
L'analyse de sentiment IA de Gladly, c'est Signals : vous écrivez un critère de sentiment, et l'IA de Gladly l'applique à un échantillon de sessions passées de chat, SMS et e-mail traitées par l'IA, gratuit pour les clients Gladly AI dans les limites d'usage raisonnable. Elle ne note pas les conversations que vos agents traitent, et elle ne tourne pas en direct. Pour une réaction en direct, vous ajoutez une raison de transfert à la liste « Quand demander plus d'aide » de Gladly AI ; pour les conversations traitées par un agent, il faut un attribut personnalisé ou une application partenaire comme SentiSum, Idiomatic ou SupporTrends.
Mon avis : faites tourner un Signal de sentiment à trois étiquettes sur votre trafic IA, parce que ça ne coûte rien et le raisonnement par session est utile. Ne lisez simplement pas son chiffre comme l'humeur de vos clients : Signals arrête de lire au transfert, et ce qui se passe après, avec une personne, c'est justement là où se jouent les conversations qui ont le plus de chances de mal tourner. Si vous évaluez un helpdesk en partie sur ce critère, le coéquipier IA d'eesel lit tout le fil de chaque ticket dans Zendesk, Freshdesk, Gorgias ou Help Scout et agit selon une règle en langage simple ; il ne se connecte pas à Gladly. Avec le CLI eesel, un agent IA de code peut charger des articles d'aide et des macros approuvés et poser des questions de test avant qu'une connexion ne passe en direct, même si un admin doit toujours approuver la connexion du helpdesk.
Qu'est-ce que l'analyse de sentiment Gladly AI ?
Il n'y a pas de score de sentiment posé sur chaque conversation Gladly, ce qui surprend les gens venant d'autres fonctions Gladly AI. Ce que Gladly a, c'est Signals, une fonction sous Gladly AI qui « utilise l'IA pour évaluer les Sessions traitées par l'IA selon des critères que vous définissez, puis regroupe les résultats en une image statistique ». Le sentiment est une des choses que vous pouvez lui demander de juger (l'idée générale est dans mon guide sur l'analyse de sentiment IA pour le support), et le propre guide de démarrage de Gladly cite « le sentiment client global » comme exemple de Signal.
Je construis les intégrations d'eesel, donc la première chose que je vérifie sur toute fonction IA, c'est quelles données elle lit réellement. Pour Signals, la réponse est étroite. Sa page de bonnes pratiques dit qu'elle « n'évalue actuellement que les Sessions de Chat, SMS et E-mail. Les conversations menées par des Agents humains ne sont pas encore incluses. » Même à l'intérieur d'une Session IA, le guide de revue de Gladly dit qu'elle ne lit que les messages entre l'IA et le client, pas les métadonnées de transfert ni le résumé de transfert.

Cet écart compte à cause de la façon dont les transferts fonctionnent. Les raisons de transfert intégrées de Gladly AI incluent un client qui menace d'une action en justice et un client qui demande à parler à une personne (Quand demander plus d'aide). Ce sont souvent les conversations sur lesquelles vous voudriez le plus une lecture d'analyse de sentiment, et à partir du transfert, c'est un agent qui les traite.
Signals est aussi clair sur ce qu'il n'est pas. Ce n'est « pas une alerte en temps réel » : il tourne à la demande ou selon un calendrier sur une plage de dates de sessions passées, et renvoie des pourcentages et des tendances, pas des dossiers clients individuels (selon l'aperçu Signals de Gladly).
Comment Signals de Gladly juge-t-il le sentiment ?
Signals juge le sentiment en posant à un grand modèle de langage une question que vous avez écrite et en lui faisant choisir une des étiquettes que vous avez autorisées, avec son raisonnement et une citation à l'appui jointe. Rien n'est noté sur une échelle numérique à moins que vous n'en inventiez une, et Gladly le déconseille.
