E-commerce
1 juillet 2026
« Cette description produit est-elle écrite par une IA ? » « L'image du packshot est-elle générée artificiellement ? » « Votre FAQ contient une erreur, qui vérifie le contenu automatique ? » Trois tickets où la transparence contenus IA boutique manque de réponse support claire.
Le support questions contenus générés par IA e-commerce couvre descriptions produit, images, textes éditoriaux et signalement d'inexactitudes. Distinct de la gouvernance chatbot (#142) et des hallucinations bot (#123) : ici, le client interroge le contenu affiché sur la boutique, pas seulement le widget chat.
Ce guide #859 déploie policy AIGENCON-SUP, flow AC-1 à AC-8 et matrice AIGENCON-MAP. Paire SAV du futur bot transparence (#860).
Sommaire
Pourquoi les contenus IA boutique génèrent-ils des tickets ?
Les marques DTC utilisent l'IA pour rédiger fiches produit, variantes SEO, visuels lifestyle et FAQ. Le client repère un ton générique, une erreur factuelle ou une image trop lisse. L'agent ne sait pas quels contenus sont IA, minimise ou renvoie vers le chatbot sans politique de divulgation.
Cinq frictions typiques contenus IA boutique
Description IA ? : demande si texte produit est automatisé
Image générée ? : doute sur photo ou visuel IA
Erreur factuelle : composition, taille, compatibilité incorrecte
Label manquant : veut badge « contenu assisté par IA » visible
Méfiance générale : ne fait plus confiance aux infos site
L'EU AI Act impose une transparence claire lorsque le client interagit avec un système IA (EU AI Act, article 50). Le support traduit cette obligation en réponses ticket.
Exemple DTC
Cosmétiques DTC, 9 tickets aigencon_/mois. Après AIGENCON-MAP : aigencon_trust_resolution_rate 89 %, signalements erreur routés merch 92 %.
AIGENCON #859 vs Gouvernance #142, Hallucinations #123 et bot #860
Six contenus, six angles transparence IA distincts.
Matrice rapide
#859 AIGENCON : questions contenus IA boutique descriptions images FAQ
Gouvernance #142 : règles internes validation supervision bot
Hallucinations #123 : prévention technique réponses bot inventées
Bot #860 : faut-il dire quand réponse chat est IA
Privacy #154 : usage données transverse distinct contenu affiché
Product questions : question produit factuelle distinct origine contenu
#859 = ce texte ou visuel est-il généré par IA ? #860 = votre réponse chat est-elle IA ?
Promesse #859
Policy AIGENCON-SUP, arbre AIGENCON-GATE, 8 macros, registre contenus IA agent-ready, KPI aigencon_trust_resolution_rate.
Quelles typologies aigencon_* classifier ?
Classifier oriente action : divulgation ≠ correction merch ≠ handoff bot #860.
Huit typologies AIGENCON-MAP
aigencon_description_ask : description produit générée par IA ?
aigencon_image_ask : image ou visuel généré artificiellement ?
aigencon_accuracy_error : erreur factuelle dans contenu IA
aigencon_label_request : veut label transparence IA visible
aigencon_human_review : demande vérification humaine contenu
aigencon_trust_general : méfiance générale contenus automatisés
aigencon_editorial_faq : page FAQ ou blog assistée IA
aigencon_chat_confusion : mélange contenu site et réponse chatbot
Policy AIGENCON-SUP : règles agents et escalade
La policy AIGENCON-SUP fixe transparence honnête sans sur-promettre zéro IA ni cacher les assistances.
Six règles AIGENCON-SUP
Registre contenus IA à jour : macro AIGENCON-DISCLOSE avant improvisation
Divulguer ce qui est assisté : politique transparence cite map interne
Erreur factuelle → merch : AIGENCON-CORRECTION ticket produit P2
Humain vérifie : AIGENCON-HUMAN-REVIEW processus éditorial expliqué
Pas confondre chat et fiche : aigencon_chat_confusion → handoff #860
Pas nier l'IA si assistée : transparence proportionnée registre
Matrice contenu (agent)
Description produit : rédigée humain, assistée IA, ou mixte documenté
Images : photo réelle, retouche, ou générée IA selon registre
FAQ blog : contenu éditorial avec ou sans assistance
Réponse chat : handoff transparence bot #860
Flow AC-1 à AC-8 : résolution standard
Huit étapes séquentielles, SLA P3 transparence < 24 h, escalate merch si accuracy_error.
Flow AC-1 à AC-8
AC-1 Triage : lire question, tag aigencon_*, fiche ou chat ?
AC-2 Lookup : registre contenus IA, SKU concerné, source contenu
AC-3 Educate : AIGENCON-POLICY lien transparence site
AC-4 Classify : aigencon_* via AIGENCON-MAP
AC-5 Execute : DISCLOSE, CORRECTION, HUMAN-REVIEW, handoff #860
AC-6 Confirm : macro AIGENCON-DONE périmètre exact
AC-7 Test : client comprend origine contenu et prochaine étape
AC-8 Close : KPI aigencon_trust_resolution_rate
Huit macros AIGENCON-* prêtes à coller
Macros factuelles alignées registre interne, pas de déni ni sur-vendu « 100 % humain ».
