Une facture contestée arrive dans la boîte du support. Deux minutes plus tard, un client signale que son accès au service est bloqué. Les deux messages demandent un transfert à la bonne équipe, mais le second peut aussi exiger une prise en charge immédiate. Un modèle d’IA qui tourne sur un PC de bureau peut-il aider à faire ce premier tri ?
Prenez 30 tickets, comparez les propositions du modèle au classement de l’équipe et chronométrez la relecture. Ce premier essai aide à décider si un pilote sur un volume plus important mérite du temps.
1. Constituer un lot de 30 tickets
Choisissez des demandes proches de celles que l’équipe traite chaque semaine. Incluez des messages faciles à classer, des demandes ambiguës et quelques urgences identifiées par le support. Répartissez les tickets entre les quatre catégories du test.
| Catégorie | Exemple |
|---|---|
| Facturation | Contester un montant ou demander un duplicata de facture. |
| Incident | Signaler un dysfonctionnement ou un accès bloqué. |
| Demande commerciale | Demander un devis ou des précisions sur une offre. |
| Autre | Faire une demande qui relève d’un autre circuit selon vos règles. |
Retirez les informations d’identification inutiles au tri, comme les noms, les coordonnées et les références de compte. Conservez les détails utiles au classement, comme la description de la panne et son impact. Vous pouvez remplacer un ticket difficile à anonymiser par un exemple fictif qui présente la même difficulté.
Pour tester les urgences, incluez au moins un incident que vos règles rendent prioritaire et un message qui se dit urgent sans remplir ces critères. Notez le nombre de cas réellement urgents. Si vous en avez ajouté au-delà de leur fréquence habituelle, mentionnez-le dans le bilan.
2. Faire établir le classement de référence par l’équipe
Pour chaque ticket, une personne du support renseigne la catégorie et le statut d’urgence selon les règles de l’entreprise. Elle relève le temps passé à faire ce tri. Pour les cas ambigus, faites valider la réponse de référence par une deuxième personne avant de consulter les résultats de l’IA.
Gardez la valeur « à relire » pour les demandes dont le texte laisse trop d’incertitude. « Autre » correspond à une orientation connue en dehors des trois premières catégories. « À relire » signifie qu’une personne doit décider. Appliquez la même logique à l’urgence avec « oui », « non » et « à relire ».
3. Soumettre les mêmes tickets au modèle local
Commencez sur un poste disponible. Notez le nom et la version du modèle, le logiciel utilisé, le processeur, la RAM et, si vous utilisez une carte graphique, sa mémoire vidéo. Si plusieurs personnes doivent utiliser le modèle en même temps ou si les messages deviennent plus longs, ces paramètres vous aideront à interpréter un nouvel essai. Pour approfondir le dimensionnement, consultez notre guide pour choisir le matériel pour l’IA locale.
Parmi les modèles compacts à envisager pour ce test figure Olala mini 7A1B, le premier modèle d’OVHcloud conçu pour l’IA locale.
Préparez les consignes sur quelques exemples distincts des 30 tickets du test, puis gardez-les telles quelles pendant l’essai. Envoyez un ticket par requête. Si vous comparez avec un outil cloud déjà utilisé par l’équipe, soumettez-lui les mêmes textes et les mêmes consignes.
Une consigne de départ à adapter
Classe le ticket ci-dessous selon nos règles de tri.
Catégorie : Facturation, Incident, Demande commerciale, Autre ou À relire.
Urgence : Oui, Non ou À relire.
Règles d’urgence : [insérer ici les critères du support].
Si le texte ne permet pas de trancher, réponds « À relire »
dans le champ concerné. Renvoie seulement la catégorie et l’urgence.
Ticket :
[coller le texte du ticket]
4. Mesurer les erreurs et le temps de travail
Faites relire les suggestions du modèle par une autre personne du support si possible. Gardez le classement manuel masqué pendant cette étape. Puis comparez le tri corrigé au classement de référence pour voir si des erreurs subsistent. Comptez le temps passé à consulter les résultats, à examiner les cas « à relire » et à corriger les erreurs. Relevez séparément le temps d’exécution du modèle et le temps de travail de l’équipe.
| Indicateur | Mesure à relever |
|---|---|
| Classements corrects | Nombre de catégories identiques à la référence sur 30. |
| Tickets à relire | Nombre de tickets pour lesquels le modèle a demandé une intervention humaine pour la catégorie ou l’urgence. |
| Urgences manquées | Nombre de tickets jugés urgents par le support que le modèle a classés « Non », rapporté au nombre réel d’urgences du lot. |
| Fausses alertes | Nombre de tickets jugés non urgents par le support que le modèle a signalés comme urgents. |
| Urgences à vérifier | Nombre de tickets réellement urgents que le modèle a signalés « À relire » pour l’urgence. |
| Temps humain gagné | Temps du tri manuel moins temps de préparation récurrente, de relecture et de correction avec l’IA. |
Un classement correct peut masquer une urgence manquée. Par exemple, un accès bloqué classé « Incident » a la bonne catégorie. Si le modèle répond « Non » alors que le support le considère urgent, relevez l’erreur dans la colonne des urgences.
Le temps humain gagné et le délai avant qu’un ticket soit orienté répondent à deux questions différentes. Si l’équipe attend le résultat avant de pouvoir travailler, ajoutez cette attente au délai de traitement. Si le traitement se fait en arrière-plan, suivez le délai écoulé séparément.
5. Décider si le tri assisté mérite un pilote
Si l’équipe gagne du temps après relecture et que les erreurs sont faciles à repérer, faites un essai en conditions réelles avec validation humaine des propositions. Une erreur d’urgence peut justifier de garder la priorité entièrement manuelle, même si les catégories sont généralement justes.
Si le modèle envoie trop de tickets en relecture, examinez les tickets concernés et vérifiez si une règle de tri manque. Par exemple, « J’ai payé mon abonnement mais je ne peux plus me connecter » peut relever de la facturation ou d’un incident selon l’organisation du support. Précisez la règle de routage et essayez-la sur un nouveau lot.
Le premier lot sert à repérer les erreurs récurrentes et à mesurer le travail de correction. Avant d’élargir l’usage, refaites l’essai avec des demandes d’une autre semaine et comparez les résultats.
