E-commerce
26 juin 2026
Structurer une base de connaissances e-commerce n'est pas la même chose qu'écrire une longue FAQ ou déployer un chatbot IA. La KB est l'actif éditorial qui alimente le self-service, les agents et les modèles RAG : taxonomie claire, articles atomiques, politiques à jour, maillage depuis le site et le widget bot.
La tension apparaît quand la politique retour du site dit 30 jours, la macro helpdesk dit 14 jours et le bot improvise 60 jours. Sans hub central, chaque canal amplifie une version différente de la vérité.
Ce guide se concentre sur l'architecture contenu : catégories, modèles d'article, maillage parcours client et connexion chatbot. Il complète nos comparatifs helpdesk, bot et KB sans refaire le débat outil par outil.
Sommaire
Base de connaissances, FAQ et chatbot : quelle différence ?
Trois briques souvent confondues, trois rôles différents.
Page FAQ
Résumé marketing ou vitrine : cinq à quinze questions visibles, souvent statique. Utile près du checkout, insuffisant seul pour le support à volume.
Base de connaissances (centre d'aide)
Bibliothèque structurée de réponses stables : politiques, procédures, guides produit, dépannage. Chaque article a une URL, un owner et une date de révision. C'est la source de vérité éditoriale.
Chatbot IA
Interface conversationnelle qui retrieve dans la KB et parfois interroge Shopify en temps réel. Ce n'est pas un substitut à la KB : c'est la couche qui rend le contenu accessible en langage naturel.
Voir helpdesk vs chatbot vs KB et FAQ e-commerce. eDesk rappelle qu'une KB « AI-ready » couvre articles clients, données produit, politiques et règles par canal (eDesk, AI knowledge base).
Quelle taxonomie adopter pour un centre d'aide e-commerce ?
La taxonomie doit refléter les intentions clients, pas votre organigramme interne.
Six catégories pilier pour une boutique DTC
Commander et payer : codes promo, moyens de paiement, facture
Livraison et suivi : délais, transporteurs, WISMO, colis bloqué
Retours et remboursements : éligibilité, procédure, délais
Produits : taille, compatibilité, entretien, garantie
Compte et données : connexion, newsletter, RGPD
Avant l'achat : confiance, authenticité, contact
Règles de profondeur
Docsio recommande 5 à 8 catégories de premier niveau et maximum trois clics pour atteindre un article (Docsio, KB design 2026).
Digital Applied ajoute que chaque niveau supplémentaire divise environ par deux la découvrabilité : restez peu profond (Digital Applied, IA playbook).
Utilisez des tags (SKU, collection, marché) pour le croisement, pas comme navigation principale.
Comment structurer un article pour humains et bot ?
Les articles rédigés pour le scroll humain cassent souvent la retrieval IA. Adoptez une structure « answer-first ».
Modèle d'article recommandé
Titre en formulation client (« Comment retourner un article ? »)
Réponse directe en 40 à 60 mots en tête de page
Étapes numérotées si procédure
Exceptions et cas limites
Liens vers articles connexes
Date de dernière mise à jour visible
Exemple concret
Mauvais : « Notre engagement qualité vous accompagne dans votre parcours retour… » suivi de trois paragraphes brand. Bon : « Vous disposez de 30 jours après réception pour retourner un article non porté, étiquettes intactes. » puis les cinq étapes numérotées jusqu'au remboursement. Le chunk RAG récupère la première phrase ; le client humain la lit sans scroller.
Erreurs à éviter
Un article qui mélange retour, échange et remboursement
Instructions basées sur captures d'écran sans texte
Intro marketing de trois paragraphes avant la réponse
Références UI obsolètes (« cliquez sur l'onglet Mes commandes v2 »)
HappySupport estime qu'un set de 15 à 20 articles bien structurés bat 200 PDFs mal organisés pour la retrieval bot (HappySupport, KB structure).
Quels contenus prioriser au lancement ?
N'attendez pas d'avoir cent articles pour lancer. Commencez par les vingt sujets qui génèrent 80 % des tickets.
