Cas d'étude · IA

Agent IA SAV sur mesure : −65 % de tickets, ROI en 6 semaines

24 mai 2026 Simon Perthuis 8 min de lecture

Secteur : E-commerce (mode & accessoires) · Taille : PME, ~50 commandes/jour · Durée du projet : 3 semaines · Anonymisé · Déploiement : janvier 2025

Indicateur	Avant	Après
Tickets traités manuellement	100 %	35 %
Temps de réponse moyen	4 h	< 2 min
Temps équipe récupéré	—	+15 h /semaine
ROI atteint	—	Semaine 6
Satisfaction client (CSAT)	3,8 / 5	4,6 / 5

Le contexte : une PME e-commerce sous pression SAV

Notre client est une PME française spécialisée dans la vente de mode et d'accessoires en ligne. Volume : ~50 commandes par jour, avec des pics à 80 commandes en période de soldes.

L'équipe SAV ? 2 personnes. Pas de prestataire externe, pas de chatbot, pas d'automatisation. Tout était géré manuellement via Zendesk : lecture du ticket, recherche dans le back-office Shopify, rédaction de la réponse, envoi.

Le modèle fonctionnait — jusqu'à ce que le volume de commandes augmente de 30 % en 12 mois. En décembre 2024, les deux agents SAV passaient 60 % de leur temps de travail sur des tickets qui ne nécessitaient aucune expertise humaine.

Le problème : avant l'agent IA

Trois signaux d'alarme ont déclenché la prise de contact avec Simon Digital Services.

1. Un temps de réponse qui dérapait

Le délai moyen de première réponse atteignait 4 heures en semaine, et jusqu'à 18 heures le week-end. Les clients réclamaient. Le score CSAT chutait.

2. 80 % de tickets répétitifs

Analyse des 3 derniers mois de tickets Zendesk : 4 catégories concentraient 80 % du volume total.

Catégorie	Part du volume
Suivi de commande / délai de livraison	34 %
Procédure de retour / échange	24 %
Disponibilité produit / taille	13 %
Modification d'adresse avant expédition	9 %

Ces tickets ne demandaient aucune décision humaine. Ils nécessitaient uniquement d'interroger Shopify ou de renvoyer une procédure standard.

3. 2 ETP mobilisés à 60 % sur du volume non qualifié

Les deux agents passaient l'essentiel de leur journée à copier-coller des numéros de suivi Colissimo. Résultat : les tickets complexes (litiges, erreurs de préparation, remboursements hors délai) attendaient en file.

La solution déployée par Simon Digital Services

Architecture technique

La stack choisie repose sur trois briques éprouvées, interconnectées via des workflows n8n hébergés en self-hosted sur un VPS OVH (France, conformité RGPD).

[Zendesk Webhook]
    → [n8n : sav-classifier.json]
        → [OpenAI GPT-4o : classification + génération]
            → [Shopify API : récupération données commande]
                → [n8n : sav-routing.json]
                    → [Zendesk : réponse auto ou escalade agent]

Composants principaux :

n8n (self-hosted) : orchestration des workflows, gestion des triggers Zendesk, appels API Shopify, logique de routage
GPT-4o (OpenAI API) : classification du ticket, génération de la réponse en français, détection des cas sensibles
Zendesk : réception des tickets, envoi des réponses automatiques, gestion des files d'escalade
Shopify Admin API : récupération en temps réel du statut commande, numéro de suivi, historique client
Pinecone (vector store) : base de connaissances SAV vectorisée (politique retours, FAQ produit, conditions générales)

Deux workflows principaux ont été créés : sav-classifier.json (analyse et catégorisation du ticket entrant) et sav-routing.json (routage vers réponse auto, brouillon agent ou escalade prioritaire).

Fonctionnalités de l'agent

Réponses automatiques — Niveau 1

Pour les 4 catégories identifiées en phase d'audit, l'agent répond en autonomie complète. Il interroge l'API Shopify, récupère les données en temps réel, génère une réponse personnalisée en français et la soumet dans Zendesk. Délai : < 90 secondes après réception du ticket.

