Contexte
Une plateforme B2B de commande événementielle, six ans d'existence, douze systèmes interconnectés et environ 250 marques clientes. Le service client traitait chaque demande à la main, sans perspective de passage à l'échelle.
Plus gênant encore : personne ne disposait d'une vue consolidée des dépendances entre les douze systèmes, si bien que chaque nouvelle spécification risquait d'en oublier une et de provoquer une régression.
Le problème n'était pas le volume, mais l'absence de carte
Un chatbot posé sur une documentation dispersée aurait produit des réponses plausibles et fausses. La question préalable n'était donc pas « quel outil », mais « que sait vraiment l'entreprise, et où ce savoir se contredit-il ».
Le second problème relevait de la même cause. Six ans d'ajouts successifs avaient tissé des dépendances que plus personne ne tenait à jour, transformant chaque évolution en pari sur les effets de bord.
Ce qui a été mis en place
Un support outillé, maintenu par ceux qui répondent
Un chatbot combinant Intercom FIN et des agents RAG, dont le corpus est alimenté et corrigé par le service client lui-même. Le circuit de mise à jour appartient donc aux personnes qui constatent les manques, et non à une équipe technique éloignée du terrain.
Une ontologie d'entreprise
Cartographie des dépendances, des risques et des savoirs critiques entre tous les produits et systèmes. Chaque nouvelle spécification est confrontée à cette carte avant développement, ce qui rend visibles les interactions qu'on aurait sinon découvertes en production.
Une documentation en deux couches
Une version métier, servie par le chatbot, et une version développeur maintenue par l'équipe technique. Séparer les deux évite le document unique que personne ne met à jour parce qu'il ne s'adresse à personne en particulier.
Un socle éprouvé en interne
La même approche a été portée sur une base de connaissances interne auto-hébergée : recherche hybride mêlant plein texte et sémantique, embeddings calculés en local plutôt que délégués à une API tierce, pour que la donnée ne quitte pas l'infrastructure. Architecture et développement de bout en bout, livraison continue automatisée.
Ce que le projet a changé
de contacts support traités manuellement en moins
sur environ 250 marques, sans rupture opérationnelle
régression par effet de bord
sur les nouvelles spécifications depuis la mise en place de l'ontologie
Les briques employées
RAG, Intercom FIN, Supabase, pgvector, Ollama, GitHub Actions, VectorShift, VoiceFlow.