Cas pratique : support client IA

Le scénario

Vous construisez un agent de support client qui prend en charge les demandes entrantes : les classer, y répondre automatiquement, et escalader quand c’est nécessaire. C’est l’un des cas d’usage les plus déployés en production, et l’un des plus instructifs parce qu’il oblige à renoncer à l’idée du prompt unique qui ferait tout.

Un tel système repose sur une chaîne de quatre maillons. La classification identifie le type de demande et détermine le traitement appliqué ensuite. La recherche, généralement en RAG, va chercher dans la base de connaissances les articles pertinents. La génération formule une réponse personnalisée à partir de ces articles. L’escalade décide du moment où il faut passer la main à un humain. Chaque maillon a ses entrées, ses modes d’échec et ses métriques propres : un score global médiocre ne vous dira jamais lequel des quatre défaille.

Classer avant de répondre

Le prompt de classification est le plus austère de la chaîne : il ne produit pas de texte mais une valeur, et cette valeur pilote tout le traitement qui suit.

<demande>
{message_du_client}
</demande>

Classe cette demande dans une des categories suivantes :
- TECHNIQUE : probleme technique ou bug
- FACTURATION : question sur le paiement, remboursement, abonnement
- INFORMATION : question sur les produits ou services
- RECLAMATION : plainte ou insatisfaction
- AUTRE : tout ce qui ne rentre pas dans les categories ci-dessus

Reponds avec UNIQUEMENT le nom de la categorie.

Deux détails font toute la solidité de ce prompt. Chaque catégorie est accompagnée de sa définition, ce qui empêche qu’une demande de remboursement consécutive à un bug bascule au hasard entre FACTURATION et TECHNIQUE selon la formulation du client. Et la catégorie AUTRE offre au modèle un endroit où ranger l’imprévu : privé de cette issue, il force la demande dans la case la moins improbable, et vous découvrez le problème le jour où la réponse automatique part de travers. L’instruction finale, qui impose de répondre par le seul nom de la catégorie, existe pour le code appelant, qui n’a pas à parser une phrase de courtoisie.

Le prompt de réponse et ses limites explicites

Le second prompt travaille sur trois blocs de nature différente : ce que l’entreprise sait, ce qui a déjà été échangé, et ce que le client demande. Les séparer par des balises permet à Claude de traiter l’historique comme du contexte, pas comme une consigne.

Tu es un agent de support pour [NomEntreprise]. Ton role est d'aider les clients
de maniere professionnelle, empathique et efficace.

<base_de_connaissances>
{articles_pertinents}
</base_de_connaissances>

<historique>
{messages_precedents}
</historique>

<message_client>
{dernier_message}
</message_client>

Regles :
- Base ta reponse UNIQUEMENT sur la base de connaissances fournie
- Si tu ne trouves pas la reponse, propose d'escalader vers un agent humain
- Ne fais jamais de promesses que l'entreprise ne peut pas tenir
- Reste professionnel et empathique
- Reponds en moins de 150 mots

La règle qui restreint la réponse à la base de connaissances et celle qui offre l’escalade forment un couple indissociable : la première interdit d’inventer, la seconde donne une issue honorable quand il n’y a rien à dire. Séparez-les et vous obtenez soit des refus secs qui exaspèrent le client, soit une porte laissée ouverte à l’invention. L’interdiction de promettre ce que l’entreprise ne peut pas tenir vise un risque très concret : un délai ou un geste commercial annoncé par l’agent engage l’entreprise aux yeux du client, inventé ou non.

Savoir passer la main

L’escalade doit être définie avec la même précision que le reste, sinon elle ne se déclenche jamais, ou bien tout le temps. Quatre situations la justifient. Un client visiblement frustré ou en colère malgré la réponse fournie : à ce stade, une nouvelle réponse automatique ne fait qu’aggraver les choses. Une question qui dépasse les connaissances disponibles, puisque insister reviendrait à improviser. Une demande explicite de parler à un humain, qu’il faut honorer sans négocier. Et tout sujet sensible — juridique, sécurité, plainte grave — où le coût d’une mauvaise réponse dépasse de loin le gain d’un ticket traité sans humain.

Ce que l’on mesure en production

L’évaluation d’un tel système ne se ramène pas à un score unique. Le taux de résolution, soit la part de demandes réglées sans intervention humaine, mesure le bénéfice économique mais ne dit rien de la qualité perçue ; il se complète par la satisfaction client recueillie via un sondage post-interaction. La précision de la classification s’évalue à part, puisqu’une demande mal routée condamne tous les maillons suivants. Le temps de réponse compte comme latence perçue, délai de recherche documentaire inclus. Le taux d’hallucination reste la métrique à surveiller même quand tout va bien : c’est celle qui se dégrade en silence après une mise à jour de la base ou une retouche du prompt.

Points clés à retenir

• Un système de support IA est une chaîne de prompts (classification, recherche, génération, escalade), pas un prompt unique.
• Chaque maillon se teste indépendamment : une erreur de classification invalide tout ce qui suit.
• Définir chaque catégorie et prévoir une catégorie AUTRE évite les rangements forcés.
• Les critères d’escalade doivent être écrits dans le prompt, sinon elle ne se déclenche pas quand il le faudrait.
• Le monitoring en production, taux d’hallucination en tête, est le seul moyen de détecter les régressions silencieuses.

Testez vos connaissances

Trois cas réels traversés — dégagez-en la méthode réutilisable.

1. Que fait-on avant d'écrire la première ligne d'un prompt de production ?

Réponse : Définir le résultat attendu et ses critères de réussite : sans objectif mesurable, impossible de juger le prompt — c’est le cadrage qui précède la rédaction.

2. Quelle structure revient dans tous les prompts de production du cours ?

Réponse : Rôle et contexte, données balisées (XML), instructions précises, exigences de sortie et format — chaque section a sa place, les cas médicaux comme le support client la suivent.

3. Pourquoi le prompt médical exige-t-il un traitement particulier des incertitudes ?

Réponse : Parce que le coût d’une erreur est élevé : le prompt impose de signaler les limites, de ne pas inventer, et de renvoyer vers un professionnel quand la question dépasse le cadre.

4. Dans le résumeur d'appels, comment garantit-on un format exploitable en aval ?

Réponse : En spécifiant exactement la structure de sortie (sections, champs) et en la verrouillant par des exemples — le consommateur du résumé est un système, pas un lecteur indulgent.

5. Qu'est-ce qui distingue un prompt de production d'un prompt d'exploration ?

Réponse : Le prompt de production est évalué, versionné et couvert de garde-fous (cas limites, refus propres) : il doit tenir face à des entrées imprévues, pas seulement réussir une démo.

La méthode tient en une phrase : cadrer, structurer, verrouiller le format, évaluer — appliquez-la à votre prochain cas réel.