Vous démarrez un critère en décrivant ce que vous voulez mesurer. L'IA de Gladly rédige les étiquettes et un prompt d'évaluation, et vous pouvez modifier les deux. Selon Build a Signal, un critère a jusqu'à 5 étiquettes mutuellement exclusives, chacune jusqu'à 30 caractères, et vous pouvez en marquer une comme l'Objectif (le résultat que vous voulez) ou le Risque (celui que vous voulez éviter). La même page conseille de préférer « une courte liste de catégories nommées (Positif/Neutre/Négatif) » et de « ne jamais utiliser une échelle numérique de 1 à 5 ».

Quand une exécution se termine, chaque session évaluée affiche l'étiquette choisie par l'IA, son raisonnement écrit et la citation sur laquelle elle s'est appuyée. Vous pouvez mettre un pouce vers le haut ou vers le bas sur chacune, et Gladly suit un taux d'accord entre vos revues et les étiquettes de l'IA (selon le guide de revue de Gladly). Cette boucle de revue est un petit humain dans la boucle pour les jugements de l'IA. Gladly dit maintenir ses propres critères intégrés à une « barre de précision supérieure à 90 % », et que vous devriez fixer la vôtre.
Un avertissement de la documentation de Gladly vaut d'être lu deux fois si le sentiment est votre objectif. Dans une organisation de test où les scénarios se répètent, un jugement de sentiment « peut s'effondrer vers une seule étiquette dominante quand le contenu sous-jacent ne varie pas beaucoup » (selon le guide Build a Signal de Gladly). À mon avis, si chaque exécution revient à 95 % Neutre, vérifiez d'abord si votre trafic IA est surtout des questions sur le statut d'une commande, avant d'en blâmer le critère.
Comment configurer un Signal de sentiment dans Gladly
Il faut la permission Gérer Gladly AI pour créer des critères ; les Administrateurs, Responsables d'équipe et quiconque a Voir Gladly AI peut voir les résultats (selon l'aperçu Signals de Gladly). Ensuite :
- Ouvrez Signals. Allez dans Gladly AI > Analyze > Signals et cliquez sur New Signal.

- Définissez-le. Nommez le Signal et ajoutez 1 à 5 critères. Créez un nouveau critère, décrivez-le en termes précis (« le ton du client dans ses deux derniers messages : positif, neutre ou négatif »), et nommez les cas limites. L'exemple de Gladly pour un cas limite est « un client qui est naturellement laconique mais pas vraiment frustré » (selon les bonnes pratiques Signals de Gladly).
- Relisez les étiquettes et le prompt. Gardez trois étiquettes : Positif, Neutre, Négatif. Marquez Négatif comme le Risque, pour que les rapports montrent sa fréquence ; mesurer le sentiment client explique pourquoi trois étiquettes valent mieux qu'un score. Lisez le prompt d'évaluation généré sur le dernier écran, car c'est exactement l'instruction que l'IA suit à chaque session.
- Définissez la portée. Choisissez Evaluate all AI sessions, ce que Gladly recommande, ou restreignez par canal (Chat, E-mail, SMS), agent IA et guide, ou mot-clé.

- Faites un petit test. Choisissez One-off avec une courte plage de dates, pour que la première exécution reste sous 50 sessions, comme le suggère le guide Run a Signal de Gladly, et lisez les étiquettes.
- Rendez-le continu. Une fois que les étiquettes semblent correctes, créez un Signal réglé sur Ongoing avec une actualisation Daily ou Weekly. Le taux d'échantillonnage par défaut est de 20 % ; les options sont 5 %, 20 %, 50 % et 100 %, avec 100, 1 000 ou 10 000 sessions par exécution.
Modifier un critère plus tard ne réécrit jamais les résultats passés. Chaque critère est versionné, et seules les exécutions futures utilisent la nouvelle version (selon le guide Build a Signal de Gladly), donc une courbe de tendance qui bondit après une modification, c'est la modification, pas vos clients.
Gladly peut-il escalader par sentiment en temps réel ?
