{"id":13785,"date":"2025-10-17T16:12:11","date_gmt":"2025-10-17T14:12:11","guid":{"rendered":"https:\/\/www.tolk.ai\/?p=13785"},"modified":"2026-02-18T10:41:28","modified_gmt":"2026-02-18T09:41:28","slug":"projets-ia-gen-relation-client-plan-actions","status":"publish","type":"post","link":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions","title":{"rendered":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"13785\" class=\"elementor elementor-13785\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-32e5f4b1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"32e5f4b1\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-269baf85\" data-id=\"269baf85\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-2fc115ca elementor-widget elementor-widget-text-editor\" data-id=\"2fc115ca\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\n<p>L\u2019essor de l\u2019intelligence artificielle g\u00e9n\u00e9rative bouleverse en profondeur les m\u00e9tiers de la relation client. Promesse d\u2019efficacit\u00e9, de disponibilit\u00e9 et de personnalisation, elle s\u2019impose d\u00e9sormais comme un levier strat\u00e9gique majeur pour les directions CX et service. Pourtant, derri\u00e8re l\u2019engouement, la r\u00e9alit\u00e9 op\u00e9rationnelle demeure contrast\u00e9e : de nombreux projets peinent \u00e0 d\u00e9passer le stade du pilote, tandis que les gains promis restent souvent difficiles \u00e0 mesurer. <strong>Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?<\/strong><\/p>\n\n<p><br \/>La question est moins technologique qu\u2019organisationnelle. Les recherches r\u00e9centes \u2014 du <strong>RAND Corporation<\/strong> au <strong>MIT Project NANDA<\/strong> \u2014 convergent sur un constat : l\u2019\u00e9chec tient rarement au mod\u00e8le lui-m\u00eame, mais \u00e0 la mani\u00e8re dont il est <strong>int\u00e9gr\u00e9, gouvern\u00e9 et align\u00e9 sur les besoins r\u00e9els des utilisateurs<\/strong>. Probl\u00e8mes mal pos\u00e9s, donn\u00e9es insuffisantes, fascination technologique, dette d\u2019infrastructure ou absence de garde-fous : les causes sont connues, mais encore sous-estim\u00e9es.<\/p>\n\n<p>Dans un contexte o\u00f9 les entreprises veulent industrialiser rapidement leurs agents IA, comprendre ces <strong>causes racines d\u2019\u00e9chec<\/strong> et identifier les <strong>facteurs de r\u00e9ussite<\/strong> devient essentiel. Ce document propose une lecture crois\u00e9e des \u00e9tudes r\u00e9centes (RAND, MIT, Deloitte, NIST, Salesforce, Zendesk) pour d\u00e9gager les leviers concrets permettant de passer du <strong>chatbot vitrine<\/strong> \u00e0 l\u2019<strong>Agent IA r\u00e9ellement productif, conforme et cr\u00e9ateur de valeur<\/strong>.<\/p>\n\n<p>\u00a0<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>Pourquoi tant de projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client (chatbots &amp; Agents IA) et comment les r\u00e9ussir ?<\/strong><\/h2>\n\n<p>\u00a0<\/p>\n\n<p>Le <strong>rapport RAND de 2024<\/strong> identifie <strong>5 causes racines<\/strong> d\u2019\u00e9chec des projets IA : probl\u00e8me mal pos\u00e9, manque de donn\u00e9es utiles, fascination techno, dette d\u2019infrastructure, et limites techniques. Ces \u00e9cueils sont encore plus visibles sur les chatbots de relation client.\u00a0<\/p>\n\n<p><strong>Seules 13\u201314% des organisations sont \u201cAI\u2011ready\u201d<\/strong> malgr\u00e9 une urgence quasi universelle \u00e0 d\u00e9ployer l\u2019IA ; la plupart restent bloqu\u00e9es au stade pilote. De plus, les \u00e9tudes sur l\u2019<strong>exp\u00e9rience client<\/strong> rappellent que les bots <strong>peuvent d\u00e9grader la satisfaction<\/strong> s\u2019ils paraissent centr\u00e9s sur la r\u00e9duction des co\u00fbts. En revanche, l\u2019empathie et le design conversationnel changent la donne. Les <strong>pr\u00e9dictions \u201ctout\u2011IA\u201d<\/strong> (ex. &gt;50% des cas r\u00e9solus par IA d\u2019ici 2027) coexistent avec des travaux (MIT 2025) affirmant que <strong>95% des pilotes GenAI n\u2019ont pas d\u2019impact P&amp;L<\/strong>, d\u2019o\u00f9 l\u2019importance d\u2019une feuille de route mesurable, focalis\u00e9e et int\u00e9gr\u00e9e.<\/p>\n\n<p>Par ailleurs, un <strong>plan en 90 jours<\/strong> (use cases cibl\u00e9s, RAG, garde\u2011fous, HITL, m\u00e9triques CX comme <em>containment<\/em> &amp; CSAT) permet de passer du chatbot \u201cvitrine\u201d \u00e0 l\u2019<strong>Agent IA<\/strong> r\u00e9ellement productif et conforme au <strong>AI Act<\/strong> d\u2019apr\u00e8s <a href=\"https:\/\/www.nist.gov\/itl\/ai-risk-management-framework\/nist-ai-rmf-playbook?utm_source=chatgpt.com\">NIST<\/a>.<\/p>\n\n<p>\u00a0<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>Contexte et enjeux<\/strong><\/h2>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Ce que dit la recherche RAND et pourquoi c\u2019est critique en relation client<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Le rapport <strong>RAND<\/strong> a interrog\u00e9 <strong>65 praticiens<\/strong> (data scientists et ML engineers) et synth\u00e9tise <strong>5 causes racines<\/strong> d\u2019\u00e9chec.