← Retour au blog
Agent IA6 min · Déc. 2024

Construire un chatbot de support client avec mémoire et contexte

Au-delà du chatbot FAQ basique : comment créer un agent qui se souvient des interactions passées, comprend le contexte et escalade intelligemment.

LangChainSupabaseVercel AI SDK

Les chatbots FAQ de première génération ont décevant tout le monde : réponses rigides, incapacité à comprendre le contexte, escalades intempestives vers un humain. En 2025, on peut faire beaucoup mieux — des agents qui comprennent vraiment, se souviennent des conversations passées, et savent quand passer la main.

Les limites du chatbot FAQ classique

  • Fonctionne par correspondance de mots-clés, pas par compréhension
  • Oublie la conversation à chaque nouvelle session
  • Ne sait pas qui est le client (pas d'accès à l'historique)
  • Escalade au moindre doute, annulant le gain de temps
  • Incapable de traiter des demandes en plusieurs étapes

La différence : mémoire et contexte

Un agent IA moderne maintient deux types de mémoire. La mémoire de session : il comprend la conversation en cours, les 10 derniers échanges, les informations données par le client dans cette conversation. La mémoire longue durée : il accède à l'historique des commandes, des tickets précédents, des préférences enregistrées.

🧠 Exemple concret : un client écrit "mon colis n'est pas arrivé". L'agent vérifie automatiquement la dernière commande dans votre e-commerce, identifie le numéro de suivi, consulte le statut transporteur en temps réel, et répond avec les informations précises — sans que le client ait besoin de donner son numéro de commande.

Architecture technique

Voici l'architecture que j'utilise pour les chatbots de support avancés :

  • Frontend : interface chat intégrée au site ou via widget (React + Vercel AI SDK)
  • Backend : API Next.js ou FastAPI qui orchestre l'agent
  • LLM : Claude 3.5 Sonnet ou GPT-4o pour la compréhension et la génération
  • Mémoire court terme : contexte de la conversation dans le prompt (fenêtre de 10 messages)
  • Mémoire long terme : Supabase (PostgreSQL) avec pgvector pour la recherche sémantique
  • Outils de l'agent : fonctions pour interroger votre BDD, API transporteur, système de tickets

L'escalade intelligente : le point critique

Un bon agent sait quand il doit passer la main. Les critères d'escalade que je configure systématiquement :

  • Le client exprime une insatisfaction forte ou une urgence
  • La demande nécessite une décision commerciale (remboursement > X€, geste commercial)
  • L'agent a échoué à résoudre le problème après 2 tentatives
  • Le client demande explicitement un humain
  • Le sujet dépasse le périmètre défini (questions légales, plaintes formelles)

Lors de l'escalade, l'agent passe au support humain un résumé complet de la conversation : qui est le client, quel est le problème, ce qui a déjà été tenté. Le support humain reprend sans avoir à refaire expliquer le contexte.

Résultats typiques

  • 70 à 85% des tickets traités sans intervention humaine
  • Temps de réponse < 30 secondes, 24h/24
  • Satisfaction client maintenue ou améliorée (grâce à la réponse immédiate)
  • Réduction des coûts support de 40 à 60%

Ce projet est-il fait pour vous ?

Un chatbot de support avancé est pertinent si vous traitez plus de 50 tickets/mois sur des demandes répétitives, et que votre support a accès à une base de données interrogeable (commandes, comptes clients, statuts). En dessous, un simple formulaire de contact et une bonne FAQ restent souvent suffisants.

Envie de mettre ça en place dans votre business ?

Premier call gratuit de 30 min pour analyser votre cas et voir ce qu'on peut automatiser.

Réserver mon call gratuit →