Agent IA e-commerce sur mesure : outils plutôt que RAG
Découvrez pourquoi un agent IA e-commerce sur mesure s’appuie sur des outils en temps réel plutôt que sur un index documentaire : architecture, garde-fous et transfert humain.
Long Nguyen
Développeur fullstack · Ingénieur IA · Chercheur
Ce qu’un agent IA e-commerce sur mesure fait contrairement à un chatbot
Un agent IA sur mesure pour le service client e-commerce est un modèle de langage connecté aux systèmes de votre boutique par l’intermédiaire d’outils : recherche de commande, recherche de produits, consultation des politiques et escalade vers un conseiller. Il répond à partir de données à jour et effectue des actions définies, au lieu de réciter une FAQ générique.
La différence concrète tient à l’origine de la réponse :
- Chatbot : il associe la question à un texte préécrit ou à une base de connaissances copiée.
- Agent : il détermine quel outil appeler, lit le résultat et répond à partir de celui-ci. Si la commande est en retard, il le dit, puisqu’il vient de vérifier son statut.
Agent sur mesure ou chatbot prêt à l’emploi pour l’e-commerce
| Critère | Widget prêt à l’emploi | Agent sur mesure |
|---|---|---|
| Accès aux données | Ce que le connecteur du fournisseur rend accessible | N’importe quelle API ou base de données que vous possédez, y compris les systèmes internes |
| Actions | Répond généralement uniquement aux questions | Actions définies : lancer un retour, transférer à un conseiller, renvoyer un lien de paiement |
| Logique métier | Générique | Vos règles : compatibilité, tarifs B2B, commandes multicanales |
| Réponses sur les politiques | Texte copié, reformulé librement | Informations récupérées depuis une source de référence unique, avec une date |
| Transfert | Vers la boîte de réception du fournisseur | Vers votre helpdesk, CRM ou messagerie, avec un brief structuré |
| Contrôle et responsabilité | Visibilité limitée sur les raisons de la réponse | Transcriptions et journaux d’outils complets, consultables et auditables |
Ma règle générale : si la plupart de vos demandes concernent le suivi de commande et que votre helpdesk dispose déjà d’une intégration native des commandes, achetez le widget. Optez pour une solution sur mesure lorsque votre logique métier est particulière ou que la réponse se trouve dans plusieurs systèmes.
Les outils avant le RAG : comment l’agent est connecté
L’agent de netalith.com est développé directement avec l’API OpenAI et des outils de fonctions. Il interroge en temps réel les données des articles de blog, des services, des produits et des projets. Il n’utilise pas le RAG.
La raison est l’actualisation des données. Le catalogue, les stocks et les prix changent constamment. Un index vectoriel construit à partir de l’export de la veille citera avec assurance le prix d’hier. Un appel d’outil lit la fiche actuelle.
Le RAG reste pertinent pour les contenus longs et non structurés, comme les manuels ou les documents de politique détaillés. Même dans ce cas, je l’exposerais comme un outil parmi plusieurs, et non comme l’ensemble de l’architecture.
Les outils sont définis sous forme de schémas JSON, et le guide du function calling d’OpenAI recommande de toujours activer le mode strict afin que les arguments correspondent au schéma.
Une précision honnête sur le périmètre : l’agent de notre propre site gère les demandes avant achat. Il conseille les visiteurs, recommande des produits, renvoie des liens de paiement, qualifie les prospects et recueille leurs coordonnées pour l’assistance humaine. L’assistance après achat suit le même modèle, avec l’ajout d’outils pour les commandes et les retours. Si vous souhaitez mettre en place cette solution pour votre boutique, notre service de développement IA couvre les agents de service client.
Les outils essentiels d’un agent de support e-commerce
| Outil | Type | Garde-fou essentiel |
|---|---|---|
| search_products | Lecture | Renvoyer le prix et le stock en temps réel, ainsi que le lien du produit. Ne jamais répondre sur la disponibilité de mémoire. |
| lookup_order | Lecture | Exiger le numéro de commande et l’adresse e-mail associée, vérifiés dans votre backend. Renvoyer uniquement le statut et le suivi. |
| get_policy | Lecture | Renvoyer le texte de la politique avec sa date de dernière mise à jour. L’agent le cite ; il ne l’improvise pas. |
| start_return | Écriture | Créer une demande de retour, et non un remboursement. Le client confirme avant son exécution. |
| escalate_to_human | Écriture | Envoyer un brief : résumé, identifiant de commande, motif et langue. |
Voici à quoi ressemble l’un de ces outils dans le format plat des outils de l’API Responses :
{
"type": "function",
"name": "lookup_order",
"description": "Look up one order's status and tracking. Call only after the customer has given both the order number and the email on the order.",
"parameters": {
"type": "object",
"properties": {
"order_number": { "type": "string" },
"email": { "type": "string" }
},
"required": ["order_number", "email"],
"additionalProperties": false
},
"strict": true
}Le piège : un schéma strict garantit la forme des arguments, mais pas que l’appelant est autorisé à consulter cette commande. L’autorisation doit être gérée dans votre backend. Si l’adresse e-mail ne correspond pas à la commande, l’outil renvoie « not found » et l’agent indique qu’il ne trouve aucune correspondance. Ne comptez jamais sur le prompt pour déterminer qui peut voir quoi.
Commencez par déployer des outils en lecture seule. Ajoutez les outils d’écriture un par un, et seulement après avoir examiné de vraies transcriptions.
