Zendesk et OpenAI veulent automatiser 80 % des demandes au service client

Lorsqu’un client demande où en est sa commande, comment retourner un produit ou pourquoi un prélèvement a été refusé, il attend rarement une prouesse technologique. Il veut surtout une réponse immédiate, exacte et capable de débloquer sa situation. C’est sur ce terrain très concret que Zendesk approfondit son alliance avec OpenAI. L’éditeur de logiciels de relation client affiche un objectif particulièrement ambitieux : parvenir à 80 % de résolutions automatisées dans les interactions avec les consommateurs.

L’enjeu ne consiste pas simplement à ajouter un chatbot à une page d’aide. Zendesk veut automatiser une part croissante des conversations, en combinant des modèles de langage capables de comprendre et de rédiger avec les données et les règles propres à chaque entreprise. À la clé, des réponses plus rapides pour les clients, mais aussi une réorganisation du travail des équipes de support, appelées à se concentrer davantage sur les dossiers complexes.

Un partenariat qui dépasse l’intégration d’un modèle

Zendesk est un acteur historique des outils de service client. Sa plateforme sert notamment à centraliser les messages provenant de différents canaux, organiser les tickets, orienter les requêtes et aider les agents à répondre. L’intelligence artificielle y était déjà présente sous plusieurs formes : routage intelligent, analyse des intentions exprimées par les clients et automatisation de certaines interactions.

Le partenariat avec OpenAI vise à renforcer la composante générative de ces outils. Les grands modèles de langage sont particulièrement utiles pour comprendre une demande formulée librement, produire une réponse naturelle, résumer une conversation ou reformuler un message avant son envoi. Dans cette architecture, OpenAI occupe une place importante sur la partie rédactionnelle, sans être l’unique brique technologique du système.

Pour Matthias Göhler, CTO EMEA de Zendesk, cette collaboration ne se résume pas à brancher les modèles d’OpenAI sur un logiciel existant. Elle comprend des échanges de retours d’expérience et une influence directe sur les travaux de recherche et développement. Autrement dit, les usages observés dans les centres de contact doivent aussi alimenter l’évolution des produits et des modèles employés.

Cette relation n’empêche pas Zendesk de conserver une approche pragmatique. L’entreprise compare régulièrement différents fournisseurs de modèles et de technologies afin de retenir les solutions les plus adaptées aux besoins de ses clients. La fidélité à un partenaire ne dispense donc pas d’évaluer les résultats réels.

Comment l’IA peut-elle résoudre une demande sans agent humain ?

Le cas d’un retour de produit illustre la différence entre un simple assistant conversationnel et une automatisation opérationnelle. Une IA peut d’abord identifier l’intention du client : il souhaite renvoyer un article. Elle doit ensuite vérifier les informations pertinentes, par exemple la commande concernée et les conditions applicables. Si le dossier est conforme, elle peut déclencher le processus adéquat sans nécessiter l’intervention d’un agent.

Pour limiter les erreurs, Zendesk s’appuie notamment sur l’approche dite RAG, pour retrieval augmented generation. Le principe est de compléter le modèle de langage par une recherche dans une base de connaissances approuvée. Au lieu de produire une réponse uniquement à partir de ses capacités générales de génération de texte, l’IA s’appuie sur les documents, politiques et informations fournis par l’entreprise.

Cette méthode répond à un défaut bien connu des modèles génératifs : ils peuvent parfois formuler avec assurance une information inexacte. Dans le service client, ce risque n’est pas théorique. Une mauvaise indication sur un remboursement, une garantie ou une livraison peut avoir des conséquences financières et juridiques, en plus d’irriter le consommateur.

Zendesk indique entraîner ses propres modèles pour les demandes de service client, à partir du volume considérable d’interactions traitées chaque année. Les données sont anonymisées dans ce processus. Les modèles d’OpenAI peuvent encore commettre des erreurs, mais Zendesk constate une amélioration nette au fil de leurs versions. L’entreprise met à jour et ajuste ses choix de modèles en fonction de leur précision, de leur latence et de leur efficacité dans des scénarios concrets.

L’objectif de 80 % : une ambition, pas une promesse uniforme

Le chiffre de 80 % résume l’ambition de Zendesk, mais il ne signifie pas que chaque entreprise automatisera immédiatement huit demandes sur dix. Les résultats dépendront du secteur, de la qualité de la base de connaissances, des connexions aux systèmes internes et de la nature des demandes reçues.

Un commerçant qui traite beaucoup de questions répétitives sur les livraisons, les retours ou la disponibilité des produits dispose d’un fort potentiel d’automatisation. À l’inverse, une situation litigieuse, une demande très personnalisée ou un dossier qui exige une décision commerciale appelle plus volontiers une intervention humaine. Zendesk rapporte que certains de ses clients estiment déjà pouvoir traiter 40 à 50 % de leurs requêtes avec l’IA.

