E-commerce
1 juillet 2026
« J'ai écrit retour avec un t, le bot n'a rien compris. » « Mon correcteur a changé le mot, le chatbot bloque. » « Je parle comme je parle, pas comme un formulaire. » Trois tickets où les fautes et le langage naturel font échouer le chatbot.
Le support tolérance fautes chatbot e-commerce couvre typos, abréviations, argot client, synonymes non mappés et autocorrect mobile. Distinct de incompréhension générale (#879) : ici le client signale que le bot rejette sa façon d'écrire, pas qu'il a répondu hors sujet.
Ce guide #889 déploie policy CHATTYP-SUP, flow CT-1 à CT-8 et matrice CHATTYP-MAP. Paire SAV du futur bot langage client (#890).
Summary
Pourquoi les fautes de frappe génèrent-elles des tickets ?
NLP strict, pas de fuzzy match, synonymes absents : « livraision », « cmd », « rembousment » bloquent le bot. L'agent demande d'écrire correctement sans résoudre le besoin ni logger pour améliorer #890.
Cinq frictions typiques fautes langage
Faute orthographe : mot proche non reconnu
Abréviation : cmd, sav, pb livraison
Argot ou oral : formulation familière
Autocorrect : mobile a remplacé le mot
Synonyme métier : colis au lieu de commande
Exemple retail DTC
Mode DTC, 10 tickets chattyp_/mois. Après CHATTYP-MAP : chattyp_intent_resolution_rate 83 %, handoffs « écrivez mieux » -41 %.
CHATTYP #889 vs CHATMIS #879, MISUND #880, LANG #890 et audio #958
Cinq contenus compréhension linguistique, cinq angles distincts.
Matrice rapide
#889 CHATTYP : gérer tickets fautes abréviations langage naturel rejetés bot
CHATMIS #879 : incompréhension sujet distinct typo
MISUND #880 : boucle produit intents mal routés général
Bot #890 : NLP fuzzy synonymes expressions côté bot
CHATLONG #887 : verbosité distinct entrée client
Audio #958 : code promo audio fautes distinct langage SAV
#889 = le bot n'accepte pas ma façon d'écrire. #879 = le bot a répondu sur le mauvais sujet.
Promesse #889
Policy CHATTYP-SUP, arbre CHATTYP-GATE, 8 macros, deviner intent malgré typo et résoudre, KPI chattyp_intent_resolution_rate.
Quelles typologies chattyp_* classifier ?
Classifier oriente action : spelling_error ≠ slang ≠ synonym ≠ autocorrect.
Huit typologies CHATTYP-MAP
chattyp_spelling_error : faute orthographe bloque bot
chattyp_abbreviation : abréviation cmd sav pb
chattyp_slang : langage familier oral
chattyp_synonym : synonyme non mappé colis paquet
chattyp_autocorrect : correcteur mobile a altéré mot
chattyp_repeat_corrected : a corrigé faute bot échoue encore
chattyp_frustration : colère bot trop strict orthographe
chattyp_handoff_request : veut humain après échec typo
Policy CHATTYP-SUP : règles agents et escalade
La policy CHATTYP-SUP fixe tolérance sans culpabiliser le client pour sa syntaxe.
Six règles CHATTYP-SUP
NO-BLAME-SPELLING : macro CHATTYP-NO-BLAME jamais « écrivez correctement » seul
Deviner intent : CHATTYP-RESOLVE-INTENT malgré faute visible
Clarifier doucement : CHATTYP-CLARIFY-SPELLING si ambigu seulement
Résoudre SAV : réponse métier même si typo
Logger NLP : CHATTYP-LOG-NLP alimente #890 synonymes
Handoff rapide : CHATTYP-HANDOFF si repeat_corrected
Matrice situation (agent)
Intent clair malgré typo : RESOLVE-INTENT direct
Ambigu : CLARIFY-SPELLING une question courte
Mauvais sujet bot : handoff CHATMIS #879 pas CHATTYP seul
Code promo mal orthographié : handoff fuzzy #958 si applicable
Flow CT-1 à CT-8 : résolution standard
Huit étapes séquentielles, SLA P3 chattyp < 24 h, escalate NLP si spelling_error récurrent même mot.
Flow CT-1 à CT-8
CT-1 Triage : lire message, tag chattyp_*, typo ou hors sujet #879 ?
CT-2 Lookup : transcript, mot erroné, intent probable
CT-3 Infer intent : deviner besoin retour livraison remboursement
CT-4 Classify : chattyp_* via CHATTYP-MAP
CT-5 Execute : RESOLVE-INTENT, CLARIFY, HANDOFF, LOG-NLP
CT-6 Confirm : macro CHATTYP-DONE besoin résolu signalement NLP
CT-7 Test : client a réponse SAV sans reformuler parfaitement
CT-8 Close : KPI chattyp_intent_resolution_rate + export #890
Huit macros CHATTYP-* prêtes à coller
Macros alignées tolérance orthographe et escalade NLP.