Oui, mais via les règles de transfert de Gladly AI, pas via Signals. C'est une forme d'escalade IA que vous configurez en mots. La tuile Quand demander plus d'aide contient une liste de raisons, et « quand Gladly AI identifie une demande comme une des raisons détaillées dans cette liste, la Conversation est transférée instantanément à un agent. »
Les raisons par défaut sont un client qui menace d'une action en justice, un client qui demande explicitement une personne ou un agent, et un client qui utilise une langue autre que l'anglais. La frustration n'en fait pas partie, donc si vous voulez que Gladly AI s'écarte face à un client contrarié, vous écrivez cette raison vous-même : AI Agents > When to get more help > + Add, puis enregistrez. Les bonnes pratiques de transfert de Gladly disent de traiter chaque nouvelle raison comme complémentaire aux raisons intégrées, et de ne pas la commencer par un tiret.
Reprenez la règle que donne le guide des critères du Simulateur de Gladly pour tout ce qui est jugé à partir d'une transcription : rendez-le observable dans la transcription. « Le client est mécontent » est vague. « Le client dit nous avoir déjà contactés à propos de cette commande, ou utilise des mots comme ridicule, inacceptable ou annulez tout » donne au modèle quelque chose à trouver. Le transfert donne aussi à votre agent un résumé, ce qui est ce que le transfert d'agent IA bien fait signifie : personne ne demande au client de se répéter.
Cela ne couvre que les conversations que Gladly AI traite, ce que mon article sur le deflection Gladly AI couvre plus en profondeur. Une fois qu'une personne a la conversation, aucune fonction Gladly que j'ai trouvée dans sa documentation ne surveille le ton du client pour vous.
Et les conversations que traitent vos agents ?
Pour les conversations traitées par un agent, Gladly propose trois voies, aucune automatique de base.
Sujets appliqués par l'agent. Les Freeform Topics de Gladly laissent les agents ajouter une valeur à une conversation, et Gladly cite Sentiment comme une valeur que vous pourriez capturer, en recommandant des options claires pour que chaque agent n'invente pas les siennes. Les valeurs vont vers votre outil d'analytique via l'API, des webhooks ou AWS EventBridge. C'est un sentiment jugé par une personne, ce qui est précis et dépend du fait que les agents s'en souviennent. Cela se combine bien avec une enquête CSAT, qui demande directement au client.
Un attribut personnalisé pour le routage. Un attribut personnalisé sur le Profil Client peut être fixé par un Lookup Adaptor, l'API REST ou un champ modifiable, puis utilisé dans les Rules, le routage et les boosts de priorité de People Match, la même machinerie derrière le routage des conversations Gladly. La documentation Shopify de Gladly cite même un métachamp « Sentiment Score » montrant Positif, Neutre ou Négatif comme cas d'usage (attributs personnalisés Shopify). Deux pièges : ajouter un attribut comme condition de Rule signifie contacter Gladly Support, et la valeur doit exister avant que Lookup et Rules s'exécutent, il vous faut donc autre chose pour la calculer. La page de routage de Gladly promet de « Router les clients selon leur LTV, leur historique et leur sentiment » ; la documentation que j'ai trouvée ne montre le sentiment atteindre le routage que via un attribut personnalisé que vous remplissez.
Une application partenaire. Gladly en liste trois qui notent le sentiment sur ses conversations :
| Partenaire | Ce qu'il fait avec les conversations Gladly | Où vit le résultat |
|---|---|---|
| SentiSum | Analyse les conversations en temps réel pour prioriser, router et reporter par sentiment, urgence et motif de contact, à travers voix, e-mail, chat et réseaux sociaux | Le tableau de bord de SentiSum, plus la priorisation dans Gladly |
| Idiomatic | Écoute les mises à jour de Conversation par webhook et classe le sujet et le sentiment | Seulement le tableau de bord d'Idiomatic : l'intégration va dans un seul sens |
| SupporTrends | Récupère les Conversations à leur fermeture et relie les sujets au sentiment par NLP | La plateforme de SupporTrends |
Chacune est facturée par le partenaire, la documentation de Gladly dit qu'Idiomatic et SupporTrends construisent et maintiennent leurs propres intégrations, et chacune ajoute un fournisseur qui lit les conversations de vos clients. La voie du fait-maison existe aussi : le guide data warehouse de Gladly suggère de stocker le contenu des conversations pour « l'analyse de sentiment personnalisée que vous souhaitez réaliser avec votre propre logiciel », bien que son export quotidien des conversations tourne avec 24 heures de retard.