L’intérêt est double. Le client peut obtenir une réponse à toute heure sur les problèmes simples et fréquents. Les agents, eux, peuvent réserver leur temps aux situations qui exigent de l’empathie, une négociation, une exception à une règle ou une expertise métier particulière. L’automatisation ne fait donc pas seulement disparaître des tâches, elle redéfinit la répartition des dossiers.

La fiabilité se joue aussi dans les secondes d’attente

Dans une conversation avec une marque, quelques secondes de silence peuvent suffire à donner l’impression que le service ne fonctionne pas. La question de la latence, c’est-à-dire le délai entre la demande et la réponse, est donc centrale. Elle devient critique lorsque le trafic augmente brusquement, par exemple au moment du Black Friday ou pendant un événement sportif important susceptible d’entraîner un afflux de questions.

Zendesk dit intégrer cette contrainte dès la conception de ses systèmes. L’emplacement des centres de données participe lui aussi à réduire les délais de transmission. L’entreprise s’appuie sur AWS, présenté comme un pilier de ses services, afin de préparer les montées en charge nécessaires pendant les périodes de pointe.

Cette dimension est souvent moins visible que la qualité rédactionnelle d’un assistant, alors qu’elle conditionne directement son adoption. Une IA très compétente mais lente risque d’être contournée par les clients ou par les agents. À l’inverse, une réponse instantanée ne vaut pas grand-chose si elle ne s’appuie pas sur les bonnes informations. Le défi consiste à équilibrer vitesse, pertinence et coût.

Données clients : l’exigence de confidentialité reste centrale

Le recours à l’IA générative dans le support soulève une question immédiate : que deviennent les données confiées par les clients dans la conversation ? Un échange peut contenir un numéro de commande, une adresse, une information de paiement, un motif de réclamation ou un élément de l’historique d’achat. Ces données ne peuvent pas être traitées comme de simples textes anonymes par défaut.

Zendesk met en avant l’anonymisation des données utilisées pour entraîner ses modèles spécialisés. L’entreprise assure également que les données de ses clients ne quittent pas l’Union européenne grâce à des centres de données européens, un argument important pour les organisations attentives au cadre de protection des données.

La localisation d’un centre de données ne résume toutefois pas, à elle seule, toutes les obligations de confidentialité. Pour une entreprise cliente, le déploiement d’une IA de support implique aussi de définir les informations auxquelles l’outil peut accéder, les actions qu’il est autorisé à réaliser, les contrôles humains prévus et les règles de conservation des données. L’automatisation est d’autant plus utile qu’elle est encadrée.

Une adoption qui devient un levier de revenus

Les réticences face à l’IA semblent reculer dans les échanges professionnels, selon Zendesk. Les inquiétudes restent présentes, notamment sur les sujets de sécurité, mais les discussions ne portent plus seulement sur l’opportunité d’utiliser l’IA. Elles concernent de plus en plus les cas d’usage, les résultats attendus et les conditions de déploiement.

Zendesk anticipe 20 000 clients utilisateurs de ses outils d’IA d’ici la fin de 2025. L’entreprise estime par ailleurs que l’IA devrait lui générer près de 200 millions de dollars de revenus en 2025. Ces chiffres donnent une idée de l’importance économique prise par les fonctions génératives dans le marché des logiciels de relation client.

Pour les éditeurs, l’enjeu n’est plus de proposer un assistant isolé, mais de devenir une plateforme capable de connecter l’IA à l’ensemble des opérations de support. Pour les entreprises utilisatrices, la question est moins de savoir si l’IA peut écrire un message que de déterminer quelles demandes elle peut réellement résoudre, dans quel cadre et avec quel niveau de contrôle.

Ce qu’il faut surveiller

Le partenariat entre Zendesk et OpenAI reflète une évolution plus large du service client : l’IA générative quitte progressivement le stade de la démonstration pour être confrontée aux impératifs de production. Les prochaines étapes se joueront sur des indicateurs très concrets : taux de résolution effectif, satisfaction après interaction, capacité à traiter les pics de trafic, coût par demande et nombre de dossiers correctement transférés à un agent.

L’objectif de 80 % de résolutions automatisées sera un test majeur. Il suppose non seulement des modèles plus fiables, mais aussi des entreprises mieux préparées : bases de connaissances à jour, données bien structurées, règles métier explicites et parcours d’escalade vers un humain. L’IA peut accélérer le service client, mais elle ne remplace pas la nécessité d’une organisation claire.

Enfin, la concurrence entre fournisseurs de modèles restera déterminante. Zendesk affirme conserver une démarche de benchmark sur la rapidité, la précision et les coûts. Cette flexibilité pourrait devenir aussi importante que le partenariat lui-même, dans un marché où les modèles et les infrastructures évoluent rapidement.