Vous avez sûrement déjà vu passer ce genre de promesse : « votre chatbot IA opérationnel en 5 minutes ». Je l'ai testée, cette promesse. Cinq minutes plus tard, j'avais un widget qui répondait à côté sur trois questions sur dix, inventait une politique de remboursement qui n'existe pas, et proposait à un client mécontent de « revenir vers nous avec plus de positivité ». Charmant.
Créer un chatbot avec intelligence artificielle, ce n'est pas difficile techniquement. C'est difficile de le rendre fiable. Et c'est cette partie-là dont personne ne parle dans les tutoriels, parce qu'elle ne rentre pas dans un titre accrocheur.
Voici ce que j'ai appris en déployant ces bestioles, d'abord pour mon propre site, puis pour des clients — dont deux où j'ai franchement raté le lancement.
Points clés à retenir
- Un chatbot IA se juge sur son taux de réponse fiable, pas sur sa vitesse de création.
- La qualité vient de votre base de connaissances, pas du modèle choisi.
- No-code et développement ne s'opposent pas : c'est votre volume et votre besoin de contrôle qui tranchent.
- Le RGPD s'applique dès la première conversation, même en test.
- Un garde-fou mal réglé est aussi nuisible qu'aucun garde-fou.
Créer un chatbot avec intelligence artificielle : par où commencer vraiment
La première décision n'est pas « quel outil », c'est « quelle question mon bot doit-il résoudre ». Je sais, ça sonne comme un conseil de consultant. Mais j'ai perdu trois semaines sur un projet parce qu'on avait construit un bot généraliste capable de tout discuter — et de rien résoudre.
Le second bot, lui, ne savait faire que deux choses : répondre aux questions sur les tarifs et prendre un rendez-vous. Deux semaines à le peaufiner, et un taux de résolution de 68 % dès le premier mois, contre une bouillie à 15 % pour le premier. La différence ? Le périmètre.
Définir un périmètre étroit sauve votre projet
Un assistant qui essaie de tout faire échoue partout. Écrivez sur une feuille :
- Les 10 questions qu'on vous pose le plus souvent (vous les connaissez déjà, regardez votre boîte mail).
- Celles où une réponse fausse coûte cher — prix, délais, mentions légales.
- Ce que le bot doit refuser de traiter et rediriger vers un humain.
- Le canal : site web, WhatsApp, application interne. Ce n'est pas le même travail.
Ce point 4 mérite qu'on s'y arrête, parce qu'il change tout techniquement.
Un chatbot WhatsApp gratuitement, c'est réaliste ?
Oui et non. La partie « construire la logique » peut être gratuite. Mais dès que vous voulez une vraie connexion à WhatsApp Business, vous passez par l'API officielle de Meta, et elle facture à la conversation. Il n'existe pas de contournement propre et durable — les bidouilles basées sur l'automatisation d'un compte personnel finissent par se faire bloquer.
Ce que vous pouvez faire sans sortir un euro : développer et tester toute la logique du bot sur le canal web, là où rien ne coûte, puis brancher WhatsApp une fois que le comportement tient la route. C'est ce que j'ai fait sur le dernier projet : quatre semaines de mise au point sur le site, branchement WhatsApp ensuite, une seule facture imprévue au lieu de douze.
No-code ou développement : trancher sans se raconter d'histoires
Il y a deux écoles et elles se détestent cordialement. D'un côté les plateformes visuelles type Botpress ou Botnation, de l'autre les développeurs qui construisent tout à la main en Python avec un modèle branché sur une API.
Mon avis, et j'assume : pour la majorité des PME, le no-code gagne. Pas parce que c'est plus simple — c'est souvent plus frustrant qu'on ne le dit — mais parce que vous itérez sans dépendre de quelqu'un. J'ai vu une équipe attendre six semaines une modification de flux que j'aurais bricolée en une heure dans une interface visuelle.
