Aller au contenu
OmniChannels.ai

IA conversationnelle ou chatbot : différences et choix

IA conversationnelle ou chatbot : bots à règles, bots NLU et agents IA à base de LLM comparés, garde-fous, politique WhatsApp sur l'IA et liste d'évaluation.

Mis à jour le 10 min de lecture

Par OmniChannels.ai Editorial Team · Relu par BroadNet Messaging Solutions Team

Omnicanal

Réponse courte

Un chatbot suit un script : menus, mots-clés, parcours fixes. L'IA conversationnelle est la technologie plus large qui comprend le langage libre et le contexte ; aujourd'hui, ce sont surtout des modèles NLU ou des agents à base de LLM, qui répondent à partir de votre contenu et agissent via des outils. Choisissez un bot à règles pour des tâches étroites, un agent IA pour des questions variées, avec ancrage, journalisation et transfert humain.

Sur cette page
  1. Quelle est la différence entre IA conversationnelle et chatbot ?
  2. Quels sont les trois types : à règles, NLU et agents à base de LLM ?
  3. Comment les trois se comparent-ils ?
  4. Quand chaque type convient-il ?
  5. Que dit la politique de Meta sur les chatbots IA sur WhatsApp ?
  6. De quels garde-fous une IA conversationnelle a-t-elle besoin ?
  7. Comment évaluer les fournisseurs d'IA conversationnelle ?
  8. Comment mesurer si cela fonctionne ?
  9. Quelles sont les erreurs courantes ?
  10. Comment OmniChannels.ai vous aide

Points clés

  • « Chatbot » décrit l'interface ; « IA conversationnelle » décrit la technologie de langage qui la sous-tend. Beaucoup de produits appelés chatbots fonctionnent à règles, et certains utilisent l'IA conversationnelle.
  • Il existe trois niveaux pratiques : bots à règles, bots NLU par intentions et agents IA à base de LLM. Chacun échange prévisibilité contre souplesse.
  • Les garde-fous comptent d'autant plus que la souplesse augmente : ancrez les réponses dans du contenu approuvé, limitez les outils, journalisez tout et offrez aux clients une voie vers une personne.
  • Sur WhatsApp, l'automatisation est autorisée dans la fenêtre de 24 heures, mais la politique de Meta attend des voies d'escalade rapides et claires, et la section 4.7 des conditions de Meta restreint les fournisseurs d'IA dont l'IA est l'offre principale.
  • Évaluez avec vos propres conversations réelles, pas avec une démo : mesurez la résolution, les mauvaises réponses, la qualité du transfert et le modèle de coût.

Ce guide s'adresse aux responsables de l'expérience client, du produit et de l'informatique qui entendent « chatbot », « IA conversationnelle » et « agent IA » employés comme s'il s'agissait de la même chose et doivent décider quoi acheter ou construire. Vous y trouverez des définitions claires, une comparaison des trois types, les garde-fous dont chacun a besoin et une liste de contrôle pour évaluer les fournisseurs.

Quelle est la différence entre IA conversationnelle et chatbot ?

Un chatbot est un logiciel qui converse avec des personnes via une interface de chat, souvent en suivant des règles fixes. L'IA conversationnelle est la technologie de langage qui permet à un logiciel de comprendre des messages libres et de répondre naturellement tout en gardant le contexte.

Les termes se recoupent parce qu'un même produit peut être les deux. La bonne façon d'y penser :

  • Chatbot décrit l'interface et la mission : un bot dans WhatsApp ou sur un site web.
  • IA conversationnelle décrit la technologie : compréhension du langage naturel, gestion du dialogue et, de plus en plus, grands modèles de langage.

Tout système d'IA conversationnelle qui parle à des clients est aujourd'hui appelé chatbot au sens large, mais tous les chatbots n'utilisent pas l'IA conversationnelle. Un bot à menu qui affiche « 1. Suivre ma commande, 2. Parler à un conseiller » est un chatbot sans aucune IA. Notre glossaire définit chatbot, IA conversationnelle et agent IA.

Quels sont les trois types : à règles, NLU et agents à base de LLM ?

En pratique, il y a trois niveaux. Chacun comprend le langage différemment, ce qui détermine son comportement, sa construction et ses points de défaillance.

Qu'est-ce qu'un chatbot à règles ?

Un chatbot à règles suit un arbre de décision : boutons, menus, mots-clés et réponses fixes. Il fait exactement ce que vous avez conçu, et rien d'autre.

Il est prévisible et facile à auditer. Il échoue quand le client écrit quelque chose que vous n'aviez pas anticipé, et il ne peut pas combiner deux questions dans un message.

