Le support client entre dans une nouvelle phase. Après les chatbots scriptés, puis les assistants capables de suggérer des réponses, les entreprises se tournent désormais vers des agents IA capables de comprendre une demande, consulter des informations métier, déclencher des actions et assister les équipes humaines dans des processus complets.
Dans cette évolution, la collaboration entre Zendesk, Anthropic et AWS marque une étape importante. Zendesk, plateforme majeure de relation client, s’appuie notamment sur les modèles Claude d’Anthropic via Amazon Bedrock pour proposer des expériences client augmentées par l’IA. L’enjeu n’est plus simplement de répondre plus vite à un ticket : il s’agit de construire une organisation de support plus fluide, plus personnalisée et plus efficace.
Pour les entreprises, cette dynamique ouvre des perspectives concrètes : réduction du temps de traitement, meilleure qualité de réponse, automatisation de workflows, assistance aux conseillers, analyse des interactions et connexion aux systèmes internes. Mais elle impose aussi une approche structurée : gouvernance des données, choix des modèles, supervision humaine, sécurité et mesure de la performance.
Claude et Zendesk : de quoi parle-t-on exactement ?
Zendesk est une plateforme de gestion de la relation client utilisée pour centraliser les demandes, organiser les tickets, automatiser certains traitements et accompagner les équipes support sur différents canaux : email, chat, messagerie, téléphone, centre d’aide ou applications métiers.
Claude, de son côté, est une famille de modèles d’IA développée par Anthropic. Ces modèles sont conçus pour comprendre des instructions, analyser de longs contextes, produire des réponses structurées, raisonner sur des informations complexes et interagir avec des outils. Dans le cadre de Zendesk, Claude peut contribuer à plusieurs usages : résumé de tickets, suggestion de réponses, classification, extraction d’informations, analyse de sentiment, génération de contenus ou exécution de workflows via des agents.
La collaboration annoncée entre Zendesk, Anthropic et AWS vise à rendre ces capacités accessibles dans un environnement cloud adapté aux entreprises. En pratique, Claude peut être mobilisé via Amazon Bedrock, le service d’AWS qui permet d’accéder à plusieurs modèles de fondation tout en bénéficiant de mécanismes de sécurité, d’intégration et de gouvernance propres aux environnements professionnels.
Point clé : Claude n’est pas seulement un moteur de conversation dans Zendesk. Il devient un composant d’infrastructure IA capable d’aider à orchestrer des processus de support plus avancés.
Des résultats déjà significatifs sur les agents personnalisés
Le cas client officiel publié par Anthropic met en avant des chiffres particulièrement parlants. Zendesk aurait construit des agents personnalisés sur Claude, avec 1 million d’exécutions d’agents en sept semaines pendant une phase d’accès anticipé. Certains clients auraient également constaté jusqu’à 80 % de réduction du temps de traitement humain sur des cas d’usage spécifiques.
Ces chiffres doivent être lus avec discernement. Ils ne signifient pas que toutes les entreprises réduiront immédiatement leur charge support de 80 %. Les gains dépendent fortement de la qualité de la base de connaissance, de la maturité des processus, du volume de tickets, du niveau de complexité des demandes et du degré d’intégration avec les systèmes internes.
Mais ils illustrent une tendance forte : lorsque l’IA est connectée aux bons workflows, elle ne se limite plus à fournir une aide ponctuelle. Elle peut absorber une partie importante des tâches répétitives, réduire les allers-retours, accélérer la qualification des demandes et permettre aux équipes humaines de se concentrer sur les cas complexes ou sensibles.
Exemple concret : traitement d’une demande de remboursement
Dans un modèle traditionnel, une demande de remboursement peut nécessiter plusieurs étapes : lecture du ticket, vérification de la commande, consultation de la politique commerciale, demande d’informations complémentaires, validation interne, puis réponse au client.