<\/p>\n\n<p>Premi\u00e8rement, l\u2019\u00e9chec serait caus\u00e9 par un probl\u00e8me mal d\u00e9fini ou de mauvais m\u00e9triques. Deuxi\u00e8mement, il serait li\u00e9 \u00e0 des donn\u00e9es insuffisantes ou inexploitables. Troisi\u00e8mement, une des causes serait le <em>shiny object syndrome<\/em> (chasser la technologie plut\u00f4t que le probl\u00e8me). Quatri\u00e8mement, l\u2019une d\u2019elles serait la dette d\u2019infrastructure li\u00e9e \u00e0 la gouvernance des donn\u00e9es, le d\u00e9ploiement ou le MLOps. Enfin, les limites intrins\u00e8ques de l\u2019IA sur certains probl\u00e8mes pourraient aussi \u00eatre une cause d\u2019\u00e9chec.\u00a0<\/p>\n\n<p>Dans ce cas, les auteurs recommandent d\u2019aligner les buts et le contexte m\u00e9tier et de choisir des probl\u00e8mes \u201cdurables\u201d. De ce fait, il est \u00e9galement important d\u2019apr\u00e8s eux d\u2019 investir dans l\u2019infrastructure et de conna\u00eetre les limites techniques de celle-ci.<\/p>\n\n<p>Finalement, une fois transpos\u00e9 aux chatbots, ces probl\u00e8mes ont des cons\u00e9quences importantes.<\/p>\n\n<ul class=\"wp-block-list\">\n<li><em>Probl\u00e8me mal pos\u00e9<\/em> : un bot optimis\u00e9 pour la <strong>d\u00e9flexion<\/strong> peut d\u00e9grader le <strong>CSAT<\/strong> si l\u2019intention r\u00e9elle du client est complexe.<\/li>\n\n<li><em>Donn\u00e9es pauvres<\/em> : les bases de connaissances deviennent obsol\u00e8tes et provoquent des r\u00e9ponses fausses ou \u00ab hallucin\u00e9es \u00bb.<\/li>\n\n<li><em>Fascination technologique<\/em> : lancer un LLM \u201csous st\u00e9ro\u00efdes\u201d sans <strong>proc\u00e9dure d\u2019escalade<\/strong> ni design d\u2019<strong>empathie<\/strong> peu nettement d\u00e9grader la relation client.<\/li>\n\n<li><em>Dette d\u2019infrastructure<\/em> : provoque en cons\u00e9quence un <strong>RAG<\/strong> non fiable, des outillages d\u2019observabilit\u00e9 manquants et peu de <strong>guardrails<\/strong>.<\/li>\n\n<li><em>Limites IA<\/em> : certains motifs (plainte \u00e9motionnelle, cas multi\u2011entit\u00e9s) exigent une intervention humaine appel\u00e9e <strong>humain\u2011dans\u2011la\u2011boucle<\/strong> by design d\u2019apr\u00e8s <a href=\"https:\/\/www.rand.org\/content\/dam\/rand\/pubs\/research_reports\/RRA2600\/RRA2680-1\/RAND_RRA2680-1.pdf\">RAND Corporation<\/a>. Sans cela, l\u2019interlocuteur reste face \u00e0 son probl\u00e8me.<\/li>\n<\/ul>\n\n<p>En conclusion, RAND rappelle que <strong>\u201cselon certaines estimations, plus de 80% des projets IA \u00e9chouent\u201d<\/strong> et ce n\u2019est pas leur mesure, mais un signal de risque \u00e0 prendre au s\u00e9rieux.\u00a0<\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>\u00c9tat des lieux : beaucoup d\u2019urgence, peu de pr\u00e9paration<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Face \u00e0 ces \u00e9l\u00e9ments pr\u00e9cis, deux constats sont structurants :<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Cisco AI Readiness Index<\/strong> : <strong>97\u201398%<\/strong> des organisations disent que l\u2019urgence IA a augment\u00e9, mais <strong>seulement 13\u201314%<\/strong> se d\u00e9clarent pleinement pr\u00eates \u00e0 passer le cap.<\/li>\n\n<li><strong>McKinsey (2024)<\/strong> : l\u2019adoption GenAI progresse (65% des r\u00e9pondants d\u00e9clarent l\u2019utiliser), mais la <strong>cr\u00e9ation de valeur<\/strong> reste concentr\u00e9e chez les acteurs les mieux pr\u00e9par\u00e9s.<\/li>\n<\/ul>\n\n<p>Aussi, sur la <strong>relation client<\/strong>, les projections sont ambitieuses : Salesforce estime que <strong>30% des cas<\/strong> \u00e9taient d\u00e9j\u00e0 r\u00e9solus par IA en 2025, et <strong>50% en 2027<\/strong>. Ces chiffres d\u00e9crivent une <strong>tendance<\/strong> (et non un acquis), utile comme boussole mais pas comme garantie.<\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Exp\u00e9rience client : ce que les \u00e9tudes nous disent (et que l\u2019on oublie trop souvent)<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>D\u2019abord, il est important d\u2019\u00e9voquer le <strong>biais de perception<\/strong>. Des travaux acad\u00e9miques montrent que les clients per\u00e7oivent souvent les bots comme un <strong>levier d\u2019\u00e9conomies<\/strong> \u201ccontre\u201d la qualit\u00e9, ce qui r\u00e9duit l\u2019\u00e9valuation du service <strong>\u00e0 performance \u00e9gale<\/strong>. In fine, il est donc important de <strong>cadrer l\u2019intention<\/strong> et d\u2019expliquer le r\u00f4le du bot en amont.\u00a0<\/p>\n\n<p>Ensuite, l\u2019<strong>empathie et le design conversationnel<\/strong> sont \u00e0 ne pas n\u00e9gliger. Le fait d\u2019int\u00e9grer des signaux d\u2019<strong>empathie<\/strong> am\u00e9liore la satisfaction ; c\u2019est une <em>comp\u00e9tence produit<\/em> autant qu\u2019un choix de mod\u00e8le.<\/p>\n\n<p>Enfin, le <strong>signal contrariant<\/strong> a aussi son r\u00f4le \u00e0 jouer. Les rapports <strong>Zendesk 2025<\/strong> et <strong>Salesforce<\/strong> d\u00e9crivent une vague d\u2019investissements et des retours per\u00e7us positifs par les d\u00e9cideurs. En effet, <strong>73%<\/strong> de leaders CX pensent que les entreprises qui passeront l\u2019\u00e9chelle de l\u2019IA <strong>survivront<\/strong> \u00e0 la pression concurrentielle d\u2019apr\u00e8s les \u00e9tudes men\u00e9es. Cependant ces chiffres sont \u00e0 manier avec prudence car ce sont des <strong>perceptions<\/strong> d\u2019enqu\u00eates.