Qu'est-ce qu'un bot NLU par intentions ?

Un bot NLU (compréhension du langage naturel) classe un message dans une intention, comme « statut de commande » ou « demande de retour », et en extrait des éléments comme un numéro de commande. Chaque intention correspond à une réponse ou à un parcours conçu.

Il gère des formulations variées, et vous contrôlez toujours les réponses. Le travail consiste à définir les intentions, à fournir des exemples d'entraînement et à les tenir à jour. Les messages qui ne correspondent à aucune intention exigent un repli acceptable.

Qu'est-ce qu'un agent IA à base de LLM ?

Un agent IA à base de LLM utilise un grand modèle de langage pour comprendre le message, décider quoi faire, récupérer du contenu approuvé, appeler des outils (par exemple une recherche de commande) et rédiger la réponse. Il peut gérer des questions en plusieurs parties et des formulations inhabituelles.

Sa souplesse est aussi son risque : le modèle peut produire une mauvaise réponse très fluide s'il n'est pas ancré. C'est pourquoi les garde-fous ne sont pas facultatifs. Voir les agents IA WhatsApp pour le service client pour la conception complète.

Comment les trois se comparent-ils ?

Les bots à règles donnent le contrôle, les bots NLU donnent de la souplesse avec contrôle, et les agents LLM donnent le plus de souplesse avec le plus grand besoin de protections. Les modèles de coût sont énoncés qualitativement car ils dépendent du fournisseur et de votre volume.

Critère Bot à règles Bot NLU par intentions Agent IA à base de LLM
Façon de comprendre Boutons, mots-clés Classification d'intentions Modèle de langage avec contexte
Effort de mise en place Faible ; concevoir les parcours Moyen ; définir et entraîner les intentions Moyen ; organiser contenu, outils et tests
Souplesse Faible Moyenne Élevée
Gère deux questions dans un message Non Parfois En général
Prévisibilité La plus élevée Élevée Plus faible ; exige des tests
Risque principal Impasses Intention mal classée Mauvaises réponses plausibles
Maintenance Mettre à jour les parcours Réentraîner et étendre les intentions Mettre à jour les connaissances, examiner les journaux
Modèle de coût En général un forfait de plateforme ou par poste Forfait de plateforme, parfois par conversation Souvent à l'usage : il augmente avec la longueur des conversations et le volume
Idéal pour Menus, confirmations, FAQ à peu de réponses FAQ de taille moyenne et routage Questions variées, longue traîne, aide en plusieurs étapes

Quand chaque type convient-il ?

Choisissez le niveau le plus simple qui couvre la tâche, puis ajoutez de l'intelligence là où les règles s'arrêtent.

  1. Utilisez un bot à règles pour les confirmations de rendez-vous, la confirmation du paiement à la livraison, les parcours d'opt-in et le routage « tapez 1 ». Ces tâches ont un petit nombre de bonnes réponses.
  2. Utilisez un bot NLU quand vous avez 20 à 50 intentions récurrentes et voulez du texte libre, mais que chaque réponse doit être approuvée mot pour mot.
  3. Utilisez un agent à base de LLM quand la longue traîne de questions est vaste, que les réponses se trouvent dans des documents et que vous pouvez lui donner des outils pour les données en direct, comme le statut de commande.
  4. Combinez-les. Un schéma courant : parcours fixes pour les transactions (paiements, confirmations) et agent pour les questions ouvertes, avec un humain derrière les deux. Notre guide du chatbot sans code montre comment construire la première couche.

Commencez par les 10 à 20 principales intentions en volume. Si vous ne pouvez pas les nommer, vous n'êtes pas prêt à choisir un niveau.

Que dit la politique de Meta sur les chatbots IA sur WhatsApp ?

Meta autorise l'automatisation pour votre propre service client, attend un accès clair à des personnes et restreint les fournisseurs d'IA dont l'IA est le produit principal proposé via la plateforme. La formulation exacte est celle de Meta, et ceci n'est pas un avis juridique.

