Imaginons un distributeur qui reçoit chaque jour des questions sur les références produits, les procédures de retour et les garanties. L’équipe possède les informations mais elles sont dispersées entre plusieurs PDF, un intranet et des fiches techniques. Voici comment structurer un projet d’assistant IA sans promettre une automatisation totale. Ce scénario est illustratif, pas un projet client revendiqué par DYDAPS.
Situation initiale : une information difficile à trouver
Un conseiller doit ouvrir plusieurs fichiers pour vérifier une condition de retour. Deux versions de la procédure peuvent circuler. Les réponses sont donc lentes et parfois contradictoires, même lorsque les collaborateurs connaissent bien leur métier.
Périmètre du pilote
Le pilote couvre uniquement les procédures de retour et la documentation de dix gammes de produits. Les prix en direct, les décisions de remboursement et les données personnelles des clients restent hors du périmètre de génération. Cette limitation rend l’évaluation plus simple et réduit les risques.
Constitution de la base documentaire
Un responsable identifie les versions officielles et associe chaque document à un propriétaire. Les contenus obsolètes sont retirés de la recherche. Le moteur RAG retrouve ensuite les extraits utiles et l’assistant les présente avec des sources identifiables. Pour les détails de conception, consultez notre guide RAG.
- Question reçue : « Ce produit peut-il être retourné après ouverture ? »
- Recherche documentaire : retrouver la politique de retour correspondant au produit et à sa version.
- Proposition de réponse : présenter la règle et renvoyer à la source utilisée.
- Contrôle humain : vérifier les exceptions et répondre au client.
Ce que voit le conseiller
La question « Cette référence est-elle couverte pendant deux ans ? » affiche une réponse conditionnelle appuyée sur les documents disponibles. Si la garantie varie selon la date d’achat, l’assistant demande la précision manquante et renvoie aux passages applicables. Il n’invente ni règle ni engagement commercial.
Tests et protection
Une batterie de questions inclut les cas faciles, les contradictions, les documents absents et les accès interdits. L’assistant ne doit pas voir un document réservé à la direction. Un conseiller signale les erreurs ; le responsable documentaire corrige la source et relance les tests.
Quels résultats mesurer ?
Comparez le temps moyen de recherche, la proportion de réponses vérifiées, le nombre de corrections et le ressenti des équipes. Sans données de départ, impossible d’affirmer un gain de 30 % ou 50 %. L’intérêt du pilote est précisément de produire ces mesures.
Passer du prototype au service
L’intégration dans les outils du support ne devrait intervenir qu’après validation de la qualité. Une solution IA documentaire et un cadrage IA permettent de structurer progressivement cette évolution.
Ce que montre ce scénario fictif : la qualité d’un assistant documentaire dépend des sources, des droits d’accès et des tests. Une démonstration convaincante ne prouve pas encore l’efficacité du service en production.







