92946d3203
- Created a new tech and AI monitoring report template for weekly updates. - Added an employment and developer trends report template to analyze market conditions. - Updated CLAUDE.md to include new directories for sources and templates. - Introduced a detailed structure for capturing key signals, OKR alignment, and actionable insights.
3.3 KiB
IA pour Gesteos
Stéphane Trémier
Philippe Aulnette Cas d’usage : IA pour le support client Gesteos
- Problème actuel (où on en est) Aujourd’hui le support est :
fortement consommateur de temps humain (N1 + N2)
peu capitalisé (les réponses sont répétées)
dépendant des individus (Boris, Sylvie…)
hétérogène en qualité et en délai
👉 Conséquence directe :
coût support élevé
montée en compétence lente (Tony, futur recruté…)
pression sur BUILD (Fred)
expérience client variable
- Principe du cas d’usage
👉 Utiliser Claude AI comme moteur de capitalisation et d’assistance au support
L’IA est alimentée par :
tickets historiques (Odoo)
réponses support existantes
documentation produit (release notes, guides, aide en ligne)
bonnes pratiques internes
👉 Objectif :
transformer chaque ticket traité en connaissance réutilisable
- Fonctionnement cible (simple)
Étape 1 — Analyse automatique du ticket
Quand un ticket arrive :
l’IA identifie :
le type de problème (ex : facturation, liaison InSitu…)
la fréquence (problème connu ou nouveau)
le niveau (N1 vs N2)
👉 Résultat :
pré-qualification automatique
gain de temps immédiat
Étape 2 — Proposition de réponse
L’IA génère :
un diagnostic
une checklist de vérification
une réponse client prête à envoyer
Exemple :
“Avez-vous vérifié X / Y / Z…”
👉 Le support :
valide / ajuste
envoie
👉 Gain :
plus de rédaction manuelle
homogénéité des réponses
Étape 3 — Capitalisation automatique
Chaque ticket traité :
enrichit une fiche support structurée
symptôme
cause
résolution
réponse type
👉 Effet cumulatif :
amélioration continue
base de connaissance vivante
Étape 4 — Assistance proactive
À terme :
suggestions en temps réel au support
détection des patterns récurrents
alerte sur bugs fréquents (remontée BUILD)
👉 Boris passe de “traiter” à “piloter”
Étape 5 — Self-service client (phase avancée)
Le client peut :
poser une question directement
recevoir une réponse IA basée sur la base support
👉 Objectif :
éviter la création du ticket
- Cas concret Gesteos
Exemple : problème de liaison InSitu
Aujourd’hui :
10 tickets similaires
10 réponses manuelles
Demain avec IA :
Claude identifie le pattern
propose une réponse standard
guide le client avec une checklist
résout 60% des cas sans intervention humaine
- Impacts attendus (très concrets)
Court terme (1-2 mois) -30% temps de réponse support
homogénéisation des réponses
montée en compétence accélérée des juniors
Moyen terme (3-6 mois) 50-60% des tickets assistés ou résolus par IA
réduction charge N2 (Boris)
Fred moins sollicité
Long terme (6-12 mois) self-service partiel client
support devient scalable
capacité libérée pour :
commerce
onboarding
delivery
- Impacts organisationnels (clé Gesteos)
DELIVERY Boris = pilote du système (plus exécutant)
N1 augmenté par IA (Tony / futur recruté)
BUILD moins de bruit support
meilleure remontée des vrais bugs
GROWTH temps libéré pour Sylvie
meilleure expérience client → meilleure conversion
Logo
Stéphane Tremier CEO
RENNES - ANGERS - NANTES - PARIS Mobile : 06 18 45 31 14 www.6tm.com Linkedin Youtube