Mais le no-code a un plafond. Le jour où vous devez indexer un PDF de 300 pages avec des tableaux, ou respecter une obligation d'hébergement en France, le plafond arrive vite.
| Critère | Solution no-code | Développement sur mesure |
|---|---|---|
| Mise en ligne | Quelques jours | Plusieurs semaines |
| Coût récurrent | Abonnement mensuel, grimpe avec le volume | Hébergement + appels au modèle |
| Contrôle des données | Dépend du fournisseur | Total, si vous hébergez vous-même |
| Modification du comportement | Par l'équipe métier | Par un développeur |
| Cas complexes | Limité par la plateforme | Aucune limite autre que le temps |
Le vrai critère de choix n'est ni le prix ni la mode. C'est : qui va maintenir ce bot dans six mois ? Si la réponse est « personne dans l'équipe », prenez le no-code.
Le problème dont personne ne parle : les réponses inventées
Un modèle de langage ne sait pas qu'il ne sait pas. Il génère la suite la plus plausible, et parfois la suite la plus plausible est une pure fiction. Une cliente m'a rapporté un échange où le bot affirmait un délai de rétractation de 45 jours. Nous en proposons 14. Le bot a inventé, avec un aplomb remarquable.
C'est le point qui différencie un chatbot amateur d'un chatbot utilisable. Et ça ne se règle pas en changeant de modèle.
Ancrer les réponses dans vos documents
La méthode qui marche repose sur un principe simple : le modèle ne répond pas de mémoire, il répond à partir d'extraits de vos documents qu'on lui fournit au moment de la question. On appelle ça le RAG, ou génération augmentée par récupération. Concrètement :
- Vous découpez vos documents internes en petits morceaux.
- Vous les transformez en vecteurs et les stockez dans une base dédiée.
- À chaque question, le système retrouve les morceaux pertinents et les injecte dans la consigne donnée au modèle.
- Le modèle a l'interdiction de répondre en dehors de ces morceaux.
Résultat sur mon dernier déploiement : les réponses hors sujet ont chuté nettement, et surtout, quand le bot ne trouvait rien, il le disait — au lieu d'inventer. C'est moins impressionnant à la démo. C'est infiniment plus utile en production.
Les garde-fous, à régler avec parcimonie
Attention au réflexe inverse. Mon premier garde-fou était si strict que le bot répondait « je ne peux pas vous aider sur ce point » à une question sur les horaires d'ouverture. J'avais interdit tout ce qui touchait de près ou de loin au mot « prix ». La consigne contenait le mot. Le bot a bloqué.
Un bon garde-fou cible des intentions dangereuses, pas des mots-clés. Et il prévoit toujours une porte de sortie humaine : un bouton, un numéro, une prise de contact.
RGPD et sécurité : à traiter avant, pas après
Un chatbot collecte des données personnelles dès la première phrase. Un nom, un mail, un numéro de commande. Vous êtes donc responsable de traitement, avec les obligations qui vont avec.
Ce que j'ai mis en place, et que je recommande systématiquement :
- Une mention claire, avant le premier message, indiquant qu'on parle à une machine.
- Une durée de conservation des conversations définie, et appliquée techniquement.
- Un moyen simple de demander la suppression de ses échanges.
- Un hébergement dont vous connaissez la localisation, surtout si vous traitez des données sensibles.
Rien de tout cela n'est optionnel, et rien de tout cela ne se rajoute proprement une fois le bot en ligne depuis six mois.
Comment savoir si votre bot est bon
Trois indicateurs suffisent. Le taux de résolution sans humain — la part des conversations closes par le bot seul. Le taux de transfert, à surveiller : s'il grimpe, votre base de connaissances a un trou. Et le taux de réponses « je ne sais pas », qui n'est pas un échec mais un signal : ce sont exactement les questions à ajouter à vos documents.
Sur un projet, ce dernier indicateur m'a fait découvrir que la moitié des questions portaient sur un service que nous ne proposions plus depuis des mois. Le bot n'avait rien inventé. Il révélait juste que notre site était en retard.
Relisez une conversation sur dix, à la main. C'est fastidieux. C'est la seule façon de voir ce que les chiffres ne montrent pas.
Et si vous ne devez retenir qu'une chose de tout ceci : le modèle que vous choisirez sera dépassé dans un an, votre base de connaissances non. Investissez votre temps là où il ne s'évapore pas.
