Karina est une marque tunisienne de cosmétiques et de parfums dont les clients vivent dans leurs messages directs. Les questions sur les commandes, les livraisons, les produits et les réclamations arrivent toute la journée sur Messenger et Instagram, dans un mélange de derja tunisien, de français et d'arabe, souvent avec une photo jointe. Nous avons construit un assistant IA qui les rejoint là où ils sont, trie ce qui arrive, répond à ce qu'il peut, et fait intervenir un humain dès qu'une conversation l'exige.

Le défi

Le volume était bien réel et les messages étaient désordonnés. Un client peut changer de langue en plein milieu d'une phrase, envoyer une photo plutôt qu'une description, ou arriver avec une réclamation qu'aucun bot ne devrait tenter de résoudre seul. Un chatbot générique qui répondrait à tout avec assurance aurait fait plus de mal que de bien. La marque avait besoin de quelque chose qui comprenne d'abord le message, et qui connaisse ses propres limites.

Ce que nous avons construit

Un assistant conçu autour du triage plutôt que des réponses toutes faites, déployé sur les deux canaux.

• Une classification d'intention sur chaque message entrant, pour qu'une question sur une commande, une question sur une livraison, une réclamation et une simple conversation reçoivent chacune le bon traitement.
• Une compréhension et des réponses multilingues en derja, en français et en arabe, fidèles à la façon dont les clients écrivent réellement.
• La compréhension des images, pour qu'une photo d'un produit ou d'une livraison devienne quelque chose que l'assistant peut traiter plutôt qu'ignorer.
• La saisie des commandes et des réclamations, en collectant les détails dont l'équipe a besoin et en les acheminant au bon endroit.
• Un transfert robuste vers un humain : l'assistant se met en pause, notifie l'équipe avec l'intégralité de la conversation et le motif, puis rend la main d'un seul clic une fois la personne intervenue.

Ce que l'assistant fait de plus précieux, c'est reconnaître le moment où il doit s'arrêter et faire intervenir une personne.

Comment nous avons travaillé

Le système s'appuie sur des modèles OpenAI, un modèle rapide gérant l'intention sur chaque message et un modèle plus puissant lisant les images. Il connaît les horaires d'ouverture et fixe des attentes honnêtes en dehors, et il marque un temps avant de répondre pour qu'une rafale de messages rapides devienne une seule réponse cohérente plutôt que trois fragments. Tout ce qui est sensible, une réclamation, une note vocale, un client agacé, déclenche automatiquement une escalade plutôt qu'une improvisation.

Nous avons été délibérés sur ce que l'assistant ne prétend pas faire. Il trie, répond aux questions courantes, capte ce dont l'équipe a besoin et escalade le reste en gardant le contexte intact, au lieu d'inventer des réponses qu'il ne pourrait pas assumer.

Le résultat

Les clients de Karina obtiennent des réponses rapides et multilingues dans les canaux qu'ils utilisent déjà, et l'équipe reçoit des transferts propres et riches en contexte plutôt qu'un mur de messages non lus. La charge de routine est gérée automatiquement, et les conversations qui nécessitent un humain en atteignent un sans que le client ne ressente jamais la couture.