L'IA conversationnelle se dégrade si personne ne l'entretient.

Un bot mis en production n’est pas “fini”. Il est seulement aligné sur un instant donné. Ensuite, les clients changent leurs mots, les offres bougent, les exceptions se multiplient, et la qualité décroche.

L’IA conversationnelle est un actif vivant. Elle se nourrit de nouveaux exemples, de corrections et de suivi métier. Sans entretien, le projet n’échoue pas d’un coup. Il s’use, puis il devient progressivement moins utile.

Le jour J n’est pas une preuve de robustesse

Un bot peut réussir son lancement et se dégrader dès les semaines suivantes. Les premières conversations ressemblent souvent aux scénarios de test. Puis arrivent les formulations réelles, les raccourcis, les fautes, les nouveaux produits et les demandes hybrides.

Le bot continue de répondre. Il comprend simplement moins bien. La différence entre “ça tourne” et “ça sert” devient visible dans les escalades, les reformulations et les abandons. Dans les secteurs où le vocabulaire évolue vite, cette dérive apparaît très tôt.

Demandez : “Quel est le taux de compréhension par intention sur les trois derniers mois, et quelle est sa tendance ?” Exigez aussi un suivi du taux d’escalade vers un conseiller, intention par intention. Si la compréhension baisse pendant que les transferts montent, le bot ne vieillit pas bien.

Vérifiez un critère contractuel simple : un rapport mensuel de performance avec historique, pas un score isolé. Piège fréquent : un tableau de bord global flatteur masque une intention critique en chute libre, avec le symptôme classique des réponses génériques répétées.

Le langage client change plus vite que les plans projet

Les clients n’emploient pas la taxonomie interne. Ils reprennent les mots des campagnes, des réseaux sociaux, du service client et des irritants du moment. Ils abrègent, mélangent, détournent, puis inventent des formulations que le comité projet n’a jamais écrites.

Un modèle non entretenu finit par reconnaître la structure de la phrase, mais plus l’intention réelle. La dérive est lente. Elle n’interrompt pas le service. Elle augmente les reformulations, les réponses passe-partout et la fatigue du client qui doit répéter sa demande.

Demandez : “Pouvez-vous me montrer les verbatims non compris des 30 derniers jours, classés par récurrence ?” Puis imposez que ces phrases exactes alimentent la base d’entraînement. Les reformulations propres au projet ne suffisent pas, car elles lissent les vrais usages.

Critère vérifiable : une boucle de revue mensuelle des expressions émergentes, avec décision de traitement et date de mise à jour. Piège précis : si les agents disent “les clients ne parlent plus comme avant” et que rien n’est ajouté au corpus, le bot accumule des faux négatifs silencieux.

L’offre change, les intentions doivent suivre

Chaque évolution d’offre crée des angles morts. Une nouvelle garantie, un parcours modifié, une condition tarifaire, et l’arbre d’intentions devient incomplet. Le bot répond alors avec une logique ancienne, parfois cohérente en apparence, mais fausse sur le fond.

Le risque ne se limite pas à l’absence d’une intention. Il existe aussi quand deux intentions proches sont mal hiérarchisées. Un client qui veut modifier un contrat peut être envoyé vers une FAQ obsolète, simplement parce que le modèle n’a pas été révisé après la sortie métier.

Demandez : “Qui valide la mise à jour conversationnelle après chaque changement d’offre, et sous quel délai ?” Exigez un délai cible entre la publication métier et la mise à jour du bot. Sans ce délai, l’assistance devient un miroir en retard du catalogue.

Vérifiez un critère technique : chaque changement d’offre doit déclencher une revue des intents impactés, avec traçabilité. Piège fréquent : une nouvelle règle tarifaire publiée en production sans mise à jour du bot, symptôme visible par des réponses correctes sur le fond commercial mais fausses sur l’éligibilité.

Un bot non entretenu ne tombe pas en panne. Il devient progressivement moins juste.

L’entretien doit être budgété comme une capacité récurrente

Le vrai sujet n’est pas le coût de lancement. C’est le coût de maintien de performance. Annotation, correction des intents, enrichissement des exemples, réentraînement, contrôle qualité et arbitrage métier demandent du temps, des outils et des profils disponibles.

Sans ligne budgétaire récurrente, ces tâches passent après les urgences visibles. Le bot n’est alors corrigé qu’après une alerte, quand la dérive a déjà produit ses effets. La maintenance devient réactive, donc plus chère et moins efficace.

Demandez : “Quel budget annuel est réservé à l’entretien, séparé du build initial ?” Demandez aussi qui décide entre correction métier, ajustement data et priorités d’exploitation. Sans propriétaire clair, les anomalies restent en file d’attente.

Critère contractuel utile : un forfait ou un volume d’heures dédié à la maintenance conversationnelle, avec fréquence de réentraînement définie. Piège précis : si tout est inclus dans une enveloppe de projet unique, la première coupe budgétaire supprime l’entretien, puis la qualité se dégrade sans bruit.

Les bons indicateurs sont simples et sans ambiguïté

Le taux de compréhension et le taux d’escalade doivent être suivis dans le temps. Pas seulement en moyenne. Par intention, par canal, par segment de clientèle et sur les formulations émergentes, c’est là que la dérive devient visible.

Un tableau de bord centré sur le volume de conversations rassure à tort. Le volume peut rester stable pendant que la pertinence chute. Il faut aussi regarder les reformulations successives, les abandons, les réponses hors sujet signalées par les agents et les intentions qui concentrent les échecs.

Demandez : “Quel seuil déclenche une revue, et qui reçoit l’alerte ?” Exigez un mécanisme explicite, par exemple une baisse continue de compréhension sur deux périodes de mesure ou une hausse soutenue des escalades sur une intention critique.

Vérifiez un critère technique : l’alerte doit être automatique, horodatée et conservée. Piège fréquent : un seuil existe sur le papier, mais personne ne le consulte. Le symptôme est clair : les chiffres se dégradent pendant des semaines avant qu’un humain ne s’en aperçoive.