📌 Dans cet article, vous découvrirez les erreurs qui sabotent un projet de callbot :
- Erreur #1. La mauvaise gestion du temps de latence dans les réponses du callbot
- Erreur #2. Sous-estimer les 8 premières secondes de l’échange avec le callbot
- Erreur #3. Croire que le callbot est pertinent dans tous les contextes
- Erreur #4. Ignorer les différences générationnelles
- Erreur #5. Négliger la qualité des données
- Erreur #6. Laisser le callbot se dégrader avec le temps
⏱️ Temps de lecture : 9 minutes
Vous êtes pressé ? Voici l’essentiel en 120 secondes :
Si vous avez un projet de callbot pour votre support client, c’est probablement parce que vous avez déjà remarqué l’usage croissant des agents conversationnels dans les centres de contact.
Et pour cause, depuis 2023, l’IA vocale a profondément transformé le paysage du service client au téléphone.
Pourtant, la technologie de chatbot vocal existe depuis plus de 10 ans… En effet, les entreprises étaient jusqu’alors frileuses. Elles avaient peur d’un manque d’adoption et d’une perte de confiance de la part de leurs clients. Mais depuis l’arrivée et l’adoption massive par le grand public d’outils IA comme ChatGPT, les entreprises ont finalement succombé au charme des callbots.
Et pour cause, le chant des sirènes des acteurs du marché fonctionne. On promet d’abord de réduire les temps d’attente, de décrocher en 24/7, mais aussi de fluidifier les flux, et surtout d’optimiser les coûts.
Mais après seulement quelques mois, beaucoup d’entreprises constatent pourtant :
- Des raccrochés en hausse,
- Des clients irrités,
- Un sentiment de déshumanisation,
- Et surtout une perte de confiance des clients.
C’est ainsi, avec les effets secondaires, que la relation client peut s’écrouler. Mais cela n’arrive que dans deux cas.
Ou bien le callbot était mal conçu, ou bien il a été déployé trop rapidement. Dans les deux cas, il y avait des pièges à éviter. Mais contrairement à ce qu’on peut souvent croire, le problème était rarement la technologie elle même.
Alors, pour cet article, nous avons réuni les témoignages et les expériences de nos experts Citizen Call (bot managers, managers, conseillers clientèle…). Nous avons identifié 6 erreurs courantes à éviter absolument pour permettre de déployer un callbot performant, accepté par les clients, et utile aux équipes.
Voyez cette documentation comme un guide pratique, une checklist des éléments à surveiller dans le processus de mise en place de votre agent vocal.
Erreur #1. La mauvaise gestion du temps de latence dans les réponses du callbot
Au cours de la conception du callbot, la gestion du temps de latence est certainement l’un des sujets les plus complexes à maîtriser. En effet, un temps trop long ou trop court peut être une catastrophe pour l’expérience utilisateur, même avec le meilleur des scénarios.
D’abord, pour clarifier nos propos, quand on parle du temps de latence, on parle du délai entre la fin de la phrase de l’utilisateur, et le début de la réponse du callbot.
On observe généralement un délai compris entre 1,5 et 2 secondes… c’est deux fois plus long que ce dont on a l’habitude au cours d’un échange naturel, et c’est très désagréable pour l’expérience client.
Et pourtant, quand l’agent conversationnel est en phase de test, les temps de réponse affichés par les fournisseurs tournent plutôt autour des 400 à 800 millisecondes. C’est bien plus acceptable pour l’oreille humaine, et ça donne une illusion de performance.
Pourquoi la latence mesurée en production est différente de celle de la phase de test ?
Ce qui fait que le projet de mise en place d’un callbot échoue parfois, c’est que pendant son développement, il n’est testé qu’en condition non réelle.
En effet, après la mise en œuvre, le callbot est soumis à un ensemble de chaînes techniques ayant un impact sur le temps de latence, et donc sur la satisfaction client :
- La transformation du signal téléphonique en signal exploitable,
- La retranscription vocale,
- La recherche de correspondances dans les bases de connaissances,
- Le passage dans des outils d’analyse,
- La génération et la personnalisation d’une réponse…
Bien que pris individuellement, les temps de chaque étape soient très faibles, au cumulé, l’inertie devient vraiment perceptible et doit être améliorée au maximum.
Quelle valeur ajoutée à un callbot ayant un temps de latence maitrisé ? Et comment y parvenir ?
Le retour sur investissement d’un callbot ayant un temps de latence maîtrisé sera forcément meilleur, puisqu’il change radicalement la perception du service.
