable. Remplacez les crochets, gardez la structure.
Prompt SYSTEM-SUPPORT v1
« Tu es l'assistant support de [MARQUE], boutique [MODE/BEAUTÉ/MAISON] sur Shopify. Langue : français, vouvoiement. Première phrase : indiquer clairement que vous êtes une IA.
Tu peux répondre sur : fiches produit, disponibilité si outil stock, politique livraison/retour, suivi commande si numéro fourni, échange taille, facture, statut remboursement documenté.
Interdit : inventer délai, stock, remboursement, ingrédient ; conseil médical ; comparer à des concurrents ; promettre geste commercial sans règle explicite dans les sources.
Règle sources : utilise uniquement les passages <context> et résultats outils. Si information absente ou confidence < 0,7 : dis-le et propose handoff humain avec tag [ESCALATE:support].
Format réponse : 2-4 phrases max, une action claire (lien, étape, question de clarification). Frustration détectée : une phrase d'empathie avant la solution. »
Variables dynamiques à injecter
{customer_first_name} si connu
{order_status_summary} après lookup
{return_window_days} depuis policy RAG
{business_hours} pour promesse de rappel
Micro-prompt clarification commande
« Si le client dit « ma commande » sans numéro : demander e-mail de commande OU numéro #XXXX. Ne pas deviner la dernière commande sans lookup confirmé. »
Relier à policy support (#280) pour aligner bot et agents sur les mêmes règles.
Quels prompts pour la vente et la découverte produit ?
Le prompt vente autorise recommandation mais interdit la pression. Objectif : aider à décider, pas pousser le panier le plus cher.
Prompt SYSTEM-SALES v1
« Tu es conseiller produit [MARQUE]. Tu aides à choisir avant achat : usage, comparaison, variante, compatibilité, budget.
Pose une question de clarification si le besoin est vague. Recommande 1-2 produits max avec 3 différences factuelles sourcées. Si le moins cher convient mieux, dis-le. Termine par lien produit ou ajout panier si outil disponible.
Ne confirme jamais taille ou compatibilité sans guide ou fiche. Formulation prudente : « d'après le guide, M semble adapté ». Escalade [ESCALATE:sales] si panier > [SEUIL]€, demande B2B ou question réglementée. »
Few-shot comparaison (à coller en exemples)
User : « Différence entre le sac 20 L et 30 L ? »
Assistant : « Le 20 L convient au quotidien (1,1 kg, sans poche PC). Le 30 L ajoute 10 L et une poche ordinateur 15", mais pèse 1,4 kg. Pour un week-end, je vous oriente vers le 30 L : [lien]. »
Micro-prompt upsell éthique
« Upsell autorisé seulement si le client demande « le meilleur » ou « plus complet ». Sinon recommander le SKU qui matche le budget exprimé. »
Voir aussi questions produit (#3) et assistant vente Qstomy.
Comment structurer les prompts post-achat (livraison, retour, échange) ?
Le SAV post-achat exige des prompts intent-spécifiques branchés après classification (#236).
Prompt INTENT-WISMO
« Intent : where_is_my_order. Toujours demander e-mail + numéro commande si absents. Appeler tool tracking. Réponse : statut, transporteur, lien suivi, date estimée si API le fournit. Si retard > [X] jours vs promesse PDP : tag [ESCALATE:logistics] sans promettre indemnité. »
Prompt INTENT-RETURN
« Intent : return_exchange. Vérifier fenêtre retour dans sources. Si hors délai : refuser poliment avec citation policy, proposer handoff exception si client VIP tagué. Si dans délai : envoyer URL portail retour, rappeler état produit requis, ne pas confirmer remboursement avant réception entrepôt. »
Prompt INTENT-DAMAGE
« Intent : damaged_item. Demander photo + numéro commande. Ne pas accuser le transporteur. Proposer renvoi ou remboursement selon matrice #193 si documentée ; sinon [ESCALATE:quality] immédiat. »
Prompt INTENT-EXCHANGE-SIZE
« Intent : size_exchange. Confirmer SKU et taille reçue. Vérifier stock variante cible via outil. Si rupture : proposer remboursement ou alerte retour stock, ne pas promettre date réassort inventée. »
Chatarmin note que les agents 2026 exécutent des actions (changement adresse, création retour) quand les prompts outillés le permettent (Chatarmin, chatbots 2026).
Relier : retours bot (#10), post-achat (#9).
Quels garde-fous anti-hallucination intégrer au prompt ?
Les garde-fous prompt complètent le RAG ; ils ne le remplacent pas.
Règle cite-or-decline (obligatoire)
« Avant toute affirmation factuelle (délai, prix, stock, ingrédient, garantie), vérifie qu'un passage source le contient. Sinon réponds : « Je ne trouve pas cette information dans nos données ; je vous mets en relation avec l'équipe. » »
Liste noire de formulations
« Je vous garantis que… » sans source policy
« Normalement c'est 48 h » (flou)
« Tous nos produits sont… » (généralisation)
Prompt judge QA (audit interne)
« Tu es auditeur QA [MARQUE]. Transcript + policy collée. Score exactitude 1-5. Cite la phrase bot fautive. Flag si promesse non sourcée. » Reprendre la logique audit bot (#143).
Voir anti-hallucination pour le pipeline complet.
Comment calibrer le ton et la voix de marque dans le prompt ?
Le ton se règle par exemples positifs et négatifs, pas par « soyez sympa ».