<\/p>\n\n<p>En somme, si l\u2019IA conversationnelle repr\u00e9sente un <strong>levier strat\u00e9gique \u00e9vident<\/strong>, son succ\u00e8s repose moins sur la seule performance technique que sur la perception et la confiance qu\u2019elle inspire. L\u2019enjeu n\u2019est donc pas seulement d\u2019automatiser, mais de concevoir des exp\u00e9riences align\u00e9es sur les attentes \u00e9motionnelles et cognitives des utilisateurs. <strong>C\u2019est \u00e0 cette condition que les bots deviendront de v\u00e9ritables extensions de la relation client, plut\u00f4t que de simples outils d\u2019efficacit\u00e9.<\/strong><\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>La \u201cbombe\u201d du MIT 2025 face aux \u00e9tudes optimistes : qui croire ?<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Le rapport <strong>MIT Project NANDA (2025)<\/strong> tire la sonnette d\u2019alarme : selon ses conclusions, <strong>95 %<\/strong> des projets pilotes en GenAI n\u2019ont aucun impact mesurable sur le P&amp;L. En cause : un manque d\u2019int\u00e9gration profonde dans les processus m\u00e9tiers et l\u2019absence de v\u00e9ritables boucles d\u2019apprentissage issues du terrain. <strong>Seuls 5 % des initiatives parviennent \u00e0 cr\u00e9er de la valeur<\/strong>, en s\u2019attaquant \u00e0 des probl\u00e8mes clairement d\u00e9finis et en s\u2019appuyant sur des partenaires technologiques adapt\u00e9s. Une mise en garde salutaire contre le risque du \u201cpilote \u00e9ternel\u201d.<\/p>\n\n<p>\u00c0 l\u2019inverse, le rapport <strong>Deloitte 2025 <\/strong>dresse un constat plus optimiste : parmi les initiatives GenAI d\u00e9j\u00e0 mises \u00e0 l\u2019\u00e9chelle, la quasi-totalit\u00e9 affiche un ROI tangible, dont pr\u00e8s de 20 % d\u00e9passent les 30 % de retour sur investissement. En d\u2019autres termes, ce n\u2019est pas l\u2019IA en elle-m\u00eame qui \u00e9choue, mais la capacit\u00e9 des organisations \u00e0 industrialiser ses usages.<\/p>\n\n<p>En conclusion, cette divergence de lecture s\u2019explique avant tout par le niveau de maturit\u00e9 des projets (pilote vs. d\u00e9ploiement \u00e0 grande \u00e9chelle). Elle r\u00e9side aussi dans la pertinence des cas d\u2019usage s\u00e9lectionn\u00e9s ou le degr\u00e9 d\u2019int\u00e9gration au SI ainsi que de la mesure de performance. Autrement dit, la valeur ne vient pas du mod\u00e8le, mais de <strong>l\u2019ex\u00e9cution<\/strong>.<\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong><em>Compliance<\/em><\/strong><strong> &amp; risques : AI Act, NIST et fiabilit\u00e9 des r\u00e9ponses<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Le <strong>AI Act europ\u00e9en<\/strong> marque une \u00e9tape d\u00e9cisive. \u00c0 compter du <strong>2 ao\u00fbt 2025<\/strong>, les obligations li\u00e9es aux <strong>mod\u00e8les d\u2019IA \u00e0 usage g\u00e9n\u00e9ral (GPAI)<\/strong> et \u00e0 la <strong>gouvernance<\/strong> entreront progressivement en vigueur. Les syst\u00e8mes d\u00e9j\u00e0 commercialis\u00e9s devront \u00eatre <strong>pleinement conformes d\u2019ici au 2 ao\u00fbt 2027<\/strong>. Certaines dispositions, notamment les <strong>interdictions cibl\u00e9es<\/strong> et les mesures relatives \u00e0 la <strong>litt\u00e9ratie en IA<\/strong>, s\u2019appliqueront d\u00e8s <strong>f\u00e9vrier 2025<\/strong>. Concr\u00e8tement, cela impose aux acteurs du secteur de renforcer la <strong>tra\u00e7abilit\u00e9<\/strong>, la <strong>documentation<\/strong>, l\u2019<strong>\u00e9valuation des risques<\/strong> et la <strong>transparence<\/strong> tout au long du cycle de vie des mod\u00e8les.<\/p>\n\n<p>En parall\u00e8le, le <strong>NIST AI Risk Management Framework (AI RMF)<\/strong> propose une approche <strong>op\u00e9rationnelle et pragmatique<\/strong> de la gestion des risques, articul\u00e9e autour de quatre fonctions cl\u00e9s : <strong>Govern<\/strong>, <strong>Map<\/strong>, <strong>Measure<\/strong> et <strong>Manage<\/strong>. Cette structure offre un cadre robuste pour instaurer des <strong>garde-fous<\/strong>, planifier les <strong>tests<\/strong>, assurer le <strong>monitoring<\/strong> et traiter efficacement les <strong>incidents li\u00e9s aux mod\u00e8les<\/strong>.<\/p>\n\n<p>Enfin, sur le plan scientifique, la recherche 2024-2025 (notamment men\u00e9e par l\u2019<strong>Universit\u00e9 d\u2019Oxford<\/strong>) a consid\u00e9rablement progress\u00e9 dans la <strong>d\u00e9tection et la r\u00e9duction des hallucinations<\/strong> via des strat\u00e9gies de <strong>retrait (abstention)<\/strong> ou de <strong>retrieval-augmented generation (RAG)<\/strong>. Cependant, le <strong>z\u00e9ro hallucination<\/strong> demeure un id\u00e9al th\u00e9orique : l\u2019enjeu r\u00e9el est d\u00e9sormais de <strong>g\u00e9rer l\u2019incertitude<\/strong>, en outillant les syst\u00e8mes pour <strong>d\u00e9tecter, signaler et escalader<\/strong> les cas ambigus avec discernement.