Avec une approche agentique, un agent IA peut préqualifier la demande, identifier le client, vérifier les éléments disponibles, repérer si la demande respecte les règles définies, rédiger une proposition de réponse et, selon les autorisations, préparer ou déclencher l’action dans l’outil métier. Le conseiller conserve la main sur les cas sensibles ou les validations finales, mais le temps opérationnel est fortement réduit.
Du chatbot au workflow agentique
Pendant longtemps, l’IA dans le support client a été associée aux chatbots. Ceux-ci suivaient souvent des arbres de décision prédéfinis : si le client pose telle question, proposer telle réponse. Cette logique reste utile pour des demandes simples, mais elle atteint vite ses limites dès que le contexte devient spécifique.
La nouvelle génération d’IA, illustrée par l’intégration de Claude dans Zendesk, introduit une approche plus souple. L’agent IA peut interpréter une demande formulée en langage naturel, retrouver les informations pertinentes, adapter son raisonnement au contexte, puis proposer ou exécuter une action.
Cette évolution est centrale. Les entreprises ne cherchent plus seulement à automatiser des réponses, mais à automatiser des processus. Autrement dit, l’IA doit être capable de passer d’une intention client à une résolution opérationnelle.
Ce que change l’approche agentique
- Compréhension du contexte : l’IA analyse l’historique du ticket, les échanges précédents et les données disponibles.
- Raisonnement métier : elle applique des règles, identifie les exceptions et propose une marche à suivre.
- Connexion aux outils : elle peut interagir avec un CRM, un outil de facturation, une base documentaire ou un système interne.
- Orchestration : elle enchaîne plusieurs étapes au lieu de produire une simple réponse isolée.
- Escalade intelligente : elle transmet au bon interlocuteur lorsque le cas dépasse son périmètre ou présente un risque.
Pour une direction support, la différence est majeure : l’IA ne se contente plus d’assister la conversation, elle contribue à structurer l’exécution du service.
Pourquoi AWS Bedrock joue un rôle important
L’intégration de Claude dans Zendesk via AWS Bedrock répond à une attente forte des entreprises : accéder à des modèles avancés sans perdre le contrôle sur les enjeux de sécurité, de conformité et d’architecture.
Amazon Bedrock permet de mobiliser différents modèles de fondation dans un cadre cloud d’entreprise. Pour des organisations déjà clientes d’AWS, cela simplifie l’intégration avec l’écosystème existant : gestion des accès, politiques de sécurité, supervision, connectivité avec les données et intégration aux applications métiers.
Dans le cas de Zendesk, cette approche permet de proposer des fonctionnalités IA à grande échelle, tout en s’inscrivant dans des standards attendus par les grands comptes. C’est un point essentiel pour les secteurs réglementés ou les entreprises internationales qui doivent arbitrer entre performance, sécurité et conformité.
Une stratégie multi-modèles plutôt qu’un modèle unique
Un point important ressort de la documentation Zendesk : la plateforme ne mise pas exclusivement sur Claude. Zendesk adopte une approche multi-LLM, en s’appuyant sur plusieurs fournisseurs, dont Anthropic, OpenAI, Google, Amazon ou encore certains modèles open source.
Cette stratégie est pragmatique. Aucun modèle n’est optimal pour tous les usages. Certains seront plus performants pour la rédaction, d’autres pour la classification rapide, l’analyse de grands volumes, le coût, la latence, le multilingue ou certaines contraintes de conformité.
Zendesk présente cette logique comme une capacité à utiliser le meilleur modèle pour la bonne tâche. Pour les entreprises, c’est une orientation pertinente : l’enjeu n’est pas de choisir un modèle « à vie », mais de construire une architecture capable d’évoluer.
Exemples d’arbitrages possibles
- Résumé de ticket : privilégier un modèle performant sur la synthèse et le contexte long.
- Classification automatique : choisir un modèle rapide et économique pour traiter de grands volumes.
- Réponse client complexe : utiliser un modèle plus avancé, capable de prendre en compte les règles métier et le ton de marque.
- Données sensibles : sélectionner une configuration répondant à des exigences strictes de confidentialité et de localisation.
