Vos agents IA doivent savoir passer le relais aux équipes

Les clients ont besoin de contrôler le moment où l’IA s’arrête

Les clients essaient déjà de contourner les systèmes d’IA que les entreprises placent sur leur chemin. Une étude de Twilio a révélé que 78 % des consommateurs ont essayé de contourner un agent IA pour joindre un humain. Pour les équipes qui choisissent des technologies d’expérience client, ce comportement fait du contrôle par le client une exigence de base du déploiement. Un agent a besoin d’un contexte utile, d’un chemin clair vers une assistance humaine et d’un historique de ce qui s’est passé pendant l’interaction.

Les raisons qui poussent à chercher une personne expliquent ces exigences. Jesse Sumrak, écrivant sur le blog d’entreprise de Twilio, a identifié trois facteurs : l’incertitude quant au fait que le client parle ou non à un bot, le malaise face à l’automatisation dans des situations à forts enjeux comme les demandes médicales et les paiements, et l’incapacité à résoudre le problème. Twilio a également constaté que 80 % des consommateurs signalent une expérience négative avec l’IA. Son étude estime à 81 secondes en moyenne le temps qu’un agent inefficace consomme avant une escalade, ajoutant un délai à un problème non résolu.

Les clients ont donc besoin d’un moyen simple de mettre fin à l’automatisation. Twilio a constaté que 63 % souhaitent un accès facile à un humain à n’importe quel moment d’une conversation, alors que 47 % des marques en proposent un. L’entreprise recommande d’identifier l’IA dès le départ, de rendre l’escalade visible et de transmettre à l’humain l’historique et le contexte de la conversation. Twilio vend des technologies de communication et relie ces recommandations à ses produits Conversation Orchestrator et Conversation Memory, ce qui lui donne un intérêt commercial à leur adoption.

Le contrôle par le client devient plus important à mesure que les agents obtiennent l’autorisation de modifier des éléments. Au cours d’une semaine de fin août 2026, plus d’une douzaine de fournisseurs, dans les centres de contact et dans l’ensemble plus large de la stack technologique de l’expérience client, ont annoncé des évolutions via des appels de résultats, des partenariats sportifs, des produits, des études consommateurs et des outils de supervision. Ces annonces couvrent à la fois l’exécution par les agents et leur supervision, mais elles répondent à des problèmes opérationnels différents. Les acheteurs doivent établir ce qu’un agent peut faire, à quel moment une personne peut reprendre la main et comment l’entreprise examinera le résultat.

Les agents entreprennent différents types d’actions

La première distinction est celle entre fournir des informations et réaliser une transaction. L’expérience client agentique signifie qu’un logiciel agit pour le compte d’un client, par exemple en modifiant une réservation ou en corrigeant un billet. Ces actions changent la situation du client, ce qui rend l’entreprise responsable de la décision et de ses conséquences. Les tests doivent donc couvrir l’action réalisée ainsi que la conversation qui y a conduit.

L’accord pluriannuel de Dialpad avec les Miami Marlins illustre cette responsabilité. En tant que « Proud AI-Powered Communication Partner » de l’équipe, Dialpad déploie sa plateforme d’IA agentique pour les communications avec les fans et l’assistance dans le stade au loanDepot Park. Les actions envisagées incluent la réémission de billets et le changement de sièges, avec pour objectif de résoudre un problème avant qu’un fan frustré ne parte. Dialpad, qui vend la plateforme et tire profit de la démonstration de sa valeur dans les enceintes sportives, affirme qu’Austin FC l’utilise déjà pour traiter immédiatement les demandes courantes des fans.

La rapidité doit aussi servir la relation que l’équipe souhaite entretenir avec ses fans. Craig Walker, cofondateur et PDG de Dialpad, a expliqué que les fans s’attendent à être reconnus, pris en considération et aidés rapidement lorsqu’ils appellent au sujet de billets ou demandent de l’aide à l’entrée. Ruben Smith, stratégiste en technologies d’entreprise pour les Marlins, a décrit cette évolution des communications comme se produisant « sans perdre la connexion personnelle ». Leurs attentes imposent deux tests au déploiement : savoir s’il réalise la transaction demandée et si l’interaction préserve ce lien.

