Comment Thunai automatise le support client avec des agents IA (et ce que cela signifie pour votre SaaS B2B)

Les équipes de support client sont sous pression. Le volume de tickets augmente de 20 % chaque année, tandis que les effectifs restent stables. Les clients exigent des réponses instantanées et personnalisées 24 heures sur 24. Pour les entreprises SaaS B2B, chaque réponse retardée érode la rétention et les revenus d'expansion. Thunai, une entreprise technologique en pleine croissance, a été confrontée à ce défi jusqu'à ce qu'elle repense son support autour d'agents IA et de flux de données événementiels avec IBM Confluent.

Le résultat ? Une fonction de support qui a triplé sans ajout de personnel, une réduction spectaculaire du temps de résolution et un score CSAT dépassant les 94 %. Mais la véritable histoire ne concerne pas seulement la technologie : elle montre comment la connexion de flux de données en temps réel à la prise de décision par IA transforme le service client, d'un centre de coûts en un moteur de croissance. Cet article décortique l'approche de Thunai et offre aux responsables du support B2B un guide concret pour reproduire ces résultats.

Pourquoi les piles de support traditionnelles se brisent à grande échelle

La plupart des équipes de support SaaS commencent avec un helpdesk, une base de connaissances et quelques macros. Cela fonctionne pour 200 tickets par mois. À 2 000, des fissures apparaissent. À 20 000, le système s'effondre. Les responsables du support sont confrontés à trois problèmes interconnectés :

• Silos de données : Le contexte client vit dans le CRM, les données d'utilisation du produit dans l'outil d'analyse, les conversations passées dans un système de tickets distinct. Les agents basculent entre cinq onglets rien que pour comprendre un problème.
• Flux de travail réactifs : Les équipes attendent que les clients signalent les problèmes. Lorsqu'un agent intervient, la frustration est déjà installée.
• Goulots d'étranglement des connaissances : Les 20 % d'agents les plus compétents répondent à 80 % des questions complexes. Lorsqu'ils ne sont pas disponibles, les délais de résolution explosent et la cohérence diminue.

Thunai a reconnu que pour résoudre le support à grande échelle, il fallait repenser la couche de données, pas seulement l'interface de tickets. Ils se sont tournés vers IBM Confluent pour unifier les événements en temps réel, et ont construit des agents IA capables d'interpréter et d'agir instantanément sur ces données.

L'épine dorsale des données : pourquoi le streaming en temps réel change tout

IBM Confluent fournit une plateforme de streaming d'événements en temps réel basée sur Apache Kafka. Au lieu d'interroger les bases de données chaque nuit, chaque action client, changement de compte, utilisation de fonctionnalité produit, mise à jour de facturation, journal d'erreur, circule sous forme d'événement en millisecondes. Pour le support, cela signifie qu'un agent IA peut savoir qu'un client vient de rencontrer un échec de paiement ou une intégration défaillante avant même que le client n'écrive un mot.

Thunai a mis en œuvre l'architecture événementielle suivante :

1. Producteurs d'événements : Chaque microservice de leur produit SaaS et système opérationnel (CRM, facturation, surveillance) publie des événements sur des sujets Confluent.
2. Traitement de flux : ksqlDB et des processeurs de flux personnalisés enrichissent les événements, en faisant correspondre une erreur produit au plan du client, à son statut contractuel et à son historique de support récent, et produisent un enregistrement structuré de « situation client ».
3. Déclencheur d'agent IA : Lorsqu'une situation répond à des critères prédéfinis (par exemple, « client entreprise sur plan Pro rencontre un pic d'erreurs API »), l'agent IA est invoqué automatiquement.

Cette architecture fait passer le modèle de support du réactif au proactif. Au lieu d'attendre un ticket, le système détecte un problème et initie une séquence de résolution.