Bibliothèque AIGENCON-*
AIGENCON-DISCLOSE : « Ce contenu est {{status}} : rédigé par notre équipe, assisté par IA ou mixte. Détail : {{policy_link}}. »
AIGENCON-POLICY : « Notre politique transparence IA explique quels contenus sont assistés. Lien : {{url}}. »
AIGENCON-ACCURACY : « Merci pour le signalement. Nous transmettons à l'équipe produit pour vérification sous {{sla}}. »
AIGENCON-HUMAN-REVIEW : « Les fiches sensibles passent relecture humaine avant publication. Signalement prioritaire. »
AIGENCON-LABEL : « Nous affichons un label sur les contenus assistés par IA lorsque applicable. »
AIGENCON-CORRECTION : « Erreur signalée sur {{sku}}. Ticket produit {{ticket_id}} ouvert. »
AIGENCON-LIMITS : « L'IA aide la rédaction. Les allégations réglementées sont validées par humains. »
AIGENCON-DONE : « Récap : {{action}}. Contactez-nous si autre contenu vous interroge. »
Arbre AIGENCON-GATE et registre contenus IA agent-ready
Arbre décision avant nier l'IA ou ignorer erreur factuelle.
AIGENCON-GATE
Question description ou image ? → DISCLOSE registre + POLICY
Erreur factuelle signalée ? → ACCURACY + CORRECTION merch P2
Demande label ? → LABEL + POLICY
Confusion réponse chat ? → handoff #860 pas DISCLOSE fiche seul
Méfiance générale ? → POLICY + HUMAN-REVIEW + LIMITS
Registre interne minimum
Tableau helpdesk : type contenu, SKU ou page, statut humain/assisté IA/généré, date revue, owner merch. Mise à jour mensuelle. Former agents : transparence ≠ admettre toute erreur comme « normal IA ».
KPI, QA et handoff vers bot #860
Mesurer AIGENCON détecte déni IA et sous-routage corrections merch.
Quatre KPI AIGENCON
aigencon_trust_resolution_rate : client comprend origine contenu / total
aigencon_correction_routed_rate : % accuracy_error avec ticket merch
aigencon_wrong_silo_rate : % routés #860 ou #123 à tort seul
aigencon_repeat_7d : même question transparence sous 7 jours
Handoff bot #860
Exporter AIGENCON-MAP vers intents bot_aigencon_disclose, bot_aigencon_accuracy. Guardrail AIGENCON-SITE-VS-CHAT-BOT : distinguer contenu boutique et réponse widget.
Cas limites : allégations réglementées, UGC, contenu multilingue
Trois cas hors flow standard.
Allégations santé ou conformité
LIMITS + HUMAN-REVIEW prioritaire. Escalade juridique si allégation sensible contestée.
Avis client ou UGC
Pas contenu marque IA. Expliquer distinction avis clients vs fiche produit DISCLOSE.
Traduction automatique
Préciser traduction assistée IA distinct rédaction. DISCLOSE par locale si registre le documente.
Formation agents : 20 minutes AIGENCON
Module : registre contenus, transparence honnête, CORRECTION merch, site ≠ chat #860.
Exercices
Ticket A : description IA ? → DISCLOSE registre pas déni
Ticket B : erreur composition → CORRECTION merch pas « c'est l'IA »
Ticket C : réponse chat fausse → handoff #860 pas AIGENCON fiche
Comment Qstomy structure AIGENCON dans votre stack
Qstomy route aigencon_*, injecte registre contenus IA et handoff #860 si confusion chat.
Trois briques
Routing : intent ai_content_transparency vs bot_hallucination vs product_question
Knowledge : registre contenus IA synchronisé macros AIGENCON-*
Bot #860 : transparence réponses chat tier 1
Scénario : marque déco, 8 tickets/mois transparence IA. Bot #860 gère chat, agents traitent erreurs fiche produit. aigencon_trust_resolution_rate passe de 72 % à 90 % en 5 semaines.
FAQ et checklist déploiement AIGENCON
FAQ
Tout le site est-il généré par IA ?
Non. DISCLOSE par type contenu selon registre. LIMITS sur allégations réglementées.
Différence #860 ?
#859 = contenu boutique affiché. #860 = réponse widget chat générée par IA.
Client signale une erreur ?
ACCURACY + CORRECTION ticket merch. Pas minimiser comme bug IA acceptable.
Checklist 7 jours
J1 : AIGENCON-SUP + AIGENCON-MAP + registre contenus IA
J2 : 8 macros helpdesk
J3 : page politique transparence IA publique
J4 : formation 20 min agents
J5 : tags aigencon_* + KPI
J6 : test handoff #860 vs DISCLOSE fiche
J7 : brief bot #860 SITE-VS-CHAT-GATE
Maillage
Enzo
1 juillet 2026