D’autres annonces destinées aux fans portent sur un autre type de travail. Pour l’Open des États-Unis 2026, IBM et la United States Tennis Association ont présenté Serve Quality, une métrique utilisant 21 points de données sur le corps et la raquette d’un joueur, capturés 50 fois par seconde. Leur assistant Match Chat amélioré ajoute des photos et de la vidéo aux réponses textuelles. Ces capacités soutiennent un engagement numérique à grande échelle grâce à l’analyse et à des réponses enrichies ; elles nécessitent donc des mesures de performance différentes de la réémission de billets ou des changements de sièges.

Produire ces réponses exige néanmoins un traitement important en coulisses. Jonathan Adashek, vice-président senior d’IBM et chief global affairs officer, a décrit des workflows automatisés transformant des millions de points de données de match en insights exploitables en quelques minutes et quelques heures. IBM fournit la technologie et en tire un bénéfice commercial en démontrant cette capacité ; Brian Ryerson, senior director of digital strategy de l’USTA, a présenté cette collaboration comme une avancée majeure dans l’engagement numérique des fans. Les acheteurs devraient distinguer la production analytique, l’assistance multimédia et l’exécution transactionnelle, car chacune a une définition différente du succès.

La création plus simple d’agents exige toujours une intégration en production

Une fois la capacité requise clarifiée, la question suivante est de savoir qui peut la construire. Les équipes de service peuvent bien connaître le travail, mais manquer de spécialistes de l’IA, ce qui fait du développement un obstacle au déploiement. 8×8 vend des outils de création d’agents et a un intérêt commercial à abaisser cette barrière. Les témoignages de ses clients décrivent des outils en langage naturel qui permettent aux équipes de service de créer directement des agents.

Selon 8×8, les interactions clients construites sur 8×8 AI Studio ont augmenté de près de 450 % depuis avril, sans spécialistes de l’IA parmi les équipes responsables de cette croissance. Des clients comme PrepayPower et LSH Auto décrivent la création d’agents opérationnels en langage courant sans lancer de projet IT distinct. Cela permet aux équipes d’exprimer directement leurs workflows, réduisant le besoin de traduire les exigences en un brief de développement spécialisé. Le chiffre de croissance mesure l’usage de la plateforme ; la résolution côté client reste un résultat distinct à évaluer.

L’intérêt pour les agents personnalisés dépasse ces équipes non spécialisées. L’analyste de Metrigy Irwin Lazar a cité une étude montrant que près de 72 % des organisations préfèrent des agents développés en interne ou avec un partenaire plutôt que des produits prêts à l’emploi. Lazar a attribué cette préférence à la confiance et au besoin de connaissances propres à l’entreprise. Ce constat aide à expliquer la demande de personnalisation, tandis que les exemples de 8×8 montrent comment certaines équipes peuvent s’y prendre.

Mais construire l’agent n’est que le début du travail nécessaire pour l’exploiter. Hunter Middleton, chief product officer chez 8×8, a déclaré : « Tout le monde a vu la démo IA », avant d’ajouter : « Beaucoup moins ont vu l’IA survivre au passage en production, parce qu’entre les deux se trouve un projet d’intégration que la plupart des organisations n’ont jamais eu les effectifs pour mener. Une IA qui fait bonne impression en démo n’a jamais été la partie difficile. Une IA qui tient en production, à ce rythme et dans autant de secteurs, voilà le vrai défi. » Son avertissement met en évidence l’écart entre l’expression d’un workflow et sa connexion aux systèmes dont il a besoin pour fonctionner de manière fiable.

Les conditions de déploiement font partie de ce travail d’intégration. 8×8 indique que ses nouvelles dispositions incluses couvrent la conformité au RGPD, en référence au Règlement général sur la protection des données de l’UE, ainsi que la préparation à HIPAA, concernant les exigences américaines en matière d’informations de santé. Une équipe peut décrire le comportement d’un agent en langage naturel et avoir malgré tout besoin d’un environnement acceptable pour les informations qu’il utilise. L’entreprise doit décider à quelles données l’agent peut accéder, quelles actions il peut effectuer et qui le supervisera.