<\/p>\n\n<p>\u00a0<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>Les actions et bonnes pratiques \u00e0 mettre en application<\/strong><\/h2>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Les m\u00e9triques qui comptent pour un chatbot\/Agent IA de relation client<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p><strong>Quelques d\u00e9finitions utiles :<\/strong><\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Containment (CCR)<\/strong> : % d\u2019interactions <strong>enti\u00e8rement g\u00e9r\u00e9es<\/strong> par le bot sans intervention humaine. Formule standard : <em>conversations r\u00e9solues par le bot \/ total des conversations initi\u00e9es<\/em>.<\/li>\n\n<li><strong>Resolution rate<\/strong>, <strong>CSAT<\/strong>, <strong>CES<\/strong>, <strong>AHT<\/strong>, <strong>taux d\u2019escalade<\/strong>, <strong>co\u00fbt par interaction<\/strong> (compar\u00e9 au co\u00fbt agent).\u00a0<\/li>\n<\/ul>\n\n<p><strong>Attention<\/strong>, le <strong>containment seul ne suffit pas<\/strong>. Mal optimis\u00e9, il <strong>d\u00e9grade<\/strong> la satisfaction et <strong>augmente<\/strong> les appels r\u00e9p\u00e9t\u00e9s ; combinez\u2011le avec <strong>CSAT post\u2011interactions<\/strong> et <strong>First\u2011Contact Resolution<\/strong>.<\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>De \u201cchatbot\u201d \u00e0 Agent IA (IA agentique) : ce qui change et ce qui ne change pas<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Les <strong>Agents IA<\/strong> planifient, utilisent des outils (CRM, paiement, logistique), gardent un <strong>\u00e9tat<\/strong> de la conversation et op\u00e8rent avec des <strong>r\u00e8gles<\/strong>, finalement une marche au\u2011del\u00e0 du pur Questions\/R\u00e9ponses. Les cabinets (McKinsey, Capgemini) voient l\u2019agentique comme <strong>levier d\u2019automatisation de bout en bout<\/strong> de par la r\u00e9solution compl\u00e8te et plus seulement information. Cependant, les <strong>briques d\u2019hygi\u00e8ne<\/strong> restent essentielles : <strong>RAG<\/strong>, <strong>policy engine<\/strong>, <strong>HITL<\/strong>, <strong>monitoring<\/strong>, <strong>observabilit\u00e9<\/strong>.<\/p>\n\n<p><strong>Quelques cas relation client propices \u00e0 l\u2019agentique<\/strong> :<\/p>\n\n<ul class=\"wp-block-list\">\n<li>modification d\u2019adresse &amp; v\u00e9rification d\u2019identit\u00e9 &amp; \u00e9criture CRM,<\/li>\n\n<li>remboursement &amp; avoir (r\u00e8gles, plafonds, double contr\u00f4le),<\/li>\n\n<li>r\u00e9acheminement colis &amp; notifications,<\/li>\n\n<li>prise de rendez\u2011vous multi\u2011contraintes (API calendriers &amp; stocks).<\/li>\n<\/ul>\n\n<p><strong>Attention, certains cas sont \u00e0 ne pas \u201cagentifier\u201d en premier<\/strong> : plaintes sensibles, litiges \u00e0 forte charge \u00e9motionnelle. En effet ici l\u2019humain a encore un r\u00f4le de r\u00e9assurance non n\u00e9gligeable \u00e0 jouer dans la relation client.<\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Plan d\u2019ex\u00e9cution 90 jours <a href=\"http:\/\/tolk.ai\">tolk.ai<\/a> (sp\u00e9cial relation client)<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p><strong>Cadrage &amp; base de mesure<\/strong> (<strong>semaine 0\u20132<\/strong>)<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Choisir <strong>1\u20132 cas d\u2019usage<\/strong> \u00e0 forte volum\u00e9trie et faible risque (ex. suivi de commande, statut livraison).<\/li>\n\n<li><strong>Baselines<\/strong> : CSAT, AHT, taux d\u2019escalade, co\u00fbt par contact, taux d\u2019auto\u2011service. (<a href=\"https:\/\/www.rand.org\/content\/dam\/rand\/pubs\/research_reports\/RRA2600\/RRA2680-1\/RAND_RRA2680-1.pdf\">RAND Corporation<\/a>)<\/li>\n<\/ul>\n\n<p><strong>Donn\u00e9es &amp; architecture<\/strong> (<strong>semaine 2\u20136<\/strong>)<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Construire un <strong>RAG<\/strong> propre (indexer FAQ\/KB, politiques, extraits CRM), versionner les sources, d\u00e9finir <strong>SLA de fra\u00eecheur<\/strong>.<\/li>\n\n<li>Impl\u00e9menter <strong>guardrails<\/strong> (listes d\u2019actions autoris\u00e9es, PII\u2011masking, refus contr\u00f4l\u00e9s) + <strong>HITL<\/strong> explicite.<\/li>\n<\/ul>\n\n<p><strong>Design conversationnel &amp; empathie (semaine 4-8)<\/strong><\/p>\n\n<ul class=\"wp-block-list\">\n<li>Flows avec <strong>intentions<\/strong> + <strong>empathie<\/strong> (accus\u00e9 de r\u00e9ception, reformulation, options).<\/li>\n\n<li><strong>Tests utilisateurs<\/strong> (scripts sensibles) et <strong>\u00e9valuation hors\u2011ligne<\/strong> sur corpus r\u00e9el. (<a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0148296324005782?utm_source=chatgpt.com\">ScienceDirect<\/a>)<\/li>\n<\/ul>\n\n<p><strong>Pilote contr\u00f4l\u00e9 (semaine 6\u201310)<\/strong><\/p>\n\n<ul class=\"wp-block-list\">\n<li>Lancement <em>canary<\/em> sur <strong>10\u201320%<\/strong> du trafic, <strong>A\/B<\/strong> vs. canal de r\u00e9f\u00e9rence.<\/li>\n\n<li>Suivi quotidien : <strong>containment<\/strong>, <strong>CSAT post\u2011chat<\/strong>, causes d\u2019escalade, <em>hallucination flags<\/em>.<\/li>\n<\/ul>\n\n<p><strong>Passage \u00e0 l\u2019\u00e9chelle (semaine 9\u201312)<\/strong><\/p>\n\n<ul class=\"wp-block-list\">\n<li>Automatiser l\u2019<strong>observabilit\u00e9<\/strong> (journaux, traces, red teaming), documenter pour <strong>AI Act<\/strong> (notice, transparence, \u00e9valuation des risques).