En 2026, la principale évolution est la généralisation des architectures donnant la priorité au RAG, qui combinent recherche vectorielle en temps réel, attribution des sources et classificateurs d’intention spécialisés pour les tickets et les conversations. Les fournisseurs qui ont investi dans des intégrations natives aux CRM, aux plateformes de commerce et à la téléphonie permettent d’obtenir des résultats plus rapidement. Alors qu’en 2023 et 2024, les offres mettaient souvent l’accent sur l’accès libre aux LLM, l’avantage concurrentiel repose désormais sur un ancrage intégré au produit, des règles de récupération propres à chaque client et une télémétrie reliant les réponses du modèle aux résultats des tickets. Pour les acheteurs, la question n’est donc plus de savoir quelle famille de modèles est utilisée, mais comment le fournisseur gère concrètement les connaissances et le transfert à un agent humain.

Nous avons appliqué une grille conçue pour les responsables des opérations : taux de résolution autonome (mesuré sur des parcours conversationnels types), fiabilité de l’ancrage (nombre d’hallucinations pour 1 000 réponses), précision des escalades (faux positifs et faux négatifs dans le transfert aux agents), délai de mise en place (de l’ingestion des données à la mise en production) et profondeur des intégrations (CRM, commerce, téléphonie, gestion des effectifs et analytique). Nous avons également testé la fiabilité des rapports : les équipes opérationnelles peuvent-elles relier une résolution à l’extrait de connaissances correspondant et le système met-il en évidence des causes d’échec compréhensibles ? L’analyse tarifaire a porté sur la prévisibilité des modèles au coût par résolution, par opposition aux tarifs opaques au jeton ou à la requête.

Les plateformes de premier plan se répartissent désormais en deux catégories : les suites axées sur l’intégration, qui excellent dans le routage omnicanal et les flux de travail des agents, et les fournisseurs spécialisés, qui se distinguent par la qualité de l’ancrage RAG et l’automatisation du tri. Par exemple, les suites de service client historiques ont ajouté des fonctionnalités génératives qui réduisent le temps consacré par les agents aux tâches répétitives, mais dépendent encore de modèles supervisés pour la facturation et les remboursements, ce qui en fait des choix plus sûrs pour les entreprises réglementées. Les fournisseurs spécialisés misent sur une recherche de connaissances précise et un ancrage conversationnel robuste, permettant aux entreprises de commerce en ligne et du secteur SaaS d’automatiser davantage les réponses aux questions fréquentes et aux demandes liées aux comptes. Pour choisir entre ces options, il faut décider si l’on privilégie une autonomie rapide ou un ancrage prudent et vérifiable.

PME : privilégiez une mise en place simple, des intégrations incluses (paiement, données de commande) et des tarifs fixes et prévisibles. Recherchez un accompagnement à l’intégration et des modèles adaptés à vos processus de commande et de remboursement. Commerce en ligne : choisissez des plateformes capables d’ingérer efficacement les données produits et d’en indiquer la provenance, avec une recherche vectorielle adaptée aux catalogues et un accès rapide aux commandes par webhook. Entreprises SaaS : privilégiez un ancrage tenant compte des comptes, des bases de connaissances alimentées via OAuth et des modes d’assistance aux agents qui affichent des guides contextuels. Les centres de contact à fort volume devraient opter pour une automatisation du tri qui respecte les SLA et s’intègre à la gestion des effectifs. Les grandes entreprises ont besoin de journaux d’audit conformes, de politiques fondées sur les rôles et d’options de déploiement sur site ou dans un cloud privé.

Des erreurs courantes continuent de compromettre les déploiements : 1) ouvrir trop vite le service au public, avant d’avoir mesuré les taux d’hallucination pour les demandes essentielles à l’activité ; 2) ne pas disposer d’une télémétrie suffisante pour relier les réponses du modèle aux résultats ultérieurs ; et 3) se fier à des scores de confiance préétablis qui ne reflètent pas la qualité de l’ancrage. Mettez en place des garde-fous : des seuils de confiance liés à la provenance des sources, une montée en charge progressive des flux autonomes, une vérification humaine obligatoire pour les actions à forte valeur (remboursements, modifications de contrat) et une télémétrie A/B continue comparant l’ARR à la satisfaction client et au taux de réouverture des tickets. Sans ces mesures, les économies peuvent se transformer en perte de clients.