Comment Nous Avons Réduit les Tickets de Support de 33 % Grâce à une Recherche Produit Basée sur le RAG

Le problème

FreshCart, une plateforme d'épicerie en ligne en pleine croissance, recevait un type de ticket de support très spécifique : « Avez-vous du lait d'avoine sans gluten ? », « Cette lessive est-elle sans danger pour les bébés ? », « Par quoi remplacer la pâte de tamarin ? ». Leur moteur de recherche par mots-clés ne pouvait répondre à aucune de ces questions, alors les clients abandonnaient et contactaient le support. L'équipe support grossissait plus vite que le chiffre d'affaires.

Pourquoi la recherche par mots-clés ne suffisait pas

La recherche classique compare des chaînes de caractères. Elle ne comprend pas des notions comme « similaire à », « sans danger pour » ou « à remplacer par ». Chacune de ces questions exigeait que le système comprenne réellement le catalogue produit — ingrédients, allergènes, usages — et pas seulement qu'il compare du texte à des titres.

Ce que nous avons construit

Nous avons conçu un pipeline de génération augmentée par récupération (RAG) entre le client et le catalogue produit :

• Couche d'embeddings : chaque description produit, liste d'ingrédients et avis client est découpée puis transformée en vecteurs, mis à jour à chaque modification du catalogue.
• Étape de récupération : les requêtes clients sont converties en vecteurs et comparées aux entrées les plus proches du catalogue, avec leurs métadonnées structurées (allergènes, régimes, disponibilité).
• Étape de génération : un LLM transforme ce contexte récupéré en réponse directe et conversationnelle, recommandant un vrai produit de substitution en stock.
• Garde-fous : le système ne répond qu'à partir des données récupérées du catalogue. En l'absence de résultat pertinent, il transfère la conversation à un agent humain plutôt que d'inventer une réponse.

Le résultat

Un mois après le lancement, les tickets de support liés aux produits ont chuté d'environ un tiers. Les clients obtenaient leur réponse directement dans la barre de recherche au lieu de contacter le support, et les tickets qui atteignaient encore un agent humain étaient à plus forte valeur ajoutée — ceux qui nécessitaient réellement une personne.

Pourquoi c'est pertinent au-delà de l'épicerie

Ce schéma s'applique à toute entreprise disposant d'un catalogue vaste et structuré : documentation SaaS, annonces immobilières, produits financiers, référentiels médicaux. Si votre équipe support répond sans cesse au même type de question, il y a de bonnes chances que le RAG puisse y répondre directement au moment de la recherche.

Si votre recherche produit ou votre flux de support ressemble à cela, contactez-nous — un court appel suffit généralement pour déterminer si le RAG est la bonne solution avant de vous engager dans un développement.