Les agents ont besoin d’accéder aux bonnes données

Ces décisions d’accès deviennent plus exigeantes à mesure que le déploiement s’étend à l’échelle de l’entreprise. Verizon affirme que Gemini Enterprise traite désormais la majorité de ses appels et chats entrants de consommateurs chaque mois. Son partenariat élargi avec Google Cloud fait suite à plusieurs années de consolidation d’anciens lacs de données, c’est-à-dire de grands ensembles de données, dans l’Agentic Data Cloud de Google. L’ampleur annoncée par Verizon découle donc d’un investissement substantiel dans son environnement de données.

Le partenariat étend cet environnement aux opérations réseau, à l’automatisation marketing et à la sécurité cloud. Alfonso Villanueva, chief transformation officer et EVP de Verizon Consumer, relie le service personnalisé à une approche AI-first dans toute l’organisation. Karthik Narain, chief product and business officer de Google Cloud, présente Verizon comme un exemple de transformation IA à l’échelle de l’entreprise. Verizon décrit la valeur de son propre investissement, tandis que Google Cloud vend la technologie sous-jacente ; les deux ont intérêt à présenter le déploiement comme une réussite.

Le déploiement est présenté comme l’une des plus grandes implémentations d’IA d’entreprise dans les télécoms, mais son volume d’interactions répond à une question précise. Traiter un appel ou un chat établit que le système a participé à l’interaction. Une résolution autonome exige la preuve qu’il a mené à bien la tâche du client. Les acheteurs qui évaluent des déploiements similaires doivent définir quel résultat leur mesure de volume représente.

Même un environnement de données consolidé doit permettre à un agent de trouver l’enregistrement précis dont il a besoin pour son action suivante. L’ajout par Zendesk de la recherche d’enregistrements d’objets personnalisés dans les flux d’action répond à cette dépendance. Un flux d’action est une séquence d’opérations permettant d’accomplir une tâche ; la mise à jour lui permet de rechercher des commandes, contrats, retours et droits associés sans déjà disposer de l’ID de l’enregistrement. Zendesk vend des logiciels de service client et bénéficie du fait de rendre davantage de ces workflows exécutables au sein de sa plateforme.

Trouver l’enregistrement détermine si le workflow peut se poursuivre. Un processus de retour peut avoir besoin de la commande concernée avant de décider de l’étape suivante, tandis qu’une vérification de droits nécessite l’enregistrement applicable avant qu’une décision de service puisse avancer. La mise à jour de Zendesk intègre cette recherche dans le workflow, réduisant le besoin qu’une personne aille la récupérer. Le gain concret est l’accès au bon objet lorsqu’une action en dépend.

Les preuves opérationnelles doivent suivre le client à travers les systèmes

Une fois que l’agent a récupéré des informations et agi, l’entreprise a besoin d’un compte rendu connecté de l’interaction. L’observabilité consiste à collecter des informations sur le comportement des systèmes afin que les équipes puissent comprendre les événements et diagnostiquer les défaillances. Operata vend cette capacité via son offre élargie CX AI Agent Observability, couvrant la téléphonie, les systèmes de centre de contact en tant que service, les logiciels de gestion de la relation client et les plateformes d’IA. Les systèmes de centre de contact en tant que service fournissent des fonctions de centre de contact hébergées dans le cloud ; Operata rassemble leurs métriques, les traces d’exécution montrant les étapes suivies par un système, et les logs avec les enregistrements issus des autres systèmes.

La combinaison de ces enregistrements est importante, car un événement réussi dans une application peut s’inscrire dans une interaction client ratée. Un transfert peut être techniquement effectué tout en laissant l’agent humain sans le contexte de la conversation. Une annonce peut être enregistrée comme diffusée tout en restant inaudible pour le client. La proposition commerciale d’Operata consiste à préserver les preuves tout au long du parcours afin que les équipes opérationnelles puissent enquêter sur ces défaillances au niveau du client.

