Observations

En 2025, l'Observatoire des Services Clients réalisé par Ipsos bva a posé une question simple à 5 000 Européens : préférez-vous attendre un conseiller humain, ou parler tout de suite à un conseiller virtuel ? En France, 90 % choisissent d'attendre. Et 64 % refusent même un conseiller humain assisté par une IA, alors qu'on leur promet en échange un traitement plus rapide.

On pourrait s'arrêter là et conclure que le public ne veut pas d'intelligence artificielle dans la relation client. La même enquête montre pourtant que le chatbot est devenu le deuxième canal le plus utilisé, juste derrière le téléphone. Il est aussi le moins satisfaisant de la liste : 50 % de clients satisfaits, contre 72 % pour le téléphone et 68 % pour l'e-mail.

Ces deux résultats cohabitent sans se contredire, parce qu'ils ne mesurent pas la même chose. L'un enregistre une préférence, l'autre un comportement souvent contraint. Un canal peut très bien être massivement utilisé parce qu'il est le seul ouvert à 22 h, ou parce que le numéro de téléphone a été enterré au troisième niveau du menu d'aide.

Le taux d'usage ne dit rien de l'adhésion

C'est la première erreur de lecture à éviter quand on pilote un dispositif automatisé. Un chatbot qui traite 60 % des contacts entrants peut aussi bien signaler une bonne conception qu'un entonnoir sans porte de sortie. Les deux situations produisent exactement le même chiffre dans le tableau de bord.

L'enquête Pega/YouGov menée fin 2025 auprès de 4 748 adultes aux États-Unis et au Royaume-Uni donne une idée de l'écart. 46 % des répondants déclarent obtenir rarement ou jamais un résultat satisfaisant en passant par une IA. 66 % préfèrent un service piloté par des humains. Seuls 2 % souhaitent une interaction exclusivement automatisée. L'enquête est commanditée par un éditeur de logiciels, ce qui invite à la prudence, mais l'ordre de grandeur recoupe les autres sources disponibles.

Ce qui décide vraiment de l'acceptation

La méta-analyse la plus complète sur le sujet agrège 561 corrélations issues de 56 études, pour un total de 25 511 répondants. Elle en tire un classement des facteurs qui poussent réellement quelqu'un à utiliser un chatbot : la confiance et la performance attendue arrivent nettement en tête, devant le plaisir d'usage, l'influence sociale, et enfin la facilité d'utilisation.

Ce dernier point mérite qu'on s'y arrête, parce qu'il contredit une bonne partie des priorités de conception observées sur le terrain. On investit beaucoup dans la fluidité de l'interface, les temps de réponse, le design de la bulle de conversation. Ces éléments comptent, mais la question que le client se pose en premier reste : est-ce que cette chose va régler mon problème ? Une interface impeccable qui aboutit à « je n'ai pas compris votre demande » perd sur le seul critère qui compte.

L'enjeu de la tâche change tout

Le Qualtrics XM Institute a interrogé 28 400 consommateurs dans 26 pays. 73 % se disent à l'aise avec un chatbot pour vérifier l'état d'une commande. 81 % veulent un humain dès qu'il s'agit d'un conseil médical.

La ligne de partage ne se situe pas exactement entre tâches simples et tâches complexes au sens technique. Elle se situe au niveau du coût d'une erreur pour le client. Suivre un colis coûte peu si le bot se trompe : on recommence. Contester un prélèvement, déclarer un sinistre ou demander un délai de paiement place le client en position de vulnérabilité, et l'incertitude devient beaucoup plus difficile à supporter.

Cela suggère une manière différente de cartographier les intentions clients. Plutôt que de classer les demandes par volume, ce qui pousse mécaniquement à automatiser les plus fréquentes, on gagne à les classer par conséquence en cas d'échec.

Le réflexe du portier

Une série d'expériences récentes menées par Kagan, Hathaway et Dada documente un phénomène que la plupart des responsables service client reconnaîtront immédiatement : les utilisateurs évitent le chatbot même quand il devrait objectivement réduire leur temps d'attente, dès qu'ils soupçonnent qu'il ne sera qu'une première étape avant un humain.

Le calcul est rationnel. Si j'anticipe que le bot va me poser six questions avant de me passer un conseiller à qui je devrai tout réexpliquer, l'option « attendre douze minutes au téléphone » devient préférable. Le phénomène s'accentue à mesure que l'enjeu de la demande augmente.

Les enquêtes Gartner racontent la même histoire sous un autre angle. En 2024, sur 5 728 clients interrogés, 64 % préféraient que les entreprises n'utilisent pas d'IA dans leur service client, et 53 % envisageaient de changer de fournisseur si celui-ci s'y mettait. La crainte principale citée : ne plus réussir à joindre quelqu'un. En 2026, sur un nouvel échantillon de 3 566 clients, la moitié trouvent désormais les interactions plus faciles quand l'entreprise emploie de l'IA générative. Mais 87 % continuent de juger essentiel de pouvoir atteindre un humain.

L'opinion sur la capacité technique s'améliore donc. L'exigence de garder une porte de sortie, elle, ne bouge pas.

Rendre le bot plus humain n'est pas une solution universelle

L'anthropomorphisme est devenu un réflexe de conception : un prénom, un avatar, un ton chaleureux, des formules d'empathie. Certaines études montrent effectivement que ces signaux augmentent la présence sociale perçue et la coopération de l'utilisateur.