Routage intelligent — Niveau 2

Les tickets hors catégories automatisées sont classifiés par GPT-4o (urgence, sentiment, complexité) et routés vers la bonne file Zendesk avec un résumé pré-rédigé pour l'agent humain. L'agent ne répond pas — il prépare le travail.

Escalade prioritaire — Niveau 3

Détection automatique des signaux critiques : mentions de "avocat", "signalement", "arnaque", commandes > 200 €, clients avec historique de litige. Ces tickets sont immédiatement escaladés avec notification Slack à la responsable SAV.

Garde-fous qualité

Température GPT-4o fixée à 0.2 pour limiter les hallucinations
Vérification systématique : si les données Shopify sont absentes, l'agent bascule en mode brouillon (pas d'envoi automatique)
Log complet de chaque décision dans un Google Sheet dédié (sav-audit-log)

Délai de déploiement : 3 semaines

Semaine	Livrable
S1	Audit tickets, cartographie des flux, setup n8n + intégrations API
S2	Développement `sav-classifier.json`, tests sur tickets historiques, calibrage GPT-4o
S3	Déploiement `sav-routing.json`, tests en conditions réelles (mode shadow), go-live

Le mode shadow (semaine 3, jours 1-3) a permis de faire tourner l'agent en parallèle des agents humains sans envoyer de réponses réelles — pour valider la qualité avant ouverture totale.

Les résultats : 60 jours après déploiement

Les métriques ont été mesurées sur la période du 1er mars au 30 avril 2025, comparées à la même période N-1.

−65 % de tickets traités manuellement

Sur 100 tickets entrants, 65 sont désormais traités intégralement par l'agent. Les 35 restants reçoivent un brouillon ou un résumé pré-rempli — le temps de traitement humain est divisé par 3 sur ces tickets.

Temps de réponse : 4 h → < 2 min

Le délai moyen de première réponse est passé de 4 heures à 1 minute 47 secondes. Le week-end, la couverture est désormais continue — l'agent répond à 3h du matin comme à 14h.

+15 h/semaine récupérées par l'équipe

Les deux agents SAV ont récupéré en moyenne 7,5 heures chacun par semaine. Ce temps est réalloué aux tickets complexes, aux appels clients sensibles, et à la rédaction de nouveaux contenus FAQ.

ROI atteint en 6 semaines

Le coût total du projet (développement + infrastructure mensuelle) a été amorti en 6 semaines grâce à la réduction du temps agent et à l'amélioration du CSAT (moins de remboursements accordés en geste commercial).

CSAT : 3,8 → 4,6 / 5

La satisfaction client a progressé de +0,8 point. Principal facteur : la rapidité de réponse. Les clients reçoivent une réponse précise et personnalisée en moins de 2 minutes, 7j/7.

Ce que dit le client

"On avait peur que les clients s'en rendent compte et que ça nuise à l'image de la marque. En réalité, les retours ont été très positifs — les gens sont juste contents d'avoir une réponse rapide et juste. Ce qui m'a le plus surpris, c'est la qualité des réponses : elles sont meilleures que ce qu'on écrivait à la va-vite en fin de journée."

— Responsable e-commerce, PME mode & accessoires (anonymisé)

"La semaine 3, quand on a vu le dashboard Zendesk avec 0 ticket en attente à 9h du matin, on a compris que quelque chose avait vraiment changé."

— Chargée de SAV, même entreprise (anonymisé)

Vous avez un cas similaire ?

Si votre équipe SAV passe plus de 50 % de son temps sur des questions répétitives, un agent IA sur mesure peut changer la donne — en 3 semaines, avec des résultats mesurables dès le premier mois.

Simon Digital Services conçoit des agents IA adaptés à votre stack existante (Zendesk, Freshdesk, Intercom, Gorgias…) et à vos contraintes RGPD. L'automatisation des processus métier commence souvent par le SAV : c'est là que le volume est le plus prévisible et les gains les plus immédiats.

Ce que vous obtenez :

Audit gratuit de vos tickets SAV (volume, catégories, automatisabilité)
Architecture technique documentée avant tout engagement
Déploiement en 3 semaines, avec phase de test en conditions réelles
Suivi des métriques post-déploiement pendant 60 jours