Parmi les raisons de l’améliorer, on cite :
1. Des conversations plus naturelles.
En effet, plus on est proche des codes humains, moins l’oreille est choquée, moins le cerveau de l’appelant se met en alerte.
2. Une meilleure compréhension de l’intention.
Vous avez peut-être déjà vécu l’expérience d’une IA qui a un temps de latence trop long (ou trop court et qui vous coupe). Les utilisateurs de la synthèse vocale de GPT ou Claude entre autres connaissent bien ce sentiment. On s’impatiente, on reformule, on ne sait plus où on en était… Les micros-coupures nous font perdre le fil et on n’est plus aussi clair dans nos intentions. C’est ainsi que l’IA génère des erreurs d’interprétation.
3. Une meilleure perception de la qualité de service
On ne doit pas chercher à construire un agent conversationnel qui a une solution à tout. En réalité, c’est le rythme de l’échange qui améliore la confiance perçue par le client.
Alors, pour améliorer les temps de réponse dans un projet de callbot, on doit avant tout choisir des fournisseurs qui testent régulièrement avec de vrais appels téléphoniques, et qui surveillent la latence en continu. En effet, les projets qui échouent sont ceux qui ne cherchent pas à optimiser toute la chaîne technique (recherche documentaire, analyse des données, qualité des intégrations…).
Erreur #2. Sous-estimer les 8 premières secondes de l’échange avec le callbot
Des études menées en neurolinguistique et en sémantique nous ont enseigné que tout se joue dans les 8 premières secondes de chaque interaction. En effet, quel que soit le moyen de communication, c’est dans ce délai que l’interlocuteur décidera d’accorder ou non sa confiance.
Pourtant, l’erreur qu’on voit le plus souvent dans les projets d’automatisation est que les fournisseurs consacrent moins de 5% de leur temps de conception à ce sujet.
Pour vous assurer que ces 8 premières secondes soient efficaces, posez-vous la question suivante : « Est-ce que l’utilisateur peut comprendre tout de suite ce que le bot sait faire ? Est-ce que l’utilisateur comprend tout de suite comment il doit dire/ exprimer son besoin ? (En langage naturel ? en demandant un service particulier ? …) »
Les 5 erreurs fréquentes qui peuvent nuire à votre image dans les premières secondes
1. Il y a de l’ambiguïté sur l’identité de la personne qui est à l’accueil téléphonique
Si au décrochage, votre assistant vocal se contente de répondre « Bonjour, je suis Bob, comment puis-je vous aider ? », il va créer trop d’ambiguïté. Quelle que soit sa demande, le client a besoin de savoir clairement à qui il s’adresse.
Pour gagner la confiance de l’appelant, vous devez assumer l’identité du bot dès le début. De toute façon le client finira par s’en apercevoir rapidement.
Chez Citizen Call, nous avons par exemple l’habitude de proposer la phrase « Bonjour, je suis Bob, l’assistant virtuel de (entreprise). En quoi puis-je vous aider ? »
2. L’introduction au décrochage est trop longue
Dans les premières secondes, vous n’avez pas besoin de déballer toutes les informations que vous souhaitez communiquer. Par exemple, vous n’êtes pas obligé de donner tout de suite les horaires d’ouverture ou l’actualité promotionnelle du moment. Vous pourrez donner toutes ces informations au fil de la conversation.
En clair, visez une introduction de 6 à 9 secondes maximum.
3. Ne pas offrir de porte de sortie claire
La base d’un bon agent conversationnel c’est qu’on doit toujours proposer une porte de sortie simple. En clair, en cas de problème de compréhension, ou simplement si l’appelant souhaite parler à un humain, on ne doit jamais le forcer à rester avec le callbot.
Mais attention, ça veut aussi dire qu’on doit être prêt à accueillir des appels en plus du flux non automatisé.
On vous préconise donc de mentionner la possibilité d’une escalade vers un conseiller, sans pour autant l’encourager.
4. Utiliser un langage froid ou trop formel
En vente, on cherche toujours à créer un lien avec notre prospect. C’est exactement pareil dans un processus d’accueil téléphonique. Le choix des mots est primordial pour ne pas créer trop de distance, même s’il s’agit d’un chatbot vocal.
Par exemple, au lieu de mettre dans votre plan « Veuillez formuler votre demande », vous pourriez prévoir une phrase comme « Dites-moi en quelques mots ce que vous voulez faire ».
5. Donner des consignes sans exemples
Le problème pour une marque qui veut automatiser sa réception d’appels, c’est qu’elle a tendance à négliger le manque d’éducation de ses clients aux robots. Souvent, c’est au moment du déploiement qu’on s’aperçoit que les clients ne savent pas quoi dire quand on leur pose la question « exprimez votre besoin ».