Crolic et ses coauteurs ont pourtant mis en évidence un effet inverse dans des conditions précises. Leur travail combine des expériences contrôlées et l'analyse de 461 689 sessions réelles chez un opérateur télécom. Quand le client arrive en colère, humaniser le bot dégrade la satisfaction plutôt que de l'améliorer. L'effet mesuré sur la satisfaction à niveau de colère élevé est négatif et statistiquement significatif.

L'explication proposée par les auteurs est cohérente avec le reste de la littérature : les signaux humains élèvent les attentes. Un système qui se présente comme un interlocuteur attentionné se voit ensuite jugé sur cette promesse. S'il ne peut pas tenir, la déception est plus forte que si l'échange était resté ouvertement fonctionnel.

Concrètement, cela plaide pour une personnalité modulée selon le contexte. Un suivi de livraison supporte de la légèreté. Une réclamation après trois échecs demande de la sobriété, de la précision, et le moins de formules toutes faites possible.

Le paradoxe de la transparence

72 % des Français interrogés par Ipsos estimeraient qu'on les a trompés, ou jugeraient la pratique inacceptable, si une entreprise ne signalait pas dès le départ qu'ils dialoguent avec une IA. L'attente normative est massive, et le cadre réglementaire européen va dans le même sens.

Une expérience de terrain menée par Luo et ses collègues auprès de plus de 6 200 consommateurs complique un peu le tableau. Dans un contexte d'appels commerciaux structurés, un chatbot non identifié comme tel obtenait des résultats comparables à ceux de vendeurs humains expérimentés. Dès que son identité artificielle était annoncée en début d'appel, le taux d'achat chutait de près de 80 %, principalement parce que les clients lui attribuaient d'emblée moins de compétence et moins d'empathie.

La conclusion à en tirer n'est évidemment pas de dissimuler la nature du système. Elle est plutôt de constater que l'étiquette « IA » déclenche à elle seule une heuristique défavorable, et qu'il faut donc lui donner de quoi se corriger. Cela suppose de distinguer plusieurs formes de transparence, qu'on a tendance à confondre :

  • l'identité : vous parlez à un assistant automatisé ;
  • les capacités : voici ce que je sais faire, voici ce que je ne sais pas faire ;
  • le processus : voici ce qui va se passer ensuite, et combien de temps cela prendra ;
  • les données : voici ce que je consulte et ce que j'enregistre.

Annoncer l'identité sans annoncer les capacités laisse le client avec le stéréotype et rien pour le contredire. Les mêmes travaux sur l'évitement du chatbot montrent d'ailleurs qu'informer sur les délais, les limites et les conditions de passage à un humain améliore l'adoption du canal.

Trois régimes plutôt qu'un curseur

Ce que la recherche disponible suggère, c'est d'abandonner la question « quelle part des contacts peut-on automatiser ? » au profit d'une question plus étroite : pour quelles intentions, dans quelles conditions, et à partir de quel niveau de certitude l'automatisation apporte-t-elle quelque chose au client ?

Cela dessine trois régimes de fonctionnement.

Autonomie complète quand l'intention est clairement identifiée, le risque faible et la confiance du modèle élevée. Suivi de commande, horaires, modification d'un rendez-vous, duplicata de facture.

Assistance quand l'IA prépare, synthétise ou propose, mais qu'un conseiller valide. C'est souvent le régime le plus rentable et le moins visible, parce qu'il joue sur le temps de traitement plutôt que sur le volume de contacts.

Humain prioritaire dès qu'apparaît un enjeu financier ou médical, une ambiguïté, une situation de vulnérabilité, de la colère, ou simplement un deuxième échec sur la même demande.

Dans les trois cas, l'escalade vers un humain gagne à être traitée comme une fonctionnalité du dispositif. Elle devrait être visible avant que le client ne s'énerve, transmettre le contexte déjà fourni, et pouvoir être déclenchée par le bot lui-même quand il détecte qu'il sort de son périmètre. Un chatbot capable de dire « je ne vais pas y arriver, je vous passe quelqu'un » protège la relation bien mieux qu'un chatbot qui reformule une quatrième fois.

Mesurer autre chose que le containment

Le taux de contacts retenus par l'automate reste l'indicateur le plus suivi dans la plupart des organisations. Pris isolément, il pousse dans la mauvaise direction, puisqu'il augmente aussi bien quand le bot résout que quand le client abandonne.

En résumé

Le client ne réclame pas un humain à chaque étape. Il réclame une résolution fiable, un effort minimal, et la certitude de pouvoir reprendre la main quand il en a besoin. Les trois vont ensemble : quand le premier point est tenu, les deux autres deviennent beaucoup moins sensibles.

Les entreprises qui obtiennent de bons résultats avec l'IA en relation client sont celles qui l'ont installée là où elle est réellement compétente, en gardant le passage à l'humain rapide et lisible. Celles qui s'en servent pour filtrer le contact obtiennent des taux d'automatisation flatteurs, des scores de satisfaction en baisse, et une érosion lente de la confiance dans la marque.

Sources principales : Observatoire des Services Clients 2025 (Ipsos bva / ESDCA, 5 000 répondants en France, Royaume-Uni, Allemagne, Italie, Espagne) ; Gartner, enquêtes clients 2024 et 2026 ; Qualtrics XM Institute, 2023 ; Pega/YouGov, 2026 ; Rohit et Vishwakarma, méta-analyse structurelle sur l'adoption des chatbots de service ; Luo, Tong, Fang et Qu (2019) ; Crolic, Thomaz, Hadi et Stephen (2022) ; Kagan, Hathaway et Dada, travaux sur l'évitement du chatbot-portier.