E-commerce
28 juin 2026
« Mon colis part demain et je suis bloquée sur le paiement. » Le message arrive en chat, en e-mail et en DM Instagram dans la même heure. Sans triage, trois agents traitent le même dossier avec trois priorités différentes. Le client VIP reçoit une réponse générique pendant qu'un reset mot de passe monopolise la file prioritaire.
eesel AI décrit le triage IA comme la couche qui lit intent et sentiment avant tout routage : un message « bloquée, commande part demain » doit sortir en urgence élevée même sans mot-clé WISMO (eesel AI, ticket routing 2026). WorkflowStack estime que l'inbox triée par IA réduit le first response time de 70 à 85 % en pic (WorkflowStack, inbox triage 2026).
Ce guide #236 traite le chatbot IA qualification SAV : urgence, type, canal au premier contact. Distinct de priorisation Shopify (#26) (tri humain quotidien) et de matrice escalade (#193) (tiers statiques) : ici, classification automatique dès le premier message.
Summary
Pourquoi qualifier au premier contact change-t-il la file support ?
Le triage chatbot SAV classe chaque message avant réponse ou routage. L'équipe cesse de « lire pour trier » et lit pour résoudre.
Coût du tri manuel
En pic BFCM, 40 à 60 % du temps agent part en classification : WISMO vs retour vs litige, estimation urgence, recherche numéro commande. Tommaso Ricci note qu'une marque e-commerce passée de 3-4 jours de réponse e-mail à 4 minutes sur 71 % des contacts avait d'abord cartographié intent + volume avant automatisation (Ricci, IA service client 2026).
Trois sorties triage
Auto-résolution : intent clair + données commande + confiance haute
Brouillon agent : confiance moyenne, réponse proposée à valider
Escalade immédiate : urgence P0/P1, VIP, sentiment fort, sujet sensible
Exemple DTC cosmétique
Marque skincare, 3 200 tickets/semaine pic. Triage manuel : FRT 6,2 h. Bot triage + lookup Shopify : FRT 1,4 h, misrouting −38 %, auto-résolution WISMO 54 %.
En quoi diffère-t-il de la priorisation, de l'escalade et du handoff ?
Cinq contenus voisins, un moment : premier message entrant.
Priorisation Shopify (#26)
Priorisation (#26) : règles Flow et tri humain file helpdesk. Le #236 : bot classifie avant humain.
Matrice escalade (#193)
Matrice escalade (#193) : tiers 0-3, scoring risque/valeur/urgence. Le #236 alimente cette matrice avec tags auto.
Handoff (#12) et contexte (#155)
Handoff (#12) : quand céder. Contexte (#155) : quoi transmettre. Le #236 décide file et priorité avant handoff.
Questions à automatiser (#120)
Automatiser (#120) : roadmap intents. Le #236 : moteur classification transversal tous intents.
Promesse #236
Taxonomie intent, urgence P0-P3, routing confiance, triggers P0, multicanal, KPI, playbooks.
Quels champs le bot doit-il classifier à chaque message ?
Un payload triage structuré alimente helpdesk, Slack et analytics.
Cinq champs obligatoires
intent_primary : WISMO, return, damage, refund_dispute, pre_sale, subscription, fraud, other
urgency : P0 (immédiat) à P3 (standard)
sentiment : neutral, frustrated, angry, urgent_anxious
channel : chat_site, email, instagram_dm, whatsapp, sms
confidence : score 0-1 classification
Champs enrichissement (V2)
order_id extrait du verbatim ou lookup e-mail
customer_tier : standard, repeat, VIP, B2B
rfm_segment : enrichissement routing éthique, voir RFM bot (#276)
repeat_contact_7d : même sujet déjà ouvert
language : fr, en, autre
Tags helpdesk générés
triage_[intent], urgency_P[0-3], sentiment_[x]. Voir taxonomie tickets.
Quel pipeline triage en quatre passes ?