Trois points tirés des documents de Meta, vérifiés le 3 novembre 2026 :

  • Automatisation et escalade. La WhatsApp Business Messaging Policy indique que vous pouvez utiliser l'automatisation pour répondre pendant la fenêtre de 24 heures et devez aussi disposer de « voies d'escalade rapides, claires et directes » (« prompt, clear, and direct escalation paths »), comme le transfert vers un conseiller humain dans la conversation, le téléphone, l'e-mail, le support web ou des visites en magasin.
  • Fournisseurs d'IA. La section 4.7 des Meta Terms for WhatsApp Business Platform indique que les fournisseurs et développeurs de technologies d'IA ou d'apprentissage automatique ne peuvent accéder à la plateforme ni l'utiliser, directement ou indirectement, lorsque ces technologies constituent la fonctionnalité principale, et non accessoire ou annexe, mise à disposition, selon l'appréciation de Meta. Une entreprise peut garder un fournisseur d'IA comme Solution Provider, mais ne peut pas permettre que des données de la plateforme servent à entraîner ou améliorer d'autres modèles d'IA. La page que nous avons lue a été mise à jour le 23 septembre 2026.
  • La fenêtre. Les réponses libres sont possibles tant que la fenêtre de service client de 24 heures est ouverte ; une fois fermée, seuls les modèles approuvés peuvent être envoyés.

Demandez à chaque fournisseur comment il respecte la section 4.7, si vos données entraînent des modèles et où le transfert est disponible. Notre guide de l'agent IA détaille la politique.

De quels garde-fous une IA conversationnelle a-t-elle besoin ?

Les garde-fous appartiennent au système qui entoure le modèle, pas seulement à une consigne. Plus le niveau est souple, plus il en faut.

Garde-fou Rôle S'applique à
Ancrage dans du contenu approuvé Répond uniquement à partir des politiques, des faits produit et d'extraits approuvés NLU et LLM
Données en direct via des outils Statut de commande et réservations viennent de vos systèmes, pas de la mémoire du modèle LLM
Limites de périmètre Refuse les sujets hors service client Tous
Transfert vers un humain Transfère avec le résumé de la conversation sur demande, après des échecs répétés ou sur des sujets sensibles Tous
Limites d'action Remboursements, changements de prix et déclarations juridiques ou médicales exigent une validation humaine LLM
Minimisation des données L'agent ne voit que ce que la tâche exige ; numéros de carte et pièces d'identité restent exclus Tous
Journalisation Chaque message et appel d'outil est conservé pour l'audit et l'examen Tous
Tests et supervision Tester sur des conversations réelles avant le lancement, examiner les échecs chaque semaine Tous

Voir le transfert du chatbot vers un humain pour les déclencheurs de transfert et transfert vers un humain dans le glossaire.

Comment évaluer les fournisseurs d'IA conversationnelle ?

Évaluez avec vos propres conversations dans un pilote, pas avec une démo scénarisée. Un fournisseur qui ne peut pas faire passer vos vrais messages dans son système avant l'achat cache quelque chose.

Utilisez cette liste de contrôle :

  1. Langues. Lesquelles sont prises en charge, et ont-elles été testées avec vos dialectes et vos messages multilingues (par exemple arabe et anglais) ?
  2. Ancrage. À quel contenu l'agent est-il limité et comment est-il mis à jour ?
  3. Outils. Quels systèmes peut-il lire ou modifier, et avec quelles permissions ? Prend-il en charge des standards ouverts comme le Model Context Protocol ? Voir le serveur MCP WhatsApp pour agents IA.
  4. Transfert. Le conseiller humain voit-il l'historique complet et un résumé dans la boîte de réception partagée ?
  5. Journalisation et confidentialité. Que stocke-t-on, où, combien de temps, et vos données servent-elles à entraîner des modèles ?
  6. Conformité WhatsApp. Comment le fournisseur gère-t-il la politique de Meta et la section 4.7 ?
  7. Déploiement. SaaS, cloud privé ou sur site sont-ils disponibles si votre secteur l'exige ?
  8. Mesure. Rapporte-t-il la résolution, le taux de transfert, les mauvaises réponses et la satisfaction client ?
  9. Modèle de coût. Est-il par poste, par conversation ou à l'usage, et que se passe-t-il au pic de volume ? Demandez le modèle complet par écrit.
  10. Pilote. Pouvez-vous tester 200 conversations passées et examiner ensemble les échecs ?

Comment mesurer si cela fonctionne ?

Mesurez les résultats, pas le nombre de conversations. Un bot qui détourne des clients qui appellent ensuite le centre d'appels n'a pas fonctionné.

  • Taux de résolution automatisée : conversations closes sans humain et sans nouveau contact dans les jours suivants.
  • Taux de transfert et motifs : les intentions que le bot n'a pas su traiter.
  • Réponses incorrectes ou dangereuses : examinées sur un échantillon hebdomadaire.
  • CSAT séparé entre conversations gérées uniquement par le bot et assistées par un humain, comme décrit dans notre guide CSAT, NPS et CES.
  • Délai de première réponse et délai de résolution par canal, comme dans le guide du délai de première réponse.

