E-commerce
28 juin 2026
Lundi : le hub aide indique retour sous 30 jours. Mardi : l'agent écrit 14 jours pour un client fidèle. Mercredi : le bot promet remboursement sous 48 h. Jeudi : le client ouvre un litige. Trois canaux, trois vérités.
Intercom rappelle qu'un agent IA n'est fiable que si la terminologie, les policies et le ton restent identiques sur chaque point de contact (Intercom, knowledge management 2026). Alhena estime que trois articles contradictoires sur la même policy font chuter la précision bot de 15 à 25 points (Alhena, entraînement agent 2026).
Ce guide #191 traite la gouvernance cohérence support : éviter réponses contradictoires entre hub questions-réponses, chatbot et agents. Distinct de base réponses (#102) (construire la bibliothèque) et de comparatif outils (#180) (choisir hub vs bot).
Sommaire
Pourquoi les contradictions support coûtent-elles cher ?
Les réponses contradictoires support e-commerce détruisent confiance, CSAT et efficacité bot en une conversation.
Symptômes visibles
Ticket rouvert : client cite agent précédent vs réponse actuelle
« Votre site dit autre chose » : hub aide vs chat
Bot contredit agent : handoff humain obligatoire, NPS bas
Onboarding agent lent : chacun invente sa formulation
Coût mesurable
ScreenMeet cite un ticket reopen rate cible sous 5 % ; au-delà de 10 %, signal qualité systémique. Converged Hub note que l'omnicanal sans source unique multiplie handle time et escalades (Converged Hub, omnichannel 2026).
Exemple DTC
Marque mode : hub aide « retour 30 j », macro agent « 45 j VIP », bot « 14 j » (hallucination). Tickets retour +38 %, CSAT −1,4 pt, bot unmatched intent retour x2.
Effet domino
Une contradiction sur le délai de remboursement génère souvent chargeback, avis 1 étoile et ticket rouvert dans la même semaine. Le client ne distingue pas hub aide, bot et agent : pour lui, c'est la marque qui ment.
En quoi diffère-t-il de la base réponses et du comparatif outils ?
Le #191 couvre gouvernance et sync, pas la création initiale du contenu.
#102 Base réponses REP
Base réponses (#102) : structure fiches REP, taxonomie, macros. Le #191 : maintenir une seule vérité entre REP, hub public et bot.
#180 Hub vs recherche vs bot
Comparatif #180 : quel outil pour quelle intention. Ici : tous coexistent, comment les aligner.
#165 Structure par intent
Organiser par intent (#165) : architecture rubrique produit. Le #191 : workflow ops quand policy change.
#103 Nettoyage data bot
Clean data (#103) : préparer corpus IA. Le #191 : gouvernance continue post-lancement, pas audit one-shot.
Promesse #191
Cartographie surfaces, source canonique, rôles, audit hebdo, KPI contradiction.
Quelles surfaces de réponse cartographier ?
Listez chaque surface réponse client avant de parler de cohérence.
Surfaces self-service
Hub aide public : articles policies, shipping, retours
Rubriques produit PDP : questions-réponses par SKU
Chatbot widget : RAG + instructions système
Recherche interne site : index help center + blog
Surfaces agent
Base REP interne : Notion, Guru, Qstomy KB
Macros Gorgias/Zendesk : raccourcis dérivés
Notes onboarding agent : Google Doc non officiel = danger
Surfaces passives
Bandeaux site, footer policy, e-mails Klaviyo transactionnels, page checkout réassurance. Un changement retour 30 → 14 j doit toucher toutes ces surfaces, pas seulement le hub aide.
Comment définir une source canonique unique ?
La source canonique support est le document master dont dérivent toutes les autres formulations.
Hiérarchie recommandée
Policy officielle : page Shopify legal ou PDF validé juridique
Fiche REP canonique : traduction opérationnelle agent + bot
Article hub public : version client simplifiée
Macro / snippet bot : extrait court dérivé
Règle d'or
On ne modifie jamais la macro en premier. Flux : policy → REP → hub → macro → re-index bot. Gorgias rappelle que les macros ne servent plus de source bot depuis 2026 : le contenu utile doit migrer vers guidance ou articles (Gorgias, AI Agent 2026).
Champs obligatoires fiche canonique
ID REP, policy liée, réponse courte chat, réponse longue e-mail, exceptions autorisées, date dernière revue, owner, statut published/deprecated. Voir structure REP (#102).
Quels rôles et rituels de gouvernance mettre en place ?
La gouvernance cohérence support exige un owner et un rituel, pas seulement un Notion partagé.
RACI type DTC
Owner KB (support lead) : valide toute modification REP
Ops e-commerce : sync PDP, bandeaux, checkout
Marketing : e-mails Klaviyo alignés policy
Dev / intégrateur : re-index bot sous 24 h
Rituel changement policy (exemple retour 30 → 45 j)
Ticket Notion « CHANGE-RET-2026-03 » ouvert
Mise à jour REP-RET-001 + validation owner
Hub aide + macros + bandeau footer
Re-index bot + test 10 questions gold
Brief agents Slack + archive ancienne version
Clôture ticket avec date effective
Interdit
Agent senior modifie macro sans mettre à jour REP. Stagiaire répond de mémoire sur exception non documentée.
Comment auditer les contradictions chaque semaine ?
L'audit cohérence support hebdo prend 45 min avec un protocole fixe.