La solution, c’est de prévoir d’intégrer dans l’arbre du scénario des exemples pour orienter l’appelant sur ce qu’on attend de lui.
Erreur #3. Croire que le callbot est pertinent dans tous les contextes
Quand on a une stratégie d’automatisation en marche, on a tendance à oublier que l’acceptation du callbot dépend de la situation personnelle de l’appelant. En effet, en fonction de l’état émotionnel ou de la nature de la demande, un bon développeur doit avoir la capacité de définir ce qui ne doit pas être automatisé.
Et oui, même l’agent vocal le plus intelligent ne pourra pas être accepté dans tous les contextes.
L’objectif de l’appel doit définir le niveau d’automatisation
En général, que ce soit un appel de jour comme de nuit, un client qui cherche une information simple (horaires, tarifs, statut de commande, etc), est plutôt ouvert à l’automatisation. En effet, il cherche à obtenir une réponse claire rapidement.
Couplé au CRM, au blog, aux bases de connaissances de l’entreprise, l’agent virtuel est tout à fait capable d’y répondre en totale autonomie. Le KPI du temps de résolution n’en est que meilleur.
A l’inverse, si un client appelle parce qu’il fait face à un problème, un incident de votre plateforme par exemple, ou une situation délicate, alors il n’acceptera pas de parler à un robot vocal. Il va chercher à être compris et pris en charge, et ce sentiment n’est rendu possible que dans une relation d’humain à humain.
En clair, le callbot ne devrait être utile que sans jamais avoir à gérer l’émotion.
Comment définir le niveau d’automatisation de vos projets de callbot ?
Cartographier les différentes intentions d’appel.
Par exemple, pour toutes les demandes d’informations classiques, vous pouvez positionner l’agent virtuel en front.
Pour tout ce qui est de l’ordre de la résolution de problème, préférez laisser l’humain en front et utilisez d’autres outils intelligents en back-office.
Faire l’inventaire des mots qui devront être des signaux pour déclencher une escalade automatique.
Pour en citer quelques-uns en exemple : « impossible », « erreur », « parler à un humain », « ne comprends pas », « avocat »…
Personnaliser selon le contexte et l’historique.
Par exemple, si vous avez mis un callbot en front pour un sujet, et que c’est la seconde fois que la personne appelle pour ce même sujet, il faut transférer directement au conseiller.
Ou bien encore, si c’est une personne qui a déjà manifesté le souhait de couper son abonnement par exemple, idem, prévoyez un transfert automatique.
Erreur #4. Ignorer les différences générationnelles
L’erreur de déployer un callbot à l’ensemble de sa base client, sans prendre en considération l’âge est une erreur qu’on trouve dans 90% des projets.
Bien sûr, on entend les dirigeants qui cherchent à uniformiser l’expérience client… Mais chaque client est par nature différent : sa perception de l’agent vocal, son rapport au digital, son aisance à utiliser et comprendre les outils, etc.
Pourquoi l’âge change-t-il l’expérience client avec le callbot ?
| Génération | Usage | Attentes face au bot | Risques si callbot non adapté |
| Générations Y – Z (de 18 à 40 ans) | Comprennent le fonctionnement de l’IA en général. Parlent naturellement aux assistants vocaux et connaissent leurs éventuelles limites. Ils formulent des demandes courtes et claires pour obtenir une réponse. Ils savent demander un humain quand c’est nécessaire. | Réponses immédiates et appels sans friction. | Impatience si le robot donne trop de détails ou s’il parle trop lentement |
| Génération X (de 40 à 55 ans) | A l’aise avec le téléphone et familiers du digital, ils ont une bonne capacité d’adaptation. | Guidance simple, besoin qu’on leur dise clairement comment formuler le besoin. | Frustration si le bot ne comprend pas du premier coup. |
| Baby-boomers et seniors (55 ans et +) | Attente du téléphone que ce soit un canal avec de l’humain, rien d’autre. | Instructions très explicites, avec un humain au bout du scénario. | Raccrochés précoces, incompréhension. |
Un appelant de moins de 40 ans préférera un discours dynamique avec des consignes courtes. Il sait comment formuler ses demandes, et comment “court-circuiter” en demandant un humain quand il juge que cela est nécessaire.
Au-delà de 50 ans, il faut prévoir un débit légèrement plus lent, et des explications claires sur ce qu’il doit faire.
Par exemple pour les moins de 40 ans vous pourriez dire “Comment puis-je vous aider ?”