La divulgation de l’usage de l’IA rend la différence entre un événement journalisé et un résultat client particulièrement importante. Operata positionne son offre autour de l’article 50 de l’AI Act de l’UE, en décrivant l’exigence de divulgation pour les systèmes d’IA qui interagissent avec des personnes comme applicable depuis août. Dans le cadre proposé par Operata, les preuves devraient établir que le client a pu entendre cette divulgation et qu’un transfert a préservé le contexte. Un événement de lecture enregistre l’exécution ; la preuve de l’audibilité détermine si le client a effectivement reçu l’information.

Operata présente également ces preuves comme un moyen d’améliorer le travail partagé entre humains et IA. Romilly Blackburn, cofondateur et PDG de l’entreprise, a déclaré : « Chez Operata, nous pensons que le jugement humain et l’exécution par l’IA offrent ensemble la meilleure expérience client de bout en bout. » Blackburn décrit l’observabilité comme un support au monitoring, à l’assurance, au diagnostic et à l’amélioration des deux côtés. Pour l’exigence d’escalade identifiée par Twilio, cela signifie vérifier si le transfert a fonctionné et si la personne qui l’a reçu pouvait poursuivre la conversation.

L’automatisation peut créer plus d’espace pour le service humain

Un transfert réussi laisse néanmoins une décision de conception plus large : la manière dont l’entreprise utilise la capacité du personnel que la technologie libère. Un centre de contact peut absorber la croissance, développer une prise de contact plus personnelle ou soutenir les employés dans des conversations difficiles. Christian Healthcare Ministries fournit un exemple de capacité réorientée vers les relations avec les membres. Les résultats qu’elle rapporte proviennent du routage et de l’automatisation opérationnelle, le self-service par IA étant envisagé comme une extension ultérieure.

Dans le récit de Five9, le problème de départ était de se préparer à une multiplication par dix du nombre d’adhérents. Dans un témoignage client Five9 rédigé par Julie LeWarne, CHM, une organisation confessionnelle de partage des coûts de santé, disposait d’un menu téléphonique à 10 options qui dirigeait un trafic excessif vers une file d’attente opérateur et laissait aux employés une charge importante de travail manuel. Wayne Pierce, responsable du centre de contact en tant que service chez CHM, a décrit la nécessité de gérer plus efficacement la demande entrante. L’augmentation du nombre d’adhérents constituait une exigence de planification.

Pour répondre à cette exigence, CHM a travaillé avec le partenaire d’intégration Waterfield Tech pour passer à la Five9 Intelligent CX Platform. Five9 vend la plateforme et a un intérêt commercial dans les résultats de ce témoignage client. Selon son récit, le taux de transfert d’appels de CHM est passé de 48 % à 4 %, soit une baisse de 44 points de pourcentage. Le routage intelligent a identifié environ 80 % des appels entrants avant qu’un employé ne réponde, orientant davantage d’appels avant que le personnel n’ait à intervenir.

Un changement distinct a amélioré le travail de recouvrement. La numérotation en mode preview, qui permet à un employé d’examiner les informations avant de passer un appel, a contribué à réduire les cycles de recouvrement des retardataires de 22 jours à six. Five9 indique que cela a contribué à une hausse de 400 % des recouvrements. Ces chiffres décrivent les résultats de processus et les résultats business du déploiement, apportant des preuves sur les changements de routage et de numérotation concernés.

La capacité ainsi dégagée a aussi permis à CHM d’élargir le contact personnel. Les employés ont commencé à passer des appels de bienvenue à chaque nouveau membre et des appels de prière aux personnes confrontées à des situations de santé difficiles. « Nos membres adorent cela », a déclaré Pierce. « Ils se sentent aimés. » La décision de CHM d’utiliser le temps disponible pour la prise de contact a transformé un changement opérationnel en une expérience membre différente.

Cette expérience a façonné la réflexion de CHM sur un self-service alimenté par l’IA au-delà de ses horaires d’ouverture actuels. L’extension proposée nécessiterait ses propres tests d’accès, d’escalade et de résolution. Les gains rapportés en matière de routage, de numérotation et de prise de contact appartiennent au déploiement achevé ; le self-service hors horaires restait une décision future.