- Actions autonomes : réserver les modèles les plus fiables aux workflows à fort impact opérationnel.
Cette logique rejoint une conviction forte chez Mankova Consulting : la performance IA ne dépend pas uniquement du modèle, mais de la qualité du cas d’usage, des données, de l’intégration, des règles de contrôle et de l’adoption par les équipes.
Données, confidentialité et conformité : les questions à poser
Dans un environnement de support client, les données manipulées peuvent être sensibles : identité des clients, historique de commandes, échanges personnels, réclamations, informations contractuelles ou données financières. L’introduction d’un LLM dans Zendesk doit donc être encadrée avec rigueur.
Zendesk indique dans sa documentation adopter une approche multi-fournisseurs et utiliser, pour certains modèles, des endpoints à zero data retention, c’est-à-dire sans conservation des données par le fournisseur du modèle. C’est un élément rassurant, mais qui ne dispense pas les entreprises de vérifier précisément les conditions applicables à leur contrat, leur région, leurs fonctionnalités activées et leurs propres obligations réglementaires.
Les vérifications indispensables
- Quelles données sont envoyées au modèle ? Ticket complet, extraits, métadonnées, pièces jointes, historique client ?
- Où les traitements sont-ils effectués ? Région cloud, sous-traitants, transferts éventuels.
- Les données sont-elles conservées ? Et si oui, combien de temps, par qui et pour quel usage ?
- Les données servent-elles à entraîner les modèles ? Ce point doit être clarifié contractuellement.
- Quels contrôles sont disponibles ? Journalisation, permissions, anonymisation, masquage, supervision.
- Quel niveau de validation humaine est requis ? Selon le risque métier, l’autonomie doit être limitée ou progressive.
Sur ces sujets, l’audit préalable est souvent déterminant. Il permet de cartographier les flux de données, d’identifier les risques et de définir une feuille de route réaliste avant tout déploiement à grande échelle.
MCP, connecteurs et Agent Builder : vers des agents connectés aux outils métier
Les annonces récentes de Zendesk autour de l’Autonomous Service Workforce, de l’Agent Builder et du Model Context Protocol confirment une tendance de fond : les agents IA doivent pouvoir se connecter facilement aux outils de l’entreprise.
Le MCP, popularisé par l’écosystème Anthropic, vise à standardiser la manière dont les modèles accèdent à des sources de données et à des outils externes. Concrètement, au lieu de construire une intégration spécifique pour chaque combinaison outil-modèle, l’entreprise peut s’appuyer sur un protocole plus standard pour connecter les agents IA à leurs environnements métier.
Zendesk a également annoncé une bibliothèque de 40 connecteurs de workflow préconstruits, avec plus de 100 applications supplémentaires prévues d’ici fin 2026, incluant des systèmes comme Claude, Okta ou OneDrive. Cette stratégie est essentielle : la valeur de l’IA agentique dépend directement de sa capacité à accéder aux bons outils, au bon moment, avec les bons droits.
Cas d’usage possibles avec des agents connectés
- Support informatique interne : analyse d’une demande collaborateur, vérification d’identité via Okta, création ou mise à jour d’un ticket.
- Service client e-commerce : consultation du statut de commande, proposition de solution, préparation d’un remboursement ou d’un renvoi.
- Assistance logicielle B2B : diagnostic à partir des logs, recherche dans la documentation, synthèse du problème pour l’équipe technique.
- Gestion documentaire : interrogation de documents internes dans OneDrive ou une base de connaissance pour produire une réponse fiable.
- Escalade commerciale : détection d’un risque de churn et transmission contextualisée au chargé de compte.
Ces exemples montrent que l’IA agentique devient un sujet transversal. Elle concerne le support client, mais aussi l’IT, les opérations, la vente, la conformité et la connaissance interne.
Ce que les entreprises doivent retenir avant de déployer
Les annonces autour de Claude et Zendesk sont prometteuses, mais la réussite d’un projet IA dans le support client repose sur une méthode claire. Les organisations qui obtiennent les meilleurs résultats sont généralement celles qui commencent par des cas d’usage ciblés, mesurables et bien encadrés.