Quelles sont les erreurs courantes ?

  • Acheter de l'« IA » pour un problème de bot à menu. Si cinq parcours couvrent le volume, commencez par là.
  • Aucun transfert vers un humain. Cela contrevient à l'attente de voies d'escalade de Meta et frustre les clients.
  • Lancer sur « répond à tout ». Restreignez d'abord le périmètre, puis élargissez chaque semaine à partir des conversations en échec.
  • Des connaissances périmées. Un agent ancré sur la politique de retour de l'an dernier répond avec assurance, et à tort.
  • Ignorer les modèles hors fenêtre. Un agent ne peut pas envoyer de messages libres après la fermeture de la fenêtre de 24 heures ; les rappels exigent des modèles approuvés.

Comment OmniChannels.ai vous aide

OmniChannels.ai propose des chatbots et des agents IA via BroadNet AI : compréhension de l'anglais et de l'arabe, transfert vers un conseiller humain, mémoire persistante, usage d'outils via MCP et orchestration multi-agents. Ils peuvent fonctionner en SaaS, en cloud privé ou sur site, sur WhatsApp, le chat web, la voix et d'autres canaux. Les conversations arrivent dans une seule boîte de réception avec l'historique complet. BroadNet est un Meta Business Solution Provider officiel, et notre équipe prépare avec vous l'intégration WhatsApp. Réservez une démo et apportez vos vraies conversations.

Questions fréquentes

Quelle est la différence entre IA conversationnelle et chatbot ?

Un chatbot est un programme qui dialogue avec les utilisateurs via une interface de chat, souvent en suivant des règles fixes. L'IA conversationnelle est la technologie qui permet à un logiciel de comprendre et de générer du langage naturel et de conserver le contexte. Un chatbot peut être construit sans IA conversationnelle (menus et mots-clés), et l'IA conversationnelle peut alimenter la voix, le chat et d'autres interfaces, pas seulement des chatbots.

ChatGPT est-il un chatbot ou une IA conversationnelle ?

Un assistant généraliste de ce type est une IA conversationnelle fournie via une interface de chat. Pour le service client, vous n'exposeriez pas directement un modèle généraliste. Un agent d'entreprise doit répondre à partir de contenu approuvé, utiliser des outils limités et escalader vers une personne : c'est un choix de conception autour du modèle, et non le modèle seul.

Les agents à base de LLM sont-ils meilleurs que les chatbots à règles ?

Aucun n'est meilleur en général. Les bots à règles sont prévisibles et simples à raisonner pour des tâches étroites comme les menus et les confirmations. Les agents à base de LLM gèrent des formulations variées et des questions en plusieurs étapes, mais exigent ancrage, tests et supervision, car ils peuvent produire de mauvaises réponses. Beaucoup d'équipes les combinent : des parcours fixes pour les transactions, un agent pour les questions ouvertes.

Puis-je utiliser un chatbot IA sur WhatsApp Business ?

En général oui, pour votre propre service client. La WhatsApp Business Messaging Policy de Meta autorise l'automatisation dans la fenêtre de 24 heures et attend des voies d'escalade claires. La section 4.7 des conditions de la WhatsApp Business Platform de Meta restreint les fournisseurs d'IA et d'apprentissage automatique lorsque leur technologie est la fonctionnalité principale proposée. Lisez les conditions en vigueur et demandez à votre fournisseur comment il s'y conforme.

Comment empêcher un agent IA de donner de mauvaises réponses ?

Vous réduisez le risque, vous ne pouvez pas le supprimer. Ancrez les réponses dans des documents approuvés, récupérez les faits en direct via des outils plutôt que dans la mémoire du modèle, autorisez le « je ne sais pas » et le transfert, limitez les actions possibles, testez sur des conversations réelles avant le lancement et examinez les journaux chaque semaine. Gardez remboursements, déclarations juridiques et médicales derrière une validation humaine.

Que demander à un fournisseur pour évaluer une IA conversationnelle ?

Demandez quelles langues sont prises en charge et testées, sur quel contenu l'agent est ancré, comment fonctionnent le transfert et la transmission du contexte, ce qui est journalisé, si vos données de conversation servent à entraîner des modèles, comment il respecte la politique de WhatsApp et comment le modèle de coût évolue avec le volume. Faites un pilote sur vos propres conversations passées.

Sources

  1. WhatsApp Business Messaging Policy
  2. Meta Terms for WhatsApp Business Platform (section 4.7, AI Providers)
  3. Send messages and the customer service window: WhatsApp Business Platform, Meta for Developers
  4. Model Context Protocol specification