Le service humain peut aussi s’améliorer grâce à une assistance pendant une conversation en direct. Verint rapporte qu’un établissement financier non nommé a déployé un coaching en temps réel axé sur l’empathie auprès de 6 500 agents et estime la valeur annuelle à 28 millions de dollars. Le système détecte des signaux émotionnels et suggère des réponses plus cohérentes lors d’appels stressants liés aux déploiements, aux besoins financiers des familles et aux perturbations gouvernementales. Le chiffre financier correspond à l’estimation de la valeur annuelle par le client.

Verint, qui vend la technologie de coaching et bénéficie de la démonstration de sa valeur, rapporte également des résultats sur un scénario à fort volume. L’entreprise indique que le système a fourni des conseils sur environ 160 000 appels et généré plus d’un million de notifications de renforcement positif. Teresa Anania, chief customer officer de Verint, attribue l’amélioration des interactions à des insights pertinents et à un support apporté aux employés au bon moment. Ici, la question opérationnelle est de savoir si le coaching aide la personne responsable de la conversation à répondre efficacement.

Les achats doivent établir la valeur et des conditions d’exploitation acceptables

Ces différents résultats exigent des preuves d’achat différentes. Une réduction des transferts d’appels mesure un changement opérationnel, une estimation de valeur annuelle exprime un bénéfice financier attendu, et la croissance de l’usage d’une plateforme mesure l’adoption. Les acheteurs doivent d’abord identifier le résultat qu’ils achètent et le statut des preuves qui le sous-tendent. Les organisations sensibles à la conformité doivent également établir des conditions de déploiement acceptables avant d’agir sur la base d’un bénéfice commercial.

La nomination par Omilia de Michael Weiss au poste de vice-président pour l’Allemagne, l’Autriche et la Suisse met ces conditions en lumière. Weiss, vétéran de Five9 pendant quatre ans avec une expérience de la vente aux entreprises, est chargé de développer un marché où les banques et les assureurs restent prudents quant au remplacement des anciens menus de réponse vocale interactive et de l’automatisation de première génération. Les menus de réponse vocale interactive orientent les appelants à travers des choix enregistrés. Omilia vend la technologie de remplacement ; l’évaluation de Weiss décrit donc aussi les exigences que l’entreprise doit satisfaire pour remporter des contrats.

Weiss a formulé ces exigences directement : « La prudence n’est pas de la réticence, c’est un besoin de preuve de ROI et de cloud souverain. » Le ROI signifie retour sur investissement, tandis que le cloud souverain concerne ici les exigences des acheteurs en matière de juridiction et de contrôle sur l’environnement cloud et ses données. Nick Delis, chief revenue officer d’Omilia, décrit le marché DACH, c’est-à-dire l’Allemagne, l’Autriche et la Suisse, comme soumis à des obligations de conformité exigeantes et à de longs cycles d’achat en entreprise. Il décrit aussi les relations clients comme durables une fois qu’un fournisseur est établi.

Ces conditions font du business case et de l’environnement d’exploitation deux décisions d’achat distinctes. Les acheteurs doivent identifier les enregistrements auxquels un déploiement accédera, où il fonctionnera et quelles obligations de souveraineté s’appliquent. Un retour financier prometteur ne dispense pas de satisfaire à ces exigences. Les fournisseurs doivent donc montrer à la fois comment le déploiement crée de la valeur et comment il s’inscrit dans l’environnement autorisé de l’acheteur.

Le frein à l’implémentation variera aussi selon les organisations. Les exemples précédents de 8×8 concernent des équipes qui ont besoin d’un moyen plus simple de créer un agent, tandis que Weiss décrit des acheteurs en quête de preuves de retour et de dispositifs de cloud souverain acceptables. Les achats devraient identifier quelle contrainte retarde une décision avant de choisir un remède. Une création plus simple, un business case plus solide et des conditions de déploiement acceptables résolvent des problèmes différents.