Pour les plus âgés, vous pourriez préférer “Dites-moi ce que vous voulez faire. Vous pouvez me parler de façon naturelle et me dire par exemple si vous souhaitez suivre une commande, ou bien parler à un conseiller.”
En tout cas, quel que soit l’appelant, un bon développeur doit avoir la capacité d’intégrer ces variations de règles dès la conception.
Comment adapter concrètement le callbot à chaque génération ?
| Element du bot | Pour les moins de 40 ans | Pour les plus de 40 ans |
| Ton | Dynamique, direct. | Phrases complètes, vocabulaire simple et commun. |
| Rythme | 170 à 185 mots par minute | 150 à 165 mots par minute |
| Consignes | 1 consigne claire et 1 exemple maximum | Consignes détaillées et au moins 2 exemples concrets pour guider. |
| Tolérance à l’ambiguïté | Elevée, ils comprennent tout de suite qu’il s’agit d’un bot. Ils savent formuler les demandes en conséquence. | Faible, l’ambiguïté sur le fait qu’il s’agisse d’un bot ou non n’est pas tolérée et génère du stress. |
| Porte de sortie | Mentionner la possibilité d’escalade, sans insister. | Mettre en avant l’option de parler à un humain avec une consigne simple “Dites parler à un humain” |
| Détection des signaux faibles | En cas de reprises multiples = escalade | En cas de confusion détectée, hésitations “allo”, “je ne comprends pas”… = escalade. |
| Objectif principal | Optimiser la rapidité et la fluidité | Optimiser la rassurance et la clarté. |
Erreur #5. Négliger la qualité des données
Voici certainement l’erreur la plus fréquente, mais aussi celle qui coûte le plus cher. Retenez qu’un callbot ne peut pas “bien” répondre si la base de données que vous lui fournissez est incomplète ou obsolète. Et cela pour une raison simple, le robot peut faire beaucoup de choses, mais il ne peut pas deviner ce qui ne lui est pas accessible… Au mieux il peut essayer de déduire, mais il n’est pas doté d’intuition comme l’est un humain.
En clair, votre callbot sera le reflet de la qualité des données que vous lui avez fournies pendant son développement. Si la documentation est un chaos, il en sera de même pour la qualité des réponses.
La documentation interne de l’entreprise n’est généralement pas structurée pour de l’IA.
Quelle que soit la taille de l’entreprise ou son secteur d’activité, on le sait, les bases internes sont souvent loin d’être à jour.
- Les procédures, quand elles changent, ne sont pas toujours documentées,
- Les réponses aux FAQ ne sont pas toujours mises à jour,
- Les fiches produits ou services évoluent sans faire l’objet de changements dans les ressources,
- On garde des fiches de produits qu’on ne propose plus…
La conséquence, c’est un callbot qui donne des réponses imprécises, incohérentes, ou carrément fausses.
Et même lorsqu’elle est à jour, la base de connaissances est rarement optimisée pour un chatbot vocal.
- Les textes sont trop longs,
- Les documents sont en PDF (et donc non exploitables)
- Les données sont réparties dans plusieurs documents différents…
Bref, si vous avez l’impression que le bot est stupide, c’est très certainement la faute de votre base de données.
Comment garantir la qualité des données fournies à l’agent vocal ?
Commencer par réaliser un audit documentaire
Vérifiez quels documents sont obsolètes, quelles procédures ne sont pas documentées, et donc quels contenus doivent être (ré)écrits.
C’est l’étape la plus fastidieuse dans un projet de callbot… mais elle est vraiment indispensable.
Centraliser la connaissance et mettre à jour en continu
Pour maintenir dans le temps une base de connaissances à jour, il est indispensable que tout soit dans un unique endroit. Cette documentation doit être lisible par les humains ET par les IA. Les titres doivent donc être hiérarchisés, on doit y voir une logique très claire.
Prévoir une équipe en charge de la connaissance
Si personne n’est garant du maintien de la base, dans quelques mois il faudra déjà tout recommencer. Nommez un knowledge manager qui s’assurera de relancer les différents membres de l’entreprise qui jouent un rôle dans le maintien des process.
Erreur #6. Laisser le callbot se dégrader avec le temps
Quand un agent conversationnel est déployé, on pourrait penser que la mission du bot manager est terminée… En réalité elle ne fait que commencer !
On ne devrait jamais oublier un callbot et le laisser vivre, parce que justement le système doit être vivant. La raison est simple, il se dégrade naturellement si personne ne le surveille, ne veille à son entretien, ne l’améliore en continu.