<\/li>\n<\/ul>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Les projets d\u2019IA g\u00e9n\u00e9rative : les erreurs courantes et comment les \u00e9viter (checklist)<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Chasser la technologie<\/strong> au lieu du probl\u00e8me (anti\u2011pattern #1 RAND) \u2192 partir d\u2019un <strong>KPI m\u00e9tier<\/strong> (ex. -20% AHT sur <em>suivi colis<\/em>).<\/li>\n\n<li><strong>Connaissance non gouvern\u00e9e<\/strong> \u2192 \u201csource of truth\u201d + <strong>RAG<\/strong> + r\u00e9vision \u00e9ditoriale mensuelle.\u00a0<\/li>\n\n<li><strong>Pas d\u2019escalade chaude<\/strong> \u2192 transf\u00e9rer avec <strong>contexte<\/strong> (r\u00e9cap de la session c\u00f4t\u00e9 agent).<\/li>\n\n<li><strong>Mesure faible<\/strong> \u2192 <em>holdouts<\/em> &amp; <strong>contre\u2011factuals<\/strong> (A\/B) obligatoires.<\/li>\n\n<li><strong>Sur\u2011promesse<\/strong> \u2192 informer l\u2019utilisateur des <strong>capacit\u00e9s\/limites<\/strong> et <strong>quand<\/strong> un humain reprend.<\/li>\n<\/ul>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Co\u00fbts &amp; mod\u00e8le \u00e9conomique : le vrai TCO (co\u00fbt total de possession) d\u2019un chatbot\/Agent IA<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Les <strong>co\u00fbts d\u2019usage des grands mod\u00e8les de langage (LLM)<\/strong> sont d\u00e9sormais <strong>publiquement affich\u00e9s<\/strong> par les \u00e9diteurs ; \u00e0 l\u2019image de la <strong>page tarifaire d\u2019OpenAI<\/strong>, qui d\u00e9taille le prix au <strong>token<\/strong>. Pourtant, cette composante ne repr\u00e9sente qu\u2019une <strong>part minoritaire du co\u00fbt total<\/strong>. Le v\u00e9ritable enjeu \u00e9conomique r\u00e9side dans l\u2019<strong>int\u00e9gration op\u00e9rationnelle<\/strong> : l\u2019outillage, l\u2019<strong>observabilit\u00e9<\/strong>, la <strong>gestion des donn\u00e9es<\/strong>, la <strong>s\u00e9curit\u00e9<\/strong> et surtout la <strong>boucle d\u2019am\u00e9lioration continue<\/strong>.<\/p>\n\n<p>Pour \u00e9valuer la rentabilit\u00e9, une approche pertinente consiste \u00e0 <strong>comparer le co\u00fbt par contact IA<\/strong> (incluant les tokens, la plateforme et la supervision humaine) au <strong>co\u00fbt agent<\/strong> pour des <strong>cas d\u2019usage \u00e9quivalents<\/strong>. Cette comparaison doit toutefois <strong>exclure les interactions non \u00e9ligibles<\/strong> \u2014 notamment celles \u00e0 <strong>forte charge \u00e9motionnelle ou sensible<\/strong> \u2014 afin d\u2019\u00e9viter les <strong>illusions de ROI<\/strong> bas\u00e9es sur des sc\u00e9narios irr\u00e9alistes.<\/p>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Indicateurs de performance et suivi op\u00e9rationnel<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<p>Le <strong>pilotage de la performance<\/strong> doit s\u2019appuyer sur un ensemble de <strong>KPI suivis mensuellement<\/strong>. Ceux-ci permettant de mesurer \u00e0 la fois la <strong>valeur op\u00e9rationnelle<\/strong> et la <strong>qualit\u00e9 de l\u2019exp\u00e9rience client<\/strong>.<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Containment net (hors abandons)<\/strong> et <strong>CSAT post-chat<\/strong> : l\u2019objectif est d\u2019observer une <strong>hausse du CSAT<\/strong> ou, \u00e0 d\u00e9faut, une <strong>stabilit\u00e9 accompagn\u00e9e d\u2019une baisse des co\u00fbts<\/strong>.<\/li>\n\n<li><strong>AHT (Average Handling Time)<\/strong> en mode <strong>bot-assist\u00e9<\/strong> et <strong>taux d\u2019escalade<\/strong> (avec analyse des <strong>motifs de transfert<\/strong>). Ces indicateurs permettent d\u2019\u00e9valuer la fluidit\u00e9 de la collaboration entre humains et IA.<\/li>\n\n<li><strong>Taux de r\u00e9solution au premier contact (FCR)<\/strong> et <strong>co\u00fbt par r\u00e9solution<\/strong> : ils constituent des mesures cl\u00e9s de l\u2019<strong>efficacit\u00e9 du dispositif<\/strong>.<\/li>\n\n<li><strong>Qualit\u00e9 de r\u00e9ponse<\/strong> : \u00e0 suivre via des <strong>notations internes<\/strong> et des <strong>m\u00e9canismes de d\u00e9tection de l\u2019incertitude ou des hallucinations<\/strong> (conform\u00e9ment aux recommandations r\u00e9centes de l\u2019<strong>ACL<\/strong>).<\/li>\n<\/ul>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\"><strong>Chatbots &amp; Agents IA :<\/strong> <strong>R\u00e9f\u00e9rences cl\u00e9s<\/strong><\/h3>\n\n<p>\u00a0<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Rapport RAND (2024)<\/strong> \u2014 <em>The Root Causes of Failure for AI Projects<\/em> (65 entretiens ; 5 causes racines ; recommandations op\u00e9rationnelles). (<a href=\"https:\/\/www.rand.org\/content\/dam\/rand\/pubs\/research_reports\/RRA2600\/RRA2680-1\/RAND_RRA2680-1.pdf\">RAND Corporation<\/a>)<\/li>\n\n<li><strong>Cisco AI Readiness Index 2023\u20132024<\/strong> \u2014 urgence \u2191, pr\u00e9paration pleine <strong>13\u201314%<\/strong> seulement. (<a href=\"https:\/\/www.cisco.com\/c\/dam\/m\/en_us\/solutions\/ai\/readiness-index\/documents\/cisco-global-ai-readiness-index.pdf?utm_source=chatgpt.com\">Cisco<\/a>)<\/li>\n\n<li><strong>McKinsey<\/strong> \u2014 adoption GenAI (2024). (<a href=\"https:\/\/www.mckinsey.com\/capabilities\/quantumblack\/our-insights\/the-state-of-ai-2024?utm_source=chatgpt.com\">McKinsey &amp; Company<\/a>)<\/li>\n\n<li><strong>Zendesk CX Trends 2025<\/strong> \u2014 perceptions leaders CX (ex. 73% associent survie \u00e0 l\u2019adoption IA \u00e0 l\u2019\u00e9chelle). (<a href=\"https:\/\/cxtrends.zendesk.com\/reports?utm_source=chatgpt.com\">CX Trends 2025<\/a>)<\/li>\n\n<li><strong>Salesforce \u2013 State of Service<\/strong> \u2014 part croissante de cas r\u00e9solus par IA (30%\u219250% d\u2019ici 2027). (<a href=\"https:\/\/www.salesforce.com\/resources\/research-reports\/state-of-service\/?utm_source=chatgpt.com\">Salesforce<\/a>)<\/li>\n\n<li><strong>HBR &amp; Journal of Consumer Research<\/strong> \u2014 biais per\u00e7us \u201cbots = \u00e9conomies\u201d, impact sur satisfaction ; n\u00e9cessit\u00e9 d\u2019empathie. (<a href=\"https:\/\/hbr.org\/2023\/10\/creating-customer-service-bots-that-people-dont-hate?utm_source=chatgpt.com\">Harvard Business Review<\/a>)<\/li>\n\n<li><strong>Empathic chatbots<\/strong> \u2014 b\u00e9n\u00e9fices de l\u2019empathie conversationnelle (2024). (<a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0148296324005782?utm_source=chatgpt.com\">ScienceDirect<\/a>)<\/li>\n\n<li><strong>MIT Project NANDA (2025)<\/strong> \u2014 95% des pilotes GenAI sans impact P&amp;L vs 5% qui d\u00e9livrent (focus &amp; int\u00e9gration). (<a href=\"https:\/\/mlq.ai\/media\/quarterly_decks\/v0.1_State_of_AI_in_Business_2025_Report.pdf?utm_source=chatgpt.com\">MLQ<\/a>)<\/li>\n\n<li><strong>Deloitte (2025)<\/strong> \u2014 sur des initiatives scal\u00e9es, ROI mesurable quasi g\u00e9n\u00e9ralis\u00e9 ; <strong>20%<\/strong> &gt; 30% ROI. (<a href=\"https:\/\/www.deloitte.com\/us\/en\/what-we-do\/capabilities\/applied-artificial-intelligence\/content\/state-of-generative-ai-in-enterprise.html?utm_source=chatgpt.com\">Deloitte<\/a>)<\/li>\n\n<li><strong>AI Act \u2014 calendrier<\/strong> (GPAI, gouvernance, p\u00e9nalit\u00e9s) <strong>2 ao\u00fbt 2025<\/strong>, mod\u00e8les ant\u00e9rieurs conformes <strong>2027<\/strong>. (<a href=\"https:\/\/artificialintelligenceact.eu\/implementation-timeline\/\">Artificial Intelligence Act<\/a>)<\/li>\n\n<li><strong>NIST AI RMF<\/strong> \u2014 cadre <em>Govern\/Map\/Measure\/Manage<\/em> pour la gestion des risques IA. (<a href=\"https:\/\/www.nist.gov\/itl\/ai-risk-management-framework\/nist-ai-rmf-playbook?utm_source=chatgpt.com\">NIST<\/a>)<\/li>\n\n<li><strong>Fiabilit\u00e9 \/ hallucinations<\/strong> \u2014 d\u00e9tection &amp; abstention (Oxford\/Nature 2024 ; NAACL 2024). (<a href=\"https:\/\/www.ox.ac.uk\/news\/2024-06-20-major-research-hallucinating-generative-models-advances-reliability-artificial?utm_source=chatgpt.com\">University of Oxford<\/a>)<\/li>\n<\/ul>\n\n<p>\u00a0<\/p>\n\n<h3 class=\"wp-block-heading\">&#8220;<strong><strong>Pourquoi tant de projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client et comment les r\u00e9ussir ?<\/strong><\/strong>&#8221; Pour aller plus loin :<\/h3>\n\n<p>\u00a0<\/p>\n\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/www.reuters.com\/business\/salesforce-launches-agentforce-360-ai-platform-boost-software-products-2025-10-13\/?utm_source=chatgpt.com\">Reuters<\/a><\/li>\n\n<li><a href=\"https:\/\/www.reuters.com\/business\/salesforce-deepens-ai-ties-with-openai-anthropic-power-agentforce-platform-2025-10-14\/?utm_source=chatgpt.com\">Reuters<\/a><\/li>\n\n<li><a href=\"https:\/\/www.livescience.com\/technology\/artificial-intelligence\/ai-hallucinates-more-frequently-as-it-gets-more-advanced-is-there-any-way-to-stop-it-from-happening-and-should-we-even-try?utm_source=chatgpt.com\">Live Science<\/a><\/li>\n<\/ul>\n\n<p>\u00a0<\/p>\n\n<h2 class=\"wp-block-heading\"><strong>Conclusion<\/strong><\/h2>\n\n<p>\u00a0<\/p>\n\n<p>L\u2019IA g\u00e9n\u00e9rative dans la relation client se situe \u00e0 un <strong>tournant critique<\/strong> : la maturit\u00e9 technologique est l\u00e0, mais la maturit\u00e9 organisationnelle reste in\u00e9gale. Les travaux du <strong>RAND<\/strong>, du <strong>MIT<\/strong> et de <strong>Deloitte<\/strong> convergent sur un point : <strong>le succ\u00e8s ne d\u00e9pend pas du mod\u00e8le, mais de la m\u00e9thode<\/strong>. Autrement dit, la valeur n\u2019\u00e9merge ni d\u2019un LLM plus puissant, ni d\u2019une interface plus fluide, mais d\u2019une <strong>int\u00e9gration rigoureuse<\/strong>, d\u2019un <strong>design conversationnel empathique<\/strong> et d\u2019un <strong>pilotage mesur\u00e9<\/strong>.<\/p>\n\n<p>Les organisations pr\u00eates \u00e0 franchir le cap sont celles qui abordent l\u2019IA non comme un projet de transformation technologique, mais comme un <strong>levier de transformation op\u00e9rationnelle et culturelle<\/strong>. Cela suppose de poser les bons probl\u00e8mes, d\u2019ancrer l\u2019exp\u00e9rimentation dans des cas d\u2019usage \u00e0 forte valeur, de structurer la donn\u00e9e et la gouvernance, et de b\u00e2tir une <strong>boucle d\u2019apprentissage continue<\/strong> entre humain et machine.<\/p>\n\n<p>La conformit\u00e9 au <strong>AI Act<\/strong> et les cadres comme le <strong>NIST AI RMF<\/strong> rappellent que la r\u00e9ussite passe aussi par la <strong>responsabilit\u00e9 et la transparence<\/strong>. Dans ce nouveau paradigme, la confiance devient un actif strat\u00e9gique autant que la performance.