Le pipeline triage bot ne repose pas sur un seul prompt générique.
Passe 1 : lookup client
E-mail, téléphone ou session Shopify → commandes récentes, tier fidélité, tickets ouverts, statut fulfillment.
Passe 2 : classify
LLM lit message + contexte lookup → JSON intent, urgency, sentiment, confidence. Xark recommande seuil confiance 85 % avant auto-réponse (Xark, automation support 2026).
Passe 3 : route
Appliquer règles business : P0 → queue humaine immédiate, P3 + WISMO + confiance > 0,9 → auto-resolve.
Passe 4 : act
Répondre, brouillonner, ou handoff avec payload (contexte #155).
Exemple JSON sortie
{"intent":"order_edit","urgency":"P1","sentiment":"urgent_anxious","order_id":"#4821","confidence":0.92,"route":"human_priority"}
Comment router selon confiance, urgence et valeur client ?
Le routing confiance triage évite auto-réponses dangereuses et escalades inutiles.
Matrice routing (simplifiée)
Confiance > 0,9 + P3 + intent routine : auto-resolve (WISMO, policy retour)
Confiance 0,7-0,9 : brouillon agent, file standard
Confiance < 0,7 : humain, pas de guess bot
P0 ou P1 : humain priority, bot ne tente pas résolution
VIP + sentiment angry : tier 2 minimum (#193)
Intents routine vs jugement
eesel AI distingue tickets « routine » (données commande suffisantes) et « jugement » (colis perdu AOV élevé, litige refund, client très mécontent). Seuls les routine passent auto-resolve ; jugement → humain systématique.
Repeat contact
2e ticket même intent sous 7 j : +1 niveau urgence, flag repeat_contact, pas de macro identique en boucle.
Quels signaux déclenchent une escalade P0 sans passage bot ?
Certains messages bypassent le bot et atterrissent direct en file priority.
Triggers P0 immédiats
Menace juridique, avocat, CNIL, chargeback imminente
Produit dangereux, réaction allergique, blessure
Fraude suspectée, compte compromis
Commande non expédiée + date événement < 24 h
Influenceur / presse / plainte publique Twitter
Triggers P1 (4 h SLA)
Colis perdu AOV > seuil, adresse à corriger avant pick, refund dispute, client VIP frustrated. WorkflowStack recommande notification Slack manager sur P0 (WorkflowStack).
Règle anti faux positif
« Je suis furieux » sans risque réel = P2 + empathie bot, pas P0. Combiner sentiment + intent + valeur commande, pas keyword « furieux » seul.
Comment adapter le triage par canal (chat, e-mail, DM) ?
Le triage multicanal unifie la classification sans uniformiser la réponse.
Chat site (temps réel)
Triage en < 3 s, message accueil adapté urgence : « Je vois commande #X en transit, je vérifie » vs « Je vous mets en relation priority sous 2 min ».
E-mail (async)
Classification à réception, tag + SLA timer démarre. Auto-réponse WISMO OK si confiance haute. P0 : accusé 15 min + assignation humain.
Instagram / WhatsApp DM
Verbatims courts, emojis, screenshots. Intent damage souvent avec photo jointe : route tier 1 + flag media_attached. Voir support Instagram DM.
Dédoublonnage cross-canal
Même client, chat + e-mail 20 min d'écart : merge ticket ou lien parent, éviter double traitement et réponses contradictoires.
Quel prompt système et quelles règles anti-erreur ?
Le prompt triage SAV doit contraindre format JSON et interdire invention.