Les agents IA en action : le flux de travail de Thunai

Avec une image riche et en temps réel du client, les agents IA de Thunai opèrent à trois niveaux :

Niveau 1 : Détection automatisée et engagement sortant

Lorsqu'un paiement client échoue, l'agent IA déclenche un message in-app ou un e-mail contenant un lien sécurisé pour mettre à jour les informations, avant la suspension de l'abonnement. Pour les problèmes techniques connus, il envoie un message personnalisé : « Nous avons remarqué trois erreurs de délai d'attente depuis votre compte au cours de la dernière heure. Notre équipe d'ingénierie est au courant ; voici une solution de contournement que vous pouvez appliquer maintenant. »

« Nous sommes passés de la lutte contre les incendies de tickets à leur prévention. Les agents IA interceptent désormais 43 % des problèmes qui seraient devenus des tickets de support. », Responsable des opérations client de Thunai

Niveau 2 : Résolution conversationnelle avec raisonnement basé sur LLM

Si un client contacte le support, l'agent IA est déjà conscient du contexte. Il a accès aux événements récents du client, à l'historique complet des conversations, à la documentation produit et aux solutions passées qui ont fonctionné pour des profils similaires. En utilisant un modèle de génération augmentée par récupération (RAG), l'agent fournit une réponse précise ou effectue une séquence d'actions API, comme renvoyer une clé de licence, mettre à jour un paramètre de configuration ou accorder un accès temporaire, tout en tenant le client informé en langage naturel.

Niveau 3 : Escalade intelligente avec transfert de contexte complet

Lorsque l'agent IA détermine qu'un problème nécessite un jugement humain (par exemple, des questions complexes de conformité légale ou un dépannage nuancé), il transfère le dossier à un spécialiste. Mais le transfert est révolutionnaire : l'agent humain reçoit un briefing complet, un résumé de la situation, les étapes déjà entreprises par l'IA, les détails pertinents du compte et une action suggérée, le tout condensé dans un panneau concis. Le temps moyen de prise en main passe de 8 minutes à moins de 30 secondes.

Impact commercial mesurable : les chiffres qui comptent

La preuve est dans les métriques. En six mois après le déploiement d'agents IA alimentés par des flux d'événements en temps réel, Thunai a documenté :

• 61 % de déviation des tickets : Une majorité de demandes ont été résolues via des actions sortantes automatisées ou en libre-service, guidées par des conseils proactifs déclenchés par l'IA.
• Le temps de première réponse moyen est passé de 8,2 heures à 2,1 minutes. Cela inclut les tickets ayant finalement nécessité une assistance humaine, car les agents IA ont fourni un accusé de réception instantané et souvent une résolution partielle.
• Le CSAT est passé de 78 % à 94 %. Les clients ont systématiquement cité le « service anticipatif » comme raison de l'amélioration des scores de satisfaction.
• Le coût par ticket a chuté de 64 %. En déplaçant le travail de niveau 1 et la plupart du niveau 2 vers l'IA, les spécialistes humains se sont concentrés sur les interactions à forte valeur ajoutée, améliorant l'efficacité et la satisfaction au travail.

La tendance à la baisse du volume de tickets montre l'effet cumulatif : à mesure que les agents IA devenaient plus précis et que la couche de traitement des événements mûrissait, moins de problèmes atteignaient la file d'attente du support, et ceux qui y parvenaient étaient plus simples à résoudre.

Notamment, l'amélioration du CSAT n'était pas un pic ponctuel. Elle a continué à augmenter à mesure que le système apprenait de chaque interaction, alimentant davantage le cercle vertueux. Et lorsque l'on rapporte ce gain au chiffre d'affaires d'expansion, les entreprises B2B avec un CSAT supérieur à 90 % constatent une amélioration de la rétention nette du chiffre d'affaires de 10 à 15 points de pourcentage, le retour sur investissement devient clair.

Le Guide : Comment les responsables du support peuvent adopter ce modèle

Le succès de Thunai n’était pas un projet « big bang ». Ils ont suivi une approche par étapes et mesurée que tout responsable du support peut reproduire. Voici un cadre pratique :

Phase 1 : Cartographiez votre trinité d'événements (Semaines 1‑2)

Identifiez les trois catégories d'événements qui influencent le plus l'expérience client :

• Événements produit : codes d'erreur, utilisation des fonctionnalités, anomalies de disponibilité.
• Événements de compte : changements de forfait, échecs de facturation, intégration de nouveaux utilisateurs.
• Événements d'interaction : tickets de support récents, scores NPS, publications dans la communauté.

