L'effet de l'IA sur la productivité du service client a été mesuré par Erik Brynjolfsson (Stanford), Danielle Li et Lindsey Raymond (MIT) sur 5 179 agents de support. Les agents équipés d'un assistant qui suggère des réponses résolvent en moyenne 13,8 % de demandes de plus par heure. Le gain monte à environ 35 % chez les débutants et devient quasi nul chez les meilleurs.
Ce résultat compte parce qu'il vient d'une des rares études sérieuses sur le sujet. Il raconte aussi une histoire très différente de celle que l'on entend souvent, où l'IA sert d'abord à remplacer des salariés. Ici, l'outil aide les personnes qui en savent le moins à travailler comme celles qui en savent le plus.
Un support client où l'ancienneté pèse lourd
L'étude, intitulée « Generative AI at Work », a d'abord circulé comme document de travail du NBER en 2023, l'organisme américain de recherche économique. Elle a ensuite été publiée en 2025 dans le Quarterly Journal of Economics. Ce parcours ne garantit pas tout, mais il signifie que la méthode a été relue et discutée par d'autres chercheurs avant publication.
Le terrain est le support client d'un éditeur de logiciels du classement Fortune 500, dont le nom n'est pas publié. Les 5 179 agents concernés traitent les demandes de clients qui rencontrent une difficulté avec leur logiciel. Chaque conversation demande de comprendre le problème posé, puis de retrouver la bonne procédure et de l'expliquer.
Dans ce type de métier, l'écart entre un agent qui débute et un agent confirmé est considérable. Le nouveau venu cherche dans la documentation, hésite sur la formulation, transfère plus souvent le dossier à un collègue. L'ancien connaît les cas fréquents par cœur et sait quelle phrase rassure un client agacé. Le coût se voit dans les files d'attente et dans les demandes qui remontent aux responsables, faute de réponse au premier niveau.
Tout responsable de centre de support connaît ce problème. La formation initiale ne suffit pas, et le savoir-faire des meilleurs reste dans leur tête. Les fiches de procédure existent, mais personne ne les lit au milieu d'une conversation tendue.
Un assistant IA qui propose, l'agent qui décide
L'entreprise a déployé un assistant fondé sur l'IA générative. Pendant que l'agent échange avec le client, l'outil lui propose en temps réel des réponses possibles et des liens vers la bonne page de la documentation interne. L'agent reste libre de s'en servir, de modifier la suggestion ou de l'ignorer.
L'outil ne répond jamais directement au client. Il fonctionne comme un collègue expérimenté assis à côté du débutant, qui lui souffle une formulation ou lui montre où chercher.
Le déploiement a été échelonné dans le temps. Pour un chercheur, cette progressivité est une aubaine, puisqu'elle permet de comparer des agents déjà équipés et des agents qui ne le sont pas encore.
La vraie difficulté tient dans la mesure. Une conversation de support se termine bien ou mal selon le problème, le client, l'heure. Les auteurs ont donc suivi plusieurs indicateurs en parallèle pour éviter de conclure sur un seul chiffre flatteur. Ils ont regardé les demandes résolues par heure, la durée des conversations, le taux de résolution et le ton des messages des clients.
L'IA améliore de 14 % la productivité du service client
En moyenne, selon la synthèse publiée par le NBER, les agents équipés résolvent 13,8 % de demandes de plus par heure. Chaque conversation dure environ 9 % de temps en moins. Le taux de résolution progresse de 1,3 %, ce qui montre que les agents ne gagnent pas du temps en bâclant les réponses.
La moyenne masque l'essentiel. Chez les agents débutants ou les moins performants, le gain atteint environ 35 % (34 % dans la version publiée de l'article). Chez les agents les plus performants, l'effet est nul ou légèrement négatif.
Les auteurs lisent cet écart comme un effet de diffusion. L'assistant transmet surtout aux débutants les bonnes pratiques que les meilleurs agents appliquent déjà. Pour un expert, les suggestions ressemblent à ce qu'il aurait écrit seul, et leur lecture peut même le ralentir un peu.
Deux mois d'ancienneté valent six mois d'expérience
Le résultat le plus frappant concerne la montée en compétence. D'après les auteurs, un agent de deux mois d'ancienneté équipé de l'assistant obtient les mêmes résultats qu'un agent de six mois qui ne l'est pas. La courbe d'apprentissage est donc raccourcie de plusieurs mois, ce qui change l'économie de l'intégration des nouveaux embauchés.
Pour un centre de support qui recrute en continu, cet effet pèse davantage que les 14 % de moyenne. La période pendant laquelle un nouvel agent coûte plus qu'il ne rapporte se réduit nettement. La formation des nouveaux agents change aussi de nature, puisqu'une partie des réflexes s'acquiert en situation, guidée par l'outil.
Des clients plus aimables, des agents qui restent
Les chercheurs ont analysé le ton des messages envoyés par les clients. Avec l'assistant, les clients expriment davantage de sentiments positifs et demandent moins souvent à parler à un responsable. Moins d'escalades, cela signifie aussi moins de temps pris aux encadrants.