Les entreprises doivent aussi servir les agents qui agissent pour les clients

Un environnement d’exploitation acceptable doit aussi prendre en compte les agents hors du contrôle de l’entreprise. Le lancement d’Agent Edge par BrightEdge vise les agents qui recherchent, comparent et agissent pour les personnes avant même que celles-ci n’atteignent le site web d’une marque. BrightEdge appelle cette activité le « Second Web ». L’entreprise vend des outils pour améliorer la visibilité des marques et l’accès des agents, ce qui lui donne un intérêt commercial à ce que les entreprises se préparent à ce changement.

BrightEdge a constaté que 97 % des 20 000 principaux sites web n’étaient pas prêts à fournir des informations dans des formats optimisés pour les agents. Pour interpréter le HTML orienté humain, le balisage utilisé pour structurer les pages web, et la navigation, les agents doivent dépenser des tokens, les unités de texte traitées par les modèles de langage, sur des contenus conçus pour les personnes. Agent Edge fournit des contenus adaptés à la consommation par les agents. BrightEdge inscrit ce travail dans la generative engine optimization, qui vise à améliorer la manière dont les marques sont trouvées via des services d’IA générative.

Les premiers déploiements fournissent des mesures d’efficacité de diffusion et de découverte. Selon BrightEdge, le concepteur de puces Arm a réduit la charge utile, c’est-à-dire la quantité de données livrées aux agents, d’environ 90 % et a plus que doublé le trafic agent vérifié en quelques semaines. Brian Zander de Bloomfire a signalé une hausse de 30 % du trafic direct de référence IA en tant que premier client d’Agent Edge. Jim Yu, PDG et cofondateur de BrightEdge, soutient que comprendre et améliorer ces interactions prendra plus de valeur à mesure que les agents effectueront davantage de travail pour les utilisateurs.

Les mesures de trafic et de charge utile aident les équipes à évaluer si un agent externe peut atteindre et traiter les informations de l’entreprise. Lorsque cet agent peut aussi entreprendre une action conséquente, l’entreprise doit préserver l’autorité du client sur la transaction. Les équipes marketing et d’ingénierie doivent donc établir quelles informations l’intermédiaire a reçues, quelle autorisation encadrait son action et ce qui s’est passé lorsqu’il a agi.

En résumé

À mesure que les agents IA passent de la réponse aux questions à la modification des dossiers clients et à l’exécution de transactions, les décisions de déploiement entraînent une responsabilité opérationnelle plus grande. La question pour les dirigeants est de savoir quelles tâches un agent peut accomplir de manière fiable, dans quelles limites et avec quel accès à une assistance humaine. Ces conditions devraient orienter l’achat avant que le volume d’interactions ou l’adoption ne devienne la mesure du succès.

Les preuves doivent correspondre au résultat visé. Un système qui traite davantage d’appels a démontré l’échelle, pas nécessairement la résolution. Un agent qui réalise une transaction a encore besoin de contrôles pour vérifier qu’il a utilisé le bon enregistrement et agi dans le cadre de ses autorisations. Un transfert réussi doit laisser à l’employé humain suffisamment de contexte pour poursuivre. Ce sont des tests distincts, et chacun doit avoir un responsable clairement identifié.

Les dirigeants devraient donc relier l’approbation des dépenses aux preuves issues de l’ensemble de l’interaction client. Cela inclut l’intégration en production, l’accès aux données, les exigences de déploiement et les enregistrements qui permettent aux équipes d’enquêter sur les défaillances entre les systèmes. Une création plus simple d’agents peut raccourcir le développement, mais cela ne supprime pas ces responsabilités.

L’entreprise doit aussi décider comment utiliser la capacité créée par l’automatisation. L’élargissement rapporté par CHM de la prise de contact personnelle montre une option au-delà de l’absorption d’une demande plus forte. L’opportunité plus large consiste à rendre le service de routine plus simple tout en préservant l’attention humaine là où elle compte le plus. Les clients ont besoin de contrôler le moment où l’automatisation s’arrête ; les entreprises ont besoin de preuves que le travail qu’elle accomplit mérite d’être fait.