Instructions système (extrait)
« Classifie le message client e-commerce. Retourne JSON uniquement. intent parmi liste fermée. urgency P0-P3 selon impact business, pas volume voix client. Si commande lookup fournie, utilise order_id. confidence < 0,7 → route human_review. Ne jamais promettre remboursement dans le triage. »
Garde-fous
Whitelist intents : pas de catégorie inventée
P0 hard rules prioritaires sur LLM
Multi-issue : intent_primary + secondary tag
Langue détectée → route équipe FR/EN
Shadow mode pré-prod
Bot classifie 2 semaines, agent valide. Mesurer écart intent/urgency → ajuster prompt. assistents.ai rappelle que 70 % auto-résolution est atteignable sur workflows structurés après tuning sur tickets historiques (assistents.ai, agents 2026).
Comment tester et corriger le triage avant bascule prod ?
Le QA triage bot valide classification, pas une réponse isolée.
Jeu de test (40 scénarios)
10 WISMO formulations variées → intent + auto-resolve si tracking dispo
5 P0 triggers (legal, safety) → bypass bot
5 multi-issue (« retour + où est colis »)
5 VIP angry → tier 2 route
5 confiance basse → human_review
5 repeat contact 7 j → urgence +1
5 canaux (email court, DM emoji, chat long)
Golden set historique
500 tickets passés labelisés par lead support. Métriques : accuracy intent, precision P0/P1, taux misrouting. Cible intent accuracy > 88 % avant prod.
Boucle feedback
Agent corrige tag en 1 clic → log entraînement prompt ou règle. Revue hebdo top 10 misroutes.
Quels KPI pour piloter le triage chatbot ?
Mesurez le triage bot par qualité routage, pas volume chat seul.
KPI classification
Intent accuracy vs label agent
P0 recall : vrais P0 bien routés (cible > 98 %)
Misrouting rate : mauvaise file, retour arrière
Confidence calibration : 0,9 = ~90 % correct
KPI impact ops
FRT segment P1 avant/après triage
Temps tri agent (doit tendre vers 0)
Auto-resolve rate intents routine
Repeat contact post mauvais triage
Tableau de bord hebdo
Intent, urgency, route, confidence, correction agent O/N. Voir KPI chatbot (#11) et dashboard support.
Comment Qstomy qualifie-t-il urgence et type au premier contact ?
Qstomy exécute le pipeline triage avec lookup Shopify live et handoff contextualisé.
Fonctionnalités triage
Classify intent + urgency JSON structuré
Lookup commande + tier client avant classify
Routing confiance auto / draft / escalate
P0 bypass règles hard + Slack alert
Multicanal chat, email widget, même taxonomie
Handoff dossier intent, urgency, transcript, order_id
Scénario DTC chiffré
Marque accessoires, 2 800 tickets/mois, tri manuel FRT 5,1 h. Pipeline 4 passes + 40 scénarios QA + shadow 2 sem. Après 8 semaines : FRT 1,2 h, intent accuracy 91 %, P0 recall 99 %, misrouting −42 %, auto-resolve routine 51 %.
Explorez intégration Shopify, support client IA, demander une démo.
Quels playbooks opérationnels lancer cette semaine ?
Playbook 1 : taxonomie intent (4 h)
Lister 12 intents max alignés tags helpdesk. Mapper vers tiers matrice #193.
Playbook 2 : règles P0 + routing (1 j)
Documenter triggers section 6, matrice confiance section 5, seuil 85 %.
Playbook 3 : prompt + JSON schema (4 h)
Prompt système section 8, valider sortie sur 20 verbatims réels anonymisés. Prompts réponse client : bibliothèque (#282).
Playbook 4 : shadow 2 semaines
40 scénarios section 9, correction agent loggée, accuracy > 88 % avant prod.
Playbook 5 : revue KPI mensuelle (1 h)
Misrouting, P0 recall, top intents mal classés, ajuster prompt ou règles.
Maillage utile
Un chatbot qui qualifie bien ne répond pas à tout : il envoie chaque demande au bon endroit, au bon moment, avec le bon niveau d'urgence. Quand intent, P0 et canal sont tranchés au premier message, votre équipe cesse de trier la boîte mail et commence enfin à résoudre.
Enzo
28 juin 2026
