L'intelligence artificielle dans le support IT est présentée comme une évolution incontournable. Les démonstrations sont convaincantes : chatbots instantanés, classification automatique, résolution sans intervention humaine. La réalité des déploiements est plus nuancée. Les projets qui fonctionnent ont une caractéristique commune : ils n'ont pas commencé par l'IA — ils ont commencé par le processus.
Les usages à valeur prouvée ont un prérequis commun : un processus déjà structuré
- Classification automatique des tickets : efficace lorsque le volume est suffisant (500 à 1 000 tickets par mois au minimum) et que les catégories sont cohérentes. L'IA classe correctement ce que les équipes ont correctement qualifié par le passé — elle ne rattrape pas un historique mal structuré.
- Suggestion de réponses et base de connaissance intelligente : utile lorsque la base de connaissance est à jour et bien structurée. Une base obsolète produit des suggestions inutilisables — c'est le frein le plus fréquent sur les projets de ce type.
- Automatisation des demandes N1 : réinitialisation de mot de passe, déblocage de compte, demandes d'accès standards. Ces cas ont le ROI le plus rapide et les risques les plus faibles. Ils représentent souvent 30 à 40 % du volume de tickets N1.
Ce que l'IA ne fait pas bien : comprendre les demandes ambigüës, gérer les exceptions, traiter les problèmes complexes multi-systèmes. La supervision humaine reste indispensable, au moins pour valider la qualité des réponses automatisées dans les premiers mois.
L'IA n'améliore pas un processus défaillant — elle l'industrialise
Le facteur d'échec numéro un n'est pas technique : c'est la qualité des données. Un modèle entraîné sur des tickets mal qualifiés — catégories incohérentes, descriptions vagues, résolutions non documentées — produira des résultats médiocres quelle que soit la sophistication de l'algorithme.
Si les niveaux de service ne sont pas définis, si les escalades ne sont pas claires, si la base de connaissance n'est pas maintenue, introduire l'IA ne fera qu'accélérer les dysfonctionnements existants. Un système de résolution automatique qui répond à côté génère plus de frustration qu'un support humain lent.
Avant de choisir une solution, une question suffit
Est-ce que notre processus de support est suffisamment structuré pour qu'une IA puisse l'améliorer ? Si la réponse n'est pas clairement oui, c'est là qu'il faut commencer : catégories de tickets cohérentes, niveaux de service définis, base de connaissance maintenue à jour.
Une fois ces fondations en place, la séquence naturelle est de commencer par les demandes répétitives N1, de mesurer les résultats sur un périmètre restreint, puis d'élargir. Mettre en place un mécanisme de feedback dès le lancement — pour que les agents corrigent facilement les erreurs du modèle — est ce qui maintient la qualité dans la durée.