Bibliothèque CHATTYP-*
CHATTYP-ACKNOWLEDGE : « Nous comprenons que le chatbot n'ait pas saisi votre message. Nous vous aidons maintenant. »
CHATTYP-NO-BLAME : « Pas besoin de reformuler parfaitement. Nous avons compris votre demande. »
CHATTYP-RESOLVE-INTENT : « Pour votre question sur {{sujet_deviné}} : {{solution_SAV}}. »
CHATTYP-CLARIFY-SPELLING : « Vous parlez de {{option_A}} ou {{option_B}} ? Une lettre suffit. »
CHATTYP-GENTLE-REPHRASE : « Si besoin : mot-clé retour, commande {{n°}}, livraison. Optionnel. »
CHATTYP-HANDOFF : « Un agent reprend. Référence : {{id}}. Historique joint. »
CHATTYP-LOG-NLP : « Formulation signalée pour améliorer le chatbot : {{terme}} → {{intent}}. »
CHATTYP-DONE : « Récap : {{besoin}}. Résolution : {{action}}. Signalement langage : {{oui_non}}. »
Arbre CHATTYP-GATE et registre formulations agent-ready
Arbre décision avant exiger orthographe parfaite ou ignorer typo évidente.
CHATTYP-GATE
Intent devinable ? → RESOLVE-INTENT + LOG-NLP
Ambigu 2 sujets ? → CLARIFY-SPELLING courte
3e échec après correction ? → HANDOFF + LOG-NLP
Bot hors sujet ? → handoff CHATMIS #879
Même typo 10+ fois ? → LOG-NLP priorité #890 synonym_map
Registre interne minimum
Documenter helpdesk : top fautes abréviations clients, synonymes métier, procédure LOG vers #890. Former agents : typo ≠ incompréhension sujet #879 ≠ verbosité #887.
KPI, QA et handoff vers bot #890
Mesurer CHATTYP détecte formulations non tolérées côté produit.
Quatre KPI CHATTYP
chattyp_intent_resolution_rate : besoin résolu sans orthographe parfaite / total
chattyp_no_blame_rate : % sans macro blâme orthographe seul
chattyp_nlp_logged_rate : % tickets avec LOG-NLP tracé
chattyp_repeat_7d : même formulation typo sous 7 jours
Handoff #890
Exporter CHATTYP-MAP hebdo : chattyp_spelling_error chattyp_synonym chattyp_abbreviation prioritaires. Guardrail CHATTYP-FUZZY-LOOP : chaque LOG-NLP enrichit synonym_map fuzzy #890.
Cas limites : multilingue, emoji, message une lettre
Trois cas hors flow standard.
Client mélange FR EN
RESOLVE-INTENT si clair. LOG-NLP bilingue vers #890. HANDOFF si ambigu.
Emoji seuls ou abréviations extrêmes
CLARIFY-SPELLING bienveillant. Pas NO-BLAME si vraiment incompréhensible.
Autocorrect a changé commande en autre mot
RESOLVE si contexte transcript. LOG autocorrect patterns #890.
Formation agents : 20 minutes CHATTYP
Module : deviner intent, NO-BLAME, LOG-NLP systématique, distinguer #879 #890, pas GENTLE-REPHRASE punitif.
Exercices
Ticket A : « livraision cmd 4521 » → RESOLVE-INTENT suivi livraison
Ticket B : « pb colis » ambigu → CLARIFY retour ou suivi
Ticket C : bot répond garantie hors sujet → handoff CHATMIS #879
Comment Qstomy structure CHATTYP dans votre stack
Qstomy route chattyp_*, affiche transcript et terme erroné agent, exporte LOG vers synonym_map #890.
Trois briques
Routing : intent typo_language vs misunderstanding vs sav_issue
Typo panel : sync macros CHATTYP-* formulation intent
NLP loop #890 : agrégation chattyp_spelling_error hebdo
Scénario : retail DTC, « rembousment » 8 tickets/mois. Agents RESOLVE + LOG, #890 fuzzy. chattyp_intent_resolution_rate passe de 59 % à 84 % en 5 semaines.
FAQ et checklist déploiement CHATTYP
FAQ
Le client doit écrire sans faute ?
Non. RESOLVE-INTENT + NO-BLAME. GENTLE-REPHRASE optionnel seulement.
Différence #879 ?
#889 = fautes langage naturel. #879 = mauvaise intention sujet.
Différence #890 ?
#889 = agents gérer tickets typo. #890 = bot tolérer fuzzy synonymes.
Checklist 7 jours
J1 : CHATTYP-SUP + CHATTYP-MAP + top fautes internes
J2 : 8 macros helpdesk
J3 : matrice routage #879 #880 #890
J4 : formation 20 min agents
J5 : tags chattyp_* + KPI
J6 : test RESOLVE vs CLARIFY vs CHATMIS
J7 : brief bot #890 FUZZY-LOOP-GATE
Maillage
Enzo
1 juillet 2026