1. Partir des irritants opérationnels
Il est préférable d’identifier les tâches à fort volume ou à faible valeur ajoutée : demandes répétitives, qualification de tickets, résumés d’échanges, tri automatique, réponses standardisées, recherche documentaire. Ces cas permettent de générer rapidement des gains visibles sans exposer l’entreprise à des risques excessifs.
2. Structurer la connaissance
Un agent IA performant dépend de la qualité de ce qu’il consulte. Une base de connaissance obsolète, contradictoire ou incomplète produira des réponses peu fiables. Avant d’automatiser, il faut nettoyer, hiérarchiser et maintenir les contenus métier.
3. Encadrer l’autonomie
Toutes les actions ne doivent pas être automatisées au même niveau. Une réponse informative peut être générée automatiquement, tandis qu’un remboursement, une résiliation ou une décision contractuelle peuvent nécessiter une validation humaine. L’autonomie doit progresser par paliers.
4. Mesurer les bons indicateurs
Le succès ne se limite pas au taux d’automatisation. Il faut suivre le temps moyen de traitement, le taux de résolution au premier contact, la satisfaction client, le taux d’escalade, la qualité des réponses, les corrections humaines et les incidents éventuels.
5. Former les équipes
L’IA transforme le rôle des agents humains. Ils deviennent superviseurs, validateurs, experts de cas complexes et contributeurs à l’amélioration continue. La formation est donc indispensable pour éviter la méfiance, les usages inadaptés ou la dépendance excessive aux suggestions de l’IA.
La vision Mankova Consulting : pragmatisme, gouvernance et résultats
Chez Mankova Consulting, nous observons que les projets IA réussis ne sont pas ceux qui commencent par la technologie, mais ceux qui partent d’un objectif métier clair. Claude, Zendesk, AWS Bedrock, MCP ou les connecteurs de workflow sont des moyens. La question centrale reste : quel problème veut-on résoudre, avec quel niveau de qualité, de sécurité et de retour sur investissement ?
Notre approche combine expertise technique et compréhension métier. Grâce à une équipe issue de grandes entreprises tech et d’ESN, Mankova accompagne les organisations sur plusieurs dimensions : formation et coaching des équipes, audits des usages et des risques, cadrage de cas d’usage, conception de solutions sur mesure ponctuelles et intégration raisonnée de l’IA dans les processus existants.
Cette expertise s’appuie également sur notre expérience d’éditeur de logiciels IA, avec nos solutions Loop & Roll, Hyperstelia, MisterHey, FindTheProspect, Trustelia et TellMeHow. Concevoir nos propres produits nous donne une vision concrète des contraintes de production : qualité des données, expérience utilisateur, supervision, coûts, sécurité, robustesse et adoption.
Conclusion : Claude et Zendesk annoncent le support client augmenté
L’intégration de Claude dans l’écosystème Zendesk illustre une évolution majeure du service client : l’IA passe d’un rôle d’assistant conversationnel à celui de véritable moteur d’orchestration. Les agents IA peuvent désormais comprendre, résumer, proposer, connecter et parfois agir, à condition d’être correctement encadrés.
Les résultats mis en avant par Anthropic et Zendesk montrent un potentiel important, avec des volumes d’exécution élevés et des gains de temps significatifs sur certains cas. Mais la réussite dépendra de la capacité des entreprises à maîtriser leurs données, structurer leurs processus, former leurs équipes et déployer l’autonomie de manière progressive.
À horizon 2026, avec l’essor des agents autonomes, de MCP, des connecteurs préconstruits et des stratégies multi-modèles, le support client devrait devenir plus intégré, plus proactif et plus personnalisé. Pour les organisations, le moment est venu de passer de l’expérimentation isolée à une démarche structurée : identifier les bons cas d’usage, sécuriser les fondations et construire une IA réellement utile aux clients comme aux équipes.