Protocole 10 questions gold
Sélectionnez 10 intents top volume : délai livraison, retour, remboursement, annulation, promo, taille, WISMO, adresse, garantie, contact. Pour chaque intent, comparez : hub aide, bot, macro agent, réponse agent aléatoire (sample 5 tickets).
Grille scoring
Aligné : même fait, formulation proche
Écart mineur : ton différent, fait identique
Contradiction : délai, montant ou policy différente
Seuil d'alerte
≥ 1 contradiction sur 10 = action sous 48 h. Alhena recommande de supprimer les doublons contradictoires avant tout ré-entraînement bot : trois versions d'une policy = précision tankée.
Source des écarts fréquents
Promo temporaire non retirée du bot. Exception VIP dans macro seule. Hub aide 2024 jamais refresh. Voir support post-redesign pour bascule corpus J0.
Outil simple
Spreadsheet audit : colonnes intent, hub, bot, macro, agent, score, owner fix, date correction. Partage vendredi en standup support 15 min.
Comment synchroniser le chatbot sur la source canonique ?
Le bot cohérent cite la fiche REP, pas un mélange d'articles obsolètes.
Pipeline sync
Export REP published uniquement (pas draft)
Chunking Q&A atomique : 1 chunk = 1 fait
Metadata : intent, région, date revue
Re-index + suppression chunks deprecated
Test gold set post-index
Instructions système
« Si conflit entre sources, prioriser fiche REP-ID la plus récente. Si incertain, handoff humain. Ne jamais inventer délai refund. » Voir instructions bot et anti-hallucinations.
Versioning
Alhena recommande un snapshot corpus par date pour auditabilité : savoir ce que le bot savait lors d'une conversation litigieuse.
Comment former les agents à la réponse canonique ?
Les agents support doivent chercher la fiche REP avant d'improviser.
Règles équipe
Macro obligatoire pour top 20 intents avant personnalisation
Exception documentée : note ticket + demande validation si hors REP
Interdit promesse : délai ou geste non listé en REP
Onboarding 30 min
Tour REP : où chercher, comment lire escalade, exemple contradiction passée et correction. Quiz 5 questions : « Client demande retour J+40, que répondre ? »
Feedback loop
Agent signale « REP-RET-001 obsolète » via tag kb_gap. Owner traite sous 5 j ouvrés. Ticket rouvert pour contradiction = priorité P2 review REP.
Comment gérer les cas limites sans casser la cohérence ?
Les exceptions support existent, mais doivent rester traçables et rares.
Matrice exception
VIP / LTV élevé : geste pré-approuvé dans REP-ESC-VIP, pas inventé
Incident ops : macro temporaire FLASH avec date fin
Erreur entrepôt : refund immédiat documenté, pas promesse bot générique
Macros temporaires
Préfixe TEMP-BFCM-, date expiration obligatoire. Retrait auto J+7 post-promo. Sinon le bot et le hub citent encore la promo en mars.
Multi-canal
Policy Shopify DTC ≠ Amazon marketplace. Tag canal obligatoire avant réponse. Voir support marketplace (#190).
Quels KPI mesurer la cohérence des réponses ?
Mesurez la qualité cohérence support, pas seulement le volume tickets.
KPI leading
Ticket reopen rate : cible < 5 %
Score audit gold 10 : 10/10 aligné
Bot-human agreement : % réponses bot validées par agent sur sample
KB gaps ouverts : tendance descendante
KPI lagging
CSAT, verbatims « on m'a dit autre chose », chargebacks promesse non tenue, temps onboarding nouvel agent.
Dashboard mensuel
1 page : contradictions détectées, temps correction moyen, top 3 intents en écart, actions policy en cours. Voir maintenir base connaissances.
Comment Qstomy garantit-il la cohérence multi-sources ?
Qstomy centralise corpus REP, bot et escalade humaine sur une source unique versionnée.
Fonctionnalités
Corpus unique : hub, bot, agent copilot même KB
Versioning snapshot : audit conversation litige
Conflict alert : détecte écart macro vs REP
Gold set test : post-update auto
Tag kb_gap : remontée agent → owner
Scénario DTC chiffré
Marque cosmétique, hub aide 62 articles, 48 macros Gorgias, bot RAG sur export help center obsolète. Audit : 7/10 contradictions retour/livraison. Déploiement Qstomy corpus REP + sync bot 24 h + audit hebdo gold. Après 8 semaines : contradictions 0/10, reopen rate 4,1 % (vs 11 %), CSAT +0,9 pt, bot resolution +18 pts, onboarding agent −2 j.
Explorez support client IA, Shopify, demander une démo.
Quels playbooks opérationnels lancer cette semaine ?
Playbook 1 : cartographie surfaces (2 h)
Lister hub, bot, macros, bandeaux, e-mails. Owner par surface. Identifier surface sans owner = risque.
Playbook 2 : 10 fiches REP canoniques (1 jour)
Top 10 intents volume. Structure section 4. Statut published. Lien policy officielle.
Playbook 3 : premier audit gold (45 min)
10 questions, scoring section 6. Plan correction 48 h si contradiction.
Playbook 4 : sync bot (2 h)
Re-index REP published. Test gold. Instructions anti-conflit.
Playbook 5 : rituel vendredi KB (30 min)
Tags kb_gap, macros modifiées sans REP, 1 update canonique.
Maillage utile
Un client ne voit pas vos silos internes. Il voit une marque qui se contredit ou une marque fiable. La cohérence se gouverne, elle ne se souhaite pas.
Enzo
28 juin 2026