Comment empêcher l’agent d’inventer des politiques
C’est le risque qui doit orienter votre conception. En février, un tribunal de Colombie-Britannique a jugé Air Canada responsable après que son chatbot a fourni à un client des informations erronées sur les tarifs applicables en cas de deuil. Il a rejeté l’argument selon lequel le chatbot était responsable de ses propres réponses. Le résumé de l’American Bar Association est une lecture courte et utile. À retenir pour une boutique : les informations communiquées par votre agent sur les remboursements, les délais d’expédition et les garanties relèvent de votre responsabilité.
Voici les règles que j’intègre :
- Les réponses sur les politiques proviennent uniquement du résultat d’un outil dédié. En l’absence de résultat, l’agent indique qu’il ne peut pas confirmer l’information et propose l’aide d’un conseiller.
- Aucune remise, aucun remboursement ni aucune exception ne doit être promis en texte libre. Ces opérations passent par des actions d’outils encadrées, ou par une décision humaine.
- Chaque conversation et chaque appel d’outil sont enregistrés, afin de pouvoir montrer exactement ce qui a été dit et pourquoi.
- Un échantillon hebdomadaire des transcriptions est examiné par une personne. Ce n’est pas facultatif.
Transfert à un conseiller : quand l’agent doit cesser de répondre
Transférez la conversation en cas de demande de remboursement ou de rétrofacturation, de termes juridiques ou liés à la sécurité, de client mécontent, d’échec deux fois de suite sur la même question ou de commande à forte valeur.
Le transfert doit prendre la forme d’un brief, et non d’un déversement de transcription : qui est le client, ce qu’il veut, ce que l’agent a déjà vérifié et ce qu’il reste à traiter. C’est ainsi que fonctionne notre propre agent. Il qualifie le visiteur, recueille ses coordonnées et envoie le brief à l’assistance humaine. Il ne prend pas en charge les conversations en direct, car nous n’en avons pas besoin sur notre site.
Pour une boutique dont la file d’attente du support est importante, la reprise en direct peut être plus pertinente. Elle peut être mise en place ; décidez-le dès le départ, car cela modifie l’architecture.
Que mesurer après le lancement
| Indicateur | Ce qu’il vous apprend |
|---|---|
| Résolution sans intervention humaine | Si l’agent supprime réellement des demandes ou s’il ajoute simplement une étape |
| Taux de réponses erronées (transcriptions échantillonnées) | L’indicateur qui vous protège sur le plan juridique et en matière de réputation |
| Qualité des transferts | Si les équipes ont dû redemander au client toutes les informations |
| Taux d’échec des outils | Les intégrations défaillantes qui dégradent discrètement les réponses |
| Coût par conversation | L’utilisation du modèle comparée aux demandes qu’il a remplacées |
Ce qu’il faut pour en développer un
- Exportez les demandes des derniers mois et classez les types de demandes par volume.
- Associez chacun des principaux types à un outil et à une source de données.
- Déployez d’abord les fonctions en lecture seule : recherche de produits, statut de commande et politiques.
- Ajoutez les actions d’écriture avec confirmation du client.
- Examinez les transcriptions chaque semaine et renforcez les descriptions des outils ainsi que les garde-fous.
Comme les outils sont de fines couches autour de l’API de votre plateforme, la logique de l’agent peut être réutilisée avec Shopify, WooCommerce, BigCommerce, Odoo et les backends des marketplaces. Seule la couche d’outils change.
Si vous souhaitez un agent IA e-commerce sur mesure pour votre boutique, le périmètre et le prix dépendent de vos plateformes et des types de demandes traitées. Envoyez-nous les détails via le formulaire de devis gratuit et nous vous dirons ce qui est réaliste.
FAQ
Questions fréquentes
Qu’est-ce qu’un agent IA e-commerce sur mesure pour le service client ?
Il s’agit d’un modèle de langage connecté aux systèmes de votre boutique par des outils tels que la recherche de produits, la consultation des commandes, la récupération des politiques et l’escalade vers un conseiller. Il répond à partir de données en temps réel et effectue des actions définies, au lieu d’associer les questions à des réponses de FAQ préécrites.
Ai-je besoin du RAG pour créer un agent de support e-commerce ?
Pas nécessairement. Pour les données qui évoluent rapidement, comme les prix, les stocks et les statuts de commande, les appels directs aux outils de votre plateforme sont plus fiables qu’un index documentaire. Le RAG est utile pour les contenus longs et non structurés, comme les manuels, et devrait idéalement être exposé comme un outil parmi plusieurs.
L’agent doit-il être autorisé à effectuer des remboursements ?
Pas au début. Commencez par des outils en lecture seule, puis ajoutez des actions comme la création d’une demande de retour, que le client doit confirmer. Les remboursements, les remises et les exceptions devraient rester du ressort d’un conseiller ou d’un outil strictement limité, car la boutique est responsable des promesses faites par son agent.
Comment empêcher un agent IA de fournir des réponses erronées sur les politiques ?
Les réponses sur les politiques doivent provenir uniquement d’un outil dédié qui renvoie le texte actuel avec une date. En l’absence de résultat, l’agent doit dire qu’il ne peut pas confirmer l’information et proposer l’aide d’un conseiller. Enregistrez chaque conversation et examinez chaque semaine un échantillon des transcriptions.
L’agent peut-il fonctionner avec Shopify, WooCommerce ou Odoo ?
Oui. Les outils sont des couches autour de l’API de votre plateforme : la logique de l’agent reste donc la même et seule la couche d’outils change selon la plateforme. Le coût dépend de vos plateformes et des types de demandes ; il est donc établi après cadrage.