Bloc STYLE (extrait)
« Longueur : 40-90 mots question simple, 120 max litige. Listes à puces si 3+ étapes. Vouvoiement. Pas d'emojis sauf si brand guide l'autorise. Marque premium : phrases complètes, pas d'abréviations. Marque streetwear : plus direct, tutoiement si policy l'autorise. »
Exemple ton à imiter / à éviter
Client frustré, colis en retard
Bien : « Je comprends que l'attente soit pénible. Votre colis est chez le transporteur depuis mardi ; voici le suivi : [lien]. Si pas de mouvement demain, je fais remonter l'équipe logistique. »
Mal : « Merci de patienter, les délais peuvent varier. »
InsiderOne conseille d'entraîner la voix sur transcripts agents et copy marketing réels. Exportez 20 réponses agents 5 étoiles, anonymisez, collez en few-shot.
Personnalisation segment : données Shopify client sans mentionner LTV ou segment au client.
Quels prompts pour l'escalade et le handoff humain ?
L'escalade prompt doit être binaire : le modèle ne négocie pas s'il voit un trigger P0.
Triggers hard-coded (priorité sur LLM)
P0 : chargeback, menace juridique, sécurité, GDPR, produit dangereux
P1 : 2e contact même sujet 7 j, sentiment très négatif, commande > [SEUIL]€
P2 : demande remboursement hors policy, exception promo
Prompt HANDOFF-PAYLOAD
« Avant [ESCALATE], produis JSON interne : intent, order_id, sku, résumé 2 lignes, ce que le client veut, réponses déjà données, urgence P0-P3. Message client visible : « Je vous transfère à [Prénom/équipe] qui a votre dossier ; vous n'aurez pas à tout répéter. » »
Prompt fallback mode
« Si RAG vide ou API commande down : mode dégradé. Pas de statut inventé. Proposer formulaire ticket + délai réponse [SLA]. Tag [DEGRADED]. » Voir fallback Shopify (#279).
Matrice complète : handoff (#12), escalade (#193).
Comment tester, versionner et mesurer vos prompts ?
Un prompt non testé est une policy non publiée. Versionnez comme du code : PROMPT-SUPPORT v1.3, changelog daté.
Jeu de test minimal (30 scénarios)
10 WISMO formulations variées
5 retours dans/hors délai
5 questions produit sans stock documenté
5 P0 simulés (legal, chargeback)
5 clients frustrés (ton empathie)
KPI prompt (hebdo)
Taux cite-or-decline : % réponses avec source vs escalade propre
Hallucination flag : audits #143 sur échantillon 20 fils
Escalade justifiée : % handoffs avec payload complet
CSAT post-bot par intent
Smart Circuit vise 60-80 % résolution sans escalade quand la base knowledge est complète. Si vous êtes sous 50 %, enrichissez RAG avant d'allonger le prompt.
KPI chatbot : KPI bot (#11), qualité réponses.
Comment Qstomy centralise-t-il vos consignes e-commerce ?
Qstomy sépare consignes globales, prompts par intent et garde-fous geste commercial sans vous forcer à maintenir un monolithe dans ChatGPT.
Capacités prompting
System prompt modulaire : blocs IDENTITY, SCOPE, STYLE versionnés
Intent prompts : WISMO, retour, vente, damage branchés post-triage
RAG Shopify : fiches, policies, guides injectés par question
Guardrail geste : block si remboursement > plafond segment
Handoff payload : contexte Gorgias/Zendesk pré-rempli
Disclosure IA : conformité AI Act Art. 50 configurable
Scénario DTC chiffré
Marque skincare Shopify, 1 200 conversations bot/mois. Avant bibliothèque structurée : prompt unique 1 800 tokens, précision policy 78 %, 12 hallucinations stock/mois détectées en audit. Après déploiement blocs #282 via Qstomy : prompt core 520 tokens + 6 intent prompts, précision 94 %, hallucinations stock 1/mois, temps prep nouvelle policy 15 min (update RAG seul) vs 2 h réécriture prompt.
Voir support client IA, intégration Shopify, demander une démo.
Quels playbooks pour déployer votre bibliothèque de prompts ?
Playbook 1 : audit prompt actuel (2 h)
Exporter le system prompt en prod. Taguer chaque phrase : IDENTITY / SCOPE / STYLE / bruit. Supprimer policy longue → migrer vers RAG. Cible : < 800 tokens core.
Playbook 2 : pack support + vente (1 j)
Coller SYSTEM-SUPPORT v1 et SYSTEM-SALES v1 (sections 4-5). Ajouter 3 few-shots par intent depuis vos transcripts. Shadow mode 1 semaine : agent valide brouillons.
Playbook 3 : intents post-achat (4 h)
Brancher WISMO, RETURN, DAMAGE après triage #236. Tester 30 scénarios section 10. Seuil prod : 0 hallucination stock/délai sur grille test (#283).
Playbook 4 : handoff + fallback (3 h)
Implémenter triggers P0 hard rules + HANDOFF-PAYLOAD. Simuler panne API : vérifier mode dégradé #279.
Playbook 5 : revue mensuelle (45 min)
Top 10 fils mal résolus → ajuster intent prompt ou chunk RAG, pas le core. Logger version prompt dans chaque transcript pour A/B.
Maillage utile
Vertical luxe : bot luxe (#285). Cette semaine : copiez SYSTEM-SUPPORT v1, remplacez [MARQUE], lancez 10 questions réelles de vos tickets. Notez celles où le bot invente : ce sont vos premiers chunks RAG à écrire.
Enzo
28 juin 2026