En effet, dans tous les projets de callbots que nous récupérons de clients qui n’ont pas réussi a obtenir de résultats, nous observons :
- Que les premiers jours, l’agent virtuel fonctionnait très bien,
- Mais qu’après quelques semaines déjà les incompréhensions se sont faites de plus en plus nombreuses, et donc le nombre d’escalades aussi,
- Et qu’après quelques mois le bot avait perdu toute crédibilité.
Et tout cela, dans 100% des cas, c’est lié à un problème de supervision.
Pourquoi le callbot se dégrade avec le temps ?
1. Le manque de mise à jour des knowledge bases
Quelle que soit l’entreprise, elle évolue chaque jour, mais la base documentaire reste souvent figée. Ce premier élément peut amener entre autres : des réponses erronées, des rappels inutiles, des frustrations client.
2. Les intentions d’appel évoluent avec le temps
Si l’entreprise et le marché évoluent, il en va de même pour les intentions d’appel.
Par exemple, s’il y a des changements réglementaires, des évolutions de vos services, de nouvelles campagnes marketing ou promotionnelles, ou n’importe quel autre type d’irritant qui n’était pas prévu à la conception.
Dans tous ces cas, si le robot conversationnel n’est pas ré-entrainé à reconnaitre ces nouvelles intentions d’appel, il va passer à côté de plus en plus de demandes et augmenter son taux d’échec.
3. Les erreurs qui s’accumulent
A chaque nouvelle incompréhension de votre voicebot, si elle n’est pas analysée, alors elle va créer une micro-dérive.
Si ces micro-dérives s’empilent sur des centaines d’appels, alors elles se transforment en :
- Mauvaises interprétations,
- Réponses inadaptées,
- Boucles absurdes ou mauvaises escalades.
Quoi qu’il en soit, si un callbot n’est pas maintenu au fil du temps, vous avez de bonnes chances d’observer :
- Des hausses de raccrochés,
- Des escalades non nécessaires,
- Une baisse de la compréhension générale,
- Des conseillers et des clients agacés
Comment éviter la dégradation du voicebot ?
Définir un responsable (interne ou prestataire)
La bonne pratique est de mettre en place une supervision humaine en continu. Cette personne peut être votre prestataire si vous en avez un, mais ca peut être également un bot manager ou un responsable qualité que vous recrutez en interne.
Cette personne, ou votre prestataire, devra analyser au moins hebdomadairement toutes les conversations en échec. Il doit trouver et comprendre où et pourquoi le bot se trompe. Ca passe par identifier les phrases récurrentes qui peuvent être mal interprétées, ajuster les intentions, et vérifier les escalades.
Suivre les KPI de santé du robot
Les KPI donnent une photographie de si le bot est en bonne santé, ou s’il a besoin d’améliorations.
En voici quelques-uns :
- Taux de compréhension au 1er tour,
- Taux de raccrochés en plus de 8secondes,
- Taux d’escalades non justifiées,
- % de réponses “non informatives”
En conclusion, le callbot n’est pas un dispositif autonome
Globalement, l’erreur est de penser qu’un agent conversationnel est une solution en soi. Pensez bien qu’à lui seul, il ne résoudra pas tous les problèmes de flux d’appels, il ne réduira pas les coûts, il n’améliorera pas la satisfaction client.
Le callbot n’est que la pièce d’un puzzle. Pour être vraiment performant, il a besoin d’être intégré dans un système, une architecture pensée dès le départ.
Concrètement, ça veut dire deux choses.
Quand on met en place un bot en front, la stratégie d’escalade vers un humain doit être pensée dans l’architecture principale
On doit confier à l’agent virtuel ce qu’il sait faire de mieux, c’est à dire :
- Donner de l’information de premier niveau,
- Faire de la qualification,
- De l’orientation,
- Et pourquoi pas un peu de selfcare transactionnel.
On doit confier à l’humain tout le reste :
- Les demandes complexes,
- Les situations émotionnelles,
- Les clients seniors, ou fragiles,
- Et plus généralement tous les cas hors périmètres.
Et quand il y a transfert, celui-ci doit être fluide, le client ne doit pas avoir à tout répéter.
Quand on place l’humain en front, le bot doit être en back-office pour assister le conseiller en temps réel
Le bot, s’il est bien connecté à tout l’écosystème de l’entreprise via un cockpit, pourra écouter en temps réel l’appel et :
- Suggérer des réponses contextualisées,
- Remonter l’historique,
- Pré-remplir les tickets,
En clair le bot est un amplificateur de performance humaine. Il n’est jamais “la solution” à lui seul.
Ces deux logiques ne s’opposent pas, elles se renforcent mutuellement. C’est cette combinaison (le bot pour fluidifier et l’humain pour accompagner) qui construit un service client durable, équilibré, et ultra performant.