Du côté des équipes, les départs d'agents baissent eux aussi. Les chiffres disponibles ne disent pas pourquoi, mais une hypothèse simple vient à l'esprit. Un métier où l'on se sent moins seul face aux clients difficiles est un métier que l'on quitte moins vite.
Sur le niveau de preuve, l'étude compare des agents équipés et non équipés à la même période, dans la même entreprise, sur plus de cinq mille personnes. C'est bien plus solide qu'un chiffre annoncé par une entreprise dans un communiqué.
Pour ceux qui préfèrent l'entendre de l'auteur principal, Erik Brynjolfsson présente l'étude et ses résultats dans une intervention filmée, utile pour comprendre comment les mesures ont été construites.
Une seule entreprise, un seul métier, des experts qui gagnent peu
La première limite est évidente. Tout se passe dans une seule entreprise et sur un seul métier, le support client d'un éditeur de logiciels. Un centre d'appels téléphonique, un service après-vente industriel ou un accueil en agence ne fonctionnent pas de la même façon, et rien ne garantit que les chiffres s'y transposent tels quels.
Le deuxième point tient à la nature du gain. L'assistant ne crée pas de savoir nouveau. Il diffuse les bonnes pratiques de ceux qui les maîtrisent déjà. Si les meilleurs agents partent ou cessent de produire des conversations de qualité, l'outil n'aura bientôt plus grand-chose de neuf à apprendre.
Cette dépendance pose, à notre avis, une question de reconnaissance. Les agents experts ne gagnent presque rien en productivité, alors que leur travail passé sert à former tous les autres. Une entreprise qui ne valorise pas cette contribution prend le risque de décourager précisément ceux dont dépend la qualité de l'outil.
Enfin, les gains mesurés portent sur la productivité par agent, pas sur l'effectif. L'étude ne dit rien d'une réduction des équipes, et ce n'était pas son objet. C'est un point à garder en tête face aux discours qui présentent l'IA comme un moyen immédiat de réduire la masse salariale.
Le contraste avec l'expérience de Klarna, qui a remplacé ses agents avant de faire marche arrière, est instructif. Là où Klarna a cherché à retirer l'humain de la conversation, l'entreprise étudiée ici l'a gardé au centre et l'a rendu plus compétent. Sur la question de ce que deviennent les conseillers, le cas d'IKEA prolonge la réflexion.
Ce que ça change pour une PME ou une ETI
La leçon principale dépasse le support client. Partout où un métier repose sur un savoir-faire accumulé et mal documenté, un assistant IA peut raccourcir le temps nécessaire pour qu'un nouveau venu devienne autonome. C'est souvent là que se trouve le gain le plus rapide, bien avant l'automatisation complète.
Prenons un distributeur de matériel électrique d'une centaine de salariés, avec une équipe de six technico-commerciaux sédentaires qui répondent aux installateurs. Les deux plus anciens connaissent les références, les équivalences entre marques et les pièges des normes. Chaque nouvelle recrue met des mois à atteindre leur niveau, et pendant ce temps les anciens sont sans cesse interrompus pour des questions.
Un assistant IA pour ce service client, alimenté par les devis passés, les réponses validées et le catalogue, peut proposer à la recrue une réponse et la fiche produit pertinente. Elle garde la main et corrige si besoin. Les anciens sont moins sollicités et leur savoir circule enfin dans toute l'équipe.
Trois conditions ressortent de l'étude et de ce que nous observons en mission :
- Des échanges passés de bonne qualité, déjà triés, pour que l'outil apprenne des bonnes réponses et pas des mauvaises.
- Un agent qui reste décideur de ce qui part chez le client, avec la possibilité simple d'ignorer la suggestion.
- Une mesure avant et après, sur quelques indicateurs suivis de la même façon, pour savoir si l'outil aide vraiment.
La question de l'adoption vient ensuite. Un assistant que personne n'ouvre ne produit rien, et c'est souvent l'accompagnement qui fait la différence. Notre article sur la façon d'intégrer un agent IA dans une équipe détaille les étapes. Pour les collaborateurs moins à l'aise avec ces outils, un programme d'acculturation sur six semaines donne une trame réaliste.
Chez JUWA, nous pensons que les entreprises de taille moyenne ont intérêt à commencer par ce type d'assistant plutôt que par un agent conversationnel autonome face aux clients. Le risque est plus faible et les équipes s'approprient l'outil au lieu de le subir. Nous concevons des assistants IA sur mesure construits sur les données de l'entreprise, et nous aidons à former les équipes à l'IA pour que l'outil soit réellement utilisé au quotidien.
Sources
- Generative AI at Work, Erik Brynjolfsson, Danielle Li, Lindsey Raymond, NBER, document de travail w31161, 2023
- Measuring the Productivity Impact of Generative AI, NBER Digest, 2023
- Erik Brynjolfsson présente l'étude et ses résultats, vidéo YouTube