Méthode en quatre étapes
Exporter 90 jours de tickets et classer par volume
Identifier les dix intents dominants
Rédiger ou migrer un article par intent prioritaire
Publier avec URL stable avant d'indexer le bot
Contenus non négociables au jour 1
Politique livraison et délais par zone
Politique retour complète (alignée sur rédaction politique retour)
Suivi commande et WISMO
Paiement refusé et 3-D Secure
Contact et délais de réponse support
HappySupport conseille de partir des 20 topics tickets les plus fréquents, pas de la liste features produit (HappySupport, build KB).
Comment mailler la KB depuis le site et le parcours d'achat ?
Une KB invisible ne réduit ni tickets ni hallucinations bot. Le maillage est partie intégrante de la structure.
Emplacements prioritaires
Footer : lien « Centre d'aide » visible
Fiche produit : retour, livraison, guide taille
Panier et checkout : rappel politique retour
E-mails transactionnels : suivi, livraison, retour
Widget chat : suggestions d'articles par intent
Page suivi commande : FAQ WISMO contextualisée
Recherche interne
Les clients cherchent « retour », « remboursement », « suivi ». Votre moteur interne doit renvoyer vers le bon article, pas vers une fiche produit sans rapport. Testez dix requêtes réelles par mois depuis la barre de recherche du centre d'aide : notez le taux de clic sur le premier résultat et les requêtes qui renvoient zéro article.
Comment préparer la base pour le RAG et le chatbot IA ?
Le RAG (retrieval augmented generation) lit vos articles au moment de la question. La structure détermine la qualité plus que le modèle.
Principes RAG e-commerce
Un sujet par article : évite les chunks dilués
Métadonnées : topic, URL, date révision, owner
Chunking par titres plutôt que taille fixe aveugle
Hybrid search : sémantique + mots-clés pour SKU et refs
Données live via API : stock, prix, statut commande hors index statique
Test de fraîcheur bot
Après chaque changement de policy, posez dix questions au bot dans les 24 h. Si une seule réponse contredit le centre d'aide, bloquez la diffusion jusqu'à re-indexation complète.
Heeya rappelle qu'une doc obsolète citée avec assurance nuit plus qu'un « je ne sais pas » suivi d'une escalade (Heeya, RAG support 2026).
Branch8 distingue catalogue/policy en RAG et commandes en appel API temps réel (Branch8, RAG e-commerce).
Voir nettoyer la FAQ avant bot et données Shopify.
Comment séparer contenu public et procédures internes ?
Tout ne doit pas être public. Séparez clairement contenu client et procédures internes.
Contenu public (indexé bot + SEO)
Politiques, procédures retour, guides produit, FAQ pré et post-achat.
Contenu interne (agents uniquement)
Seuils remboursement exceptionnel, procédures fraude, scripts litige, contacts transporteur, décisions brand sensibles.
Règle pratique
Si un article contient des seuils internes ou des formulations juridiques non destinées au client, gardez-le hors index bot. Le bot cite le public ; l'agent consulte l'interne via helpdesk ou wiki privé.
Documentez la liste des URLs indexées bot dans un fichier partagé support + marketing. Lors d'une refonte policy, mettez à jour d'abord le centre d'aide public, attendez la re-indexation, puis communiquez aux agents : l'ordre inverse multiplie les contradictions visibles client.
Quelle gouvernance pour garder la KB à jour ?
Une KB sans gouvernance devient obsolète en quelques mois. Traitez-la comme un produit avec owner et calendrier.
Champs obligatoires par article
Owner (personne responsable)
Date dernière révision
Prochaine revue planifiée
Version ou changelog si policy change souvent
Tags intent et canal
Cadence recommandée
Hebdo : top 5 recherches sans résultat + intents bot non résolus
Mensuel : revue des dix articles les plus consultés
Trimestriel : audit taxonomie et articles orphelins
Immédiat : toute modification de policy livraison, retour ou promo
Rituel de revue en quinze minutes
Chaque vendredi, l'owner KB ouvre le rapport « recherches sans résultat » et la liste des escalades bot de la semaine. Deux questions : un article manque-t-il ? un article existant est-il mal titré ? Une seule correction par semaine suffit pour éviter la dette éditoriale.