Commencez par seulement cinq événements à fort impact, comme un échec de paiement, une erreur critique sur un palier payant, ou un client qui se désabonne. Connectez-les à une couche de streaming légère (Kafka, Confluent, ou même un bus basé sur des webhooks).

Phase 2 : Définissez les déclencheurs d'action et les réponses des agents (Semaines 3‑4)

Pour chaque événement, concevez un playbook « si ceci, alors cela » :

• Quelle condition déclenche un agent IA ? (par ex., « taux d'erreur > seuil sur un compte entreprise »)
• Quelle est la meilleure voie de résolution ? (Envoyer un article de base de connaissances, redémarrer le service, planifier un appel avec le CSM)
• Quelle solution de repli garantit qu'aucun client n'est laissé en plan ? (Escalader avec le contexte complet après deux tentatives infructueuses de l'IA)

Utilisez des plateformes IA low-code pour construire ces agents sans écrire de code backend. Les outils modernes vous permettent de connecter des données par glisser-déposer, de définir des flux conversationnels et de vous intégrer directement à des helpdesks comme Zendesk ou Intercom.

Phase 3 : Mesurez, Apprenez et Développez (en continu)

Suivez les mêmes indicateurs qu'utilisait Thunai : taux de détournement de tickets, délai de première réponse, CSAT, coût par ticket, dans un tableau de bord unifié. Examinez les 20 conversations gérées par l'IA les plus importantes chaque semaine pour repérer les lacunes. Élargissez la couverture des événements et la sophistication des agents par sprints de deux semaines.

« La plus grande erreur est d'essayer de tout automatiser à la fois. Commencez par les 20 % de problèmes qui causent 80 % du volume, maîtrisez-les, puis développez-vous. », Conseiller en opérations de support

Où Successly intervient : Accélérer votre parcours d'agent IA

L'architecture de Thunai nécessitait une expertise approfondie de Kafka et des mois de développement sur mesure. Mais les principes n'exigent pas ce niveau d'investissement en ingénierie. Successly propose une plateforme d'automatisation du support IA spécialement conçue, qui se connecte déjà à vos analytics produit, CRM, facturation et helpdesk, ingérant les mêmes événements en temps réel dont Thunai dépendait, sans avoir à gérer vous-même une infrastructure de streaming.

Les agents IA de Successly sont pré-entraînés sur les schémas de support B2B, vous bénéficiez donc d'une détection prête à l'emploi des échecs de paiement, des abandons d'onboarding et des erreurs produit courantes. Et comme il s'intègre aux outils que vous utilisez déjà, vous pouvez passer du pilote à la production complète en semaines, et non en trimestres. Les équipes qui adoptent Successly constatent généralement :

• 50‑65 % de détournement de tickets dans les 90 premiers jours
• Des délais de première réponse inférieurs à une minute pour les interactions gérées par l'IA
• Plus de 90 % de CSAT sur les conversations automatisées

Conclusion : Transformez le support en un avantage concurrentiel stratégique

L'histoire de Thunai avec IBM Confluent et les agents IA est un modèle de ce que le support moderne peut accomplir. En traitant chaque signal client comme une opportunité de service, ils ont transformé un centre de coûts réactif en un moteur de fidélité et de croissance. Pour les leaders SaaS B2B, la leçon est claire : le fondement d'un excellent support IA n'est pas un chatbot plus intelligent, mais un pipeline de données plus intelligent. Avec des plateformes comme Successly, vous pouvez déployer ce pipeline et les agents intelligents qui le surplombent, sans le lourd investissement en ingénierie.

Vos clients émettent déjà les signaux qui déterminent leur succès et leur désabonnement. Êtes-vous à l'écoute ?