<\/p>\n\n<p>Enfin, l\u2019avenir de la relation client ne se jouera pas entre \u201cbot\u201d et \u201chumain\u201d, mais dans leur <strong>coop\u00e9ration intelligente<\/strong>. Les <strong>Agents IA<\/strong> ne remplaceront pas la dimension humaine \u2014 ils la prolongeront, en automatisant la logique pour mieux restituer l\u2019attention. C\u2019est dans cet \u00e9quilibre entre <strong>efficacit\u00e9, empathie et exigence \u00e9thique<\/strong> que se construira la prochaine g\u00e9n\u00e9ration de services client \u00e0 impact.<\/p>\n\n<p>\u00a0<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>L\u2019essor de l\u2019intelligence artificielle g\u00e9n\u00e9rative bouleverse en profondeur les m\u00e9tiers de la relation client, d\u00e9couvrez comment via cet article.<\/p>\n","protected":false},"author":13,"featured_media":14770,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","inline_featured_image":false,"footnotes":""},"categories":[87],"tags":[],"class_list":["post-13785","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tendances"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.2 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?<\/title>\n<meta name=\"description\" content=\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative (chatbots et agent IA) \u00e9chouent en relation client et quelles sont les solutions pour y rem\u00e9dier ?\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?\" \/>\n<meta property=\"og:description\" content=\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative (chatbots et agent IA) \u00e9chouent en relation client et quelles sont les solutions pour y rem\u00e9dier ?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\" \/>\n<meta property=\"og:site_name\" content=\"tolk.ai\" \/>\n<meta property=\"article:published_time\" content=\"2025-10-17T14:12:11+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-02-18T09:41:28+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1076\" \/>\n\t<meta property=\"og:image:height\" content=\"584\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Camille Annaler\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Camille Annaler\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"14 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\"},\"author\":{\"name\":\"Camille Annaler\",\"@id\":\"https:\/\/www.tolk.ai\/en#\/schema\/person\/66aaab21ebcdd51764b1c64693d33e06\"},\"headline\":\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?\",\"datePublished\":\"2025-10-17T14:12:11+00:00\",\"dateModified\":\"2026-02-18T09:41:28+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\"},\"wordCount\":2998,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/www.tolk.ai\/en#organization\"},\"image\":{\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png\",\"articleSection\":[\"Tendances\"],\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\",\"url\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\",\"name\":\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?\",\"isPartOf\":{\"@id\":\"https:\/\/www.tolk.ai\/en#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png\",\"datePublished\":\"2025-10-17T14:12:11+00:00\",\"dateModified\":\"2026-02-18T09:41:28+00:00\",\"description\":\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative (chatbots et agent IA) \u00e9chouent en relation client et quelles sont les solutions pour y rem\u00e9dier ?\",\"breadcrumb\":{\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage\",\"url\":\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png\",\"contentUrl\":\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png\",\"width\":1076,\"height\":584,\"caption\":\"+80% des projets IA e\u0301chouent _ Comment re\u0301ussir\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/www.tolk.ai\/en\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.tolk.ai\/en#website\",\"url\":\"https:\/\/www.tolk.ai\/en\",\"name\":\"tolk.ai\",\"description\":\"Generative AI powered Livechat and Virtual Assistant solutions for next generation customers\",\"publisher\":{\"@id\":\"https:\/\/www.tolk.ai\/en#organization\"},\"alternateName\":\"tolk.ai - IA g\u00e9n\u00e9rative et agents conversationnels\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.tolk.ai\/en?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.tolk.ai\/en#organization\",\"name\":\"tolk.ai - Generative AI powered Chatbot and Livechat solutions\",\"url\":\"https:\/\/www.tolk.ai\/en\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/www.tolk.ai\/en#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2020\/07\/logo-tolk.ai-new.png\",\"contentUrl\":\"https:\/\/www.tolk.ai\/wp-content\/uploads\/2020\/07\/logo-tolk.ai-new.png\",\"width\":1000,\"height\":500,\"caption\":\"tolk.ai - Generative AI powered Chatbot and Livechat solutions\"},\"image\":{\"@id\":\"https:\/\/www.tolk.ai\/en#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/fr.linkedin.com\/company\/tolk-ai\",\"https:\/\/www.youtube.com\/@tolk.ai.technology\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.tolk.ai\/en#\/schema\/person\/66aaab21ebcdd51764b1c64693d33e06\",\"name\":\"Camille