Développement d’un agent IA conversationnel pour automatiser le support client de TheFork

Dans un contexte de forte croissance des usages, TheFork cherchait à automatiser une partie de son support client afin de réduire la charge pesant sur les équipes Customer Care tout en maintenant une expérience fluide pour les utilisateurs.

Les premiers travaux autour de l’IA ont démarré via un POC conversationnel dédié à la prospection de restaurateurs. Cette première expérimentation a permis de valider rapidement la capacité des équipes à construire des systèmes basés sur des LLM, mais aussi de structurer les briques techniques nécessaires autour de l’orchestration conversationnelle, de la gestion de latence et de l’intégration métier.

À partir de ces apprentissages, un nouveau besoin a émergé côté SAV : concevoir un agent IA capable de traiter automatiquement certains cas de support — notamment liés aux compensations clients lors d’annulations — sans modifier l’expérience utilisateur existante.

Les équipes Eleven Labs ont conçu un agent conversationnel IA directement intégré au système de chat Salesforce déjà utilisé par TheFork. L’objectif était de rendre l’automatisation quasiment invisible pour l’utilisateur final, avec des interactions les plus naturelles possibles.

L’architecture mise en place repose sur une approche agentique combinant LLM, Node.js, Salesforce, MCP (Model Context Protocol) et des mécanismes d’observabilité avancés. Un serveur MCP développé en Node.js permet d’exposer dynamiquement les outils métier nécessaires au fonctionnement de l’agent sous forme d’API interrogeables à la demande.

Plusieurs tools métier ont été construits afin de récupérer les données nécessaires au traitement des demandes : réservations, historiques, statuts ou règles métier. L’agent peut ainsi croiser plusieurs sources d’informations pour décider automatiquement si une compensation peut être accordée ou si le cas doit être ré-escaladé vers un humain.

Un travail important a également été réalisé autour de l’authentification et des permissions. Plutôt qu’un mécanisme d’impersonnification, les équipes ont mis en place un système hybride combinant machine-to-machine et délégation des droits utilisateur afin de garantir traçabilité, conformité et sécurité.

Enfin, une couche complète d’observabilité et de monitoring a été intégrée afin de tracer l’ensemble du flux conversationnel, depuis la requête utilisateur jusqu’à la réponse générée par l’agent. Cette approche permet d’analyser précisément le comportement du système et d’améliorer progressivement les performances du modèle.

L’agent IA SAV a traité environ 5 000 cas durant les premiers mois d’exploitation, avec seulement 15 à 20 % des demandes ré-escaladées vers des agents humains. Le système permet aujourd’hui de désengorger les équipes Customer Care en automatisant les cas simples tout en maintenant un bon niveau de qualité de traitement.

L’architecture mise en place ouvre également la voie à de nouveaux usages. Des expérimentations sont déjà en cours côté restaurateurs afin de leur permettre de piloter certaines actions métier directement via le chat, comme la gestion des disponibilités ou l’ouverture de créneaux.