Boucle ticket vers article : si un sujet revient plus de 15 fois par mois sans article dédié, créez-le avant d'étendre le bot. Voir analytics conversations.
Quels exemples par intent : WISMO, retour, taille, paiement ?
Quatre intents couvrent une large part du volume e-commerce. Structurez-les en articles séparés, pas en pavé unique.
WISMO
Article 1 : délais normaux par transporteur. Article 2 : colis en transit sans scan depuis cinq jours. Article 3 : adresse incorrecte ou colis retourné expéditeur. Chaque article commence par « Où en est ma commande si… » avec la réponse en une phrase, puis les étapes. Le bot interroge Shopify pour le statut réel, puis cite l'article qui correspond au cas (retard normal vs anomalie).
Retour et échange
Structurez un mini-arbre décisionnel en texte : dans le délai légal ? produit scellé intact ? article outlet ou fin de série ? Indiquez le lien portail retour, le délai de remboursement après réception entrepôt, et la différence échange vs remboursement. Handoff humain si hors policy : handoff bot-humain.
Taille et fit
Tableau mesures, conseil entre deux tailles, échange gratuit. Liez depuis les fiches mode pour réduire retours « mauvaise taille ».
Paiement et facture
3-D Secure, échec carte, double prélèvement, facture entreprise. Ton rassurant, délais remboursement réels, lien vers banque si besoin.
Quels KPI pour piloter la base de connaissances ?
Piloter la KB avec des indicateurs actionnables, pas seulement des pageviews.
Taux self-service : résolution sans ticket après lecture article
Recherches sans résultat : gaps de contenu
Couverture intents bot : % intents avec article source
Tickets évités par article : avant/après publication
CSAT post-article : « cet article a-t-il aidé ? »
Délai moyen de révision : fraîcheur du hub
Comparez re-contact 48 h sur les intents couverts : si le volume ticket ne baisse pas malgré l'article, le contenu est mal rédigé, mal placé ou faux.
Comment Qstomy s'appuie sur une KB unifiée ?
Qstomy se place au-dessus d'une KB unifiée et de vos données Shopify : couche conversationnelle qui cite vos articles, vérifie commande et stock, puis escalade avec contexte.
Une source, plusieurs canaux
Centre d'aide, widget onsite et agents s'alignent sur les mêmes faits. Qstomy consomme le hub plutôt que de recréer une micro-FAQ dans le bot.
Scénario DTC chiffré
Une marque mode structure 22 articles KB sur six catégories pilier, puis connecte Qstomy en RAG + lookup Shopify. Avant : bot générique avec 34 % d'escalade et 19 % de réponses contredites par les agents. Objectif pilote 90 jours : 52 % de résolution bot sur intents documentés, escalade sous 22 %, zéro contradiction policy retour en audit mensuel, 120 tickets/mois évités sur WISMO et retours.
Explorez support client IA, intégration Shopify et demander une démo. Voir glossaire support client.
Quels playbooks lancer cette semaine ?
Playbook 1 : cartographie taxonomie en 60 minutes
Listez vos six catégories pilier. Pour chacune, notez 3 à 5 articles existants ou manquants. Les trous visibles deviennent votre backlog éditorial.
Playbook 2 : migration FAQ vers KB
Prenez vos dix questions FAQ actuelles. Transformez chacune en article dédié avec URL stable, réponse en tête, date de révision. Redirigez les anciennes ancres.
Playbook 3 : test RAG sur 20 questions
Posez vingt formulations clients réelles au bot. Le bon article est-il cité ? Y a-t-il invention ? Corrigez titres et structure answer-first avant d'élargir le périmètre.
Playbook 4 : boucle ticket hebdo
Chaque lundi : top 5 tickets sans article correspondant. Un sujet au-delà de 15 occurrences/mois mérite un article avant une nouvelle règle bot.
Maillage utile
Comparatif : helpdesk vs bot vs KB
Erreurs auto : erreurs automatisation support
FAQ : FAQ et tickets
Insights : insights depuis le support
Cette semaine, auditez vos dix articles les plus consultés : structure answer-first, date de révision, liens depuis PDP et checkout.
Enzo
26 juin 2026