Annaler\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?","description":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative (chatbots et agent IA) \u00e9chouent en relation client et quelles sont les solutions pour y rem\u00e9dier ?","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions","og_locale":"en_US","og_type":"article","og_title":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?","og_description":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative (chatbots et agent IA) \u00e9chouent en relation client et quelles sont les solutions pour y rem\u00e9dier ?","og_url":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions","og_site_name":"tolk.ai","article_published_time":"2025-10-17T14:12:11+00:00","article_modified_time":"2026-02-18T09:41:28+00:00","og_image":[{"width":1076,"height":584,"url":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png","type":"image\/png"}],"author":"Camille Annaler","twitter_card":"summary_large_image","twitter_misc":{"Written by":"Camille Annaler","Est. reading time":"14 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#article","isPartOf":{"@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions"},"author":{"name":"Camille Annaler","@id":"https:\/\/www.tolk.ai\/en#\/schema\/person\/66aaab21ebcdd51764b1c64693d33e06"},"headline":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?","datePublished":"2025-10-17T14:12:11+00:00","dateModified":"2026-02-18T09:41:28+00:00","mainEntityOfPage":{"@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions"},"wordCount":2998,"commentCount":0,"publisher":{"@id":"https:\/\/www.tolk.ai\/en#organization"},"image":{"@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage"},"thumbnailUrl":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png","articleSection":["Tendances"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions","url":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions","name":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?","isPartOf":{"@id":"https:\/\/www.tolk.ai\/en#website"},"primaryImageOfPage":{"@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage"},"image":{"@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage"},"thumbnailUrl":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png","datePublished":"2025-10-17T14:12:11+00:00","dateModified":"2026-02-18T09:41:28+00:00","description":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative (chatbots et agent IA) \u00e9chouent en relation client et quelles sont les solutions pour y rem\u00e9dier ?","breadcrumb":{"@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#primaryimage","url":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png","contentUrl":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2026\/01\/80-des-projets-IA-echouent-_-Comment-reussir.png","width":1076,"height":584,"caption":"+80% des projets IA e\u0301chouent _ Comment re\u0301ussir"},{"@type":"BreadcrumbList","@id":"https:\/\/www.tolk.ai\/en\/blog-ia\/tendances\/projets-ia-gen-relation-client-plan-actions#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/www.tolk.ai\/en"},{"@type":"ListItem","position":2,"name":"Pourquoi les projets d\u2019IA g\u00e9n\u00e9rative \u00e9chouent en relation client ?"}]},{"@type":"WebSite","@id":"https:\/\/www.tolk.ai\/en#website","url":"https:\/\/www.tolk.ai\/en","name":"tolk.ai","description":"Generative AI powered Livechat and Virtual Assistant solutions for next generation customers","publisher":{"@id":"https:\/\/www.tolk.ai\/en#organization"},"alternateName":"tolk.ai - IA g\u00e9n\u00e9rative et agents conversationnels","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.tolk.ai\/en?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/www.tolk.ai\/en#organization","name":"tolk.ai - Generative AI powered Chatbot and Livechat solutions","url":"https:\/\/www.tolk.ai\/en","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.tolk.ai\/en#\/schema\/logo\/image\/","url":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2020\/07\/logo-tolk.ai-new.png","contentUrl":"https:\/\/www.tolk.ai\/wp-content\/uploads\/2020\/07\/logo-tolk.ai-new.png","width":1000,"height":500,"caption":"tolk.ai - Generative AI powered Chatbot and Livechat solutions"},"image":{"@id":"https:\/\/www.tolk.ai\/en#\/schema\/logo\/image\/"},"sameAs":["https:\/\/fr.linkedin.com\/company\/tolk-ai","https:\/\/www.youtube.com\/@tolk.ai.technology"]},{"@type":"Person","@id":"https:\/\/www.tolk.ai\/en#\/schema\/person\/66aaab21ebcdd51764b1c64693d33e06","name":"Camille Annaler"}]}},"_links":{"self":[{"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/posts\/13785","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/comments?post=13785"}],"version-history":[{"count":8,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/posts\/13785\/revisions"}],"predecessor-version":[{"id":14721,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/posts\/13785\/revisions\/14721"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/media\/14770"}],"wp:attachment":[{"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/media?parent=13785"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/categories?post=13785"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tolk.ai\/en\/wp-json\/wp\/v2\/tags?post=13785"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}