Quelle fonction de sentiment Gladly correspond à votre besoin ?
La bonne fonction dépend de si vous avez besoin d'une tendance, d'une réaction en direct, ou d'une valeur sur laquelle router. Choisissez votre besoin :
Choisissez pour quoi vous avez besoin du sentiment, pour voir quelle fonction Gladly le fait, et le piège.
Combien coûte l'analyse de sentiment de Gladly ?
Signals ne coûte rien de plus si vous payez déjà pour Gladly AI. Les lancements de septembre 2026 de Gladly disent qu'il « est désormais disponible pour tous les Clients Gladly AI sans frais supplémentaires, sous réserve de limites d'usage raisonnable ». Gladly ne publie pas quelles sont ces limites, et le guide Run a Signal suggère de réduire le taux d'échantillonnage « pour réduire l'usage de tokens », attendez-vous donc à ce qu'un Signal quotidien à fort volume échantillonné à 100 % soit ce qui les atteint.
Gladly ne publie pas les tarifs de Gladly AI ; mes notes sur les tarifs de Gladly couvrent ce qui est public. Les applications partenaires sont facturées par chaque partenaire, et un attribut personnalisé coûte ce qu'il faut à votre équipe pour construire le Lookup Adaptor ou le job API qui le fixe.
Où l'analyse de sentiment de Gladly montre-t-elle ses limites ?
D'abord le mérite : Signals est un outil d'évaluation bien construit. Chaque étiquette vient avec un raisonnement et une citation, les critères sont versionnés, et vous pouvez mesurer votre accord avec l'IA au lieu de lui faire confiance à l'aveugle. Pour vérifier comment votre agent IA parle aux clients, c'est plus honnête qu'un score unique, et ça sert aussi d'assurance qualité du support IA.
Les limites, toutes tirées de la documentation de Gladly elle-même :
- Seulement les sessions IA. Les conversations menées par des agents humains ne sont pas encore incluses, et seules les sessions de chat, SMS et e-mail sont évaluées.
- Pas en direct. Il évalue des sessions historiques à la demande ou quotidiennement ou hebdomadairement, et n'a pas de calendrier mensuel.
- Des taux, pas une liste en direct. Les résultats sont des taux et des tendances. Vous pouvez creuser dans les sessions derrière une étiquette, et les lancements d'octobre 2026 de Gladly ont ajouté le filtrage des Sessions IA par résultats Signals, mais ce n'est pas une recherche de client et ce n'est pas en direct.
- Échantillonné par défaut. Au défaut de 20 %, une semaine calme peut faire ressembler une petite variation à une tendance, ce dont Gladly lui-même met en garde.
- Réponses fermées. Il trie les sessions dans les étiquettes que vous avez écrites et « ne peut pas découvrir des réponses ouvertes par lui-même ».
Si votre vraie question est « quels clients sont contrariés en ce moment, et qui s'en occupe ? », Signals n'y répond pas. C'est un problème de voix du client, du genre pour lequel existent les alertes voix du client. Pour les conversations traitées par un agent sur Gladly, cela signifie un partenaire ou votre propre développement.
Où eesel trouve-t-il sa place ?
eesel convient à une équipe qui compare des helpdesks (ma liste d'alternatives à Gladly est un début), ou qui fait tourner Zendesk, Freshdesk, Gorgias ou Help Scout à côté de Gladly. eesel est un coéquipier IA qui rejoint les outils qu'une équipe utilise déjà ; côté support, il travaille dans la file du helpdesk, apprend des tickets passés et est testé contre eux avant de répondre. Au lieu d'une étiquette de sentiment sur laquelle vous construisez ensuite des règles de routage de tickets, il lit tout le fil de chaque ticket et suit une instruction en mots simples, comme « si le client a écrit trois fois sur la même commande ou demande un responsable, taguez-le urgent et laissez une note pour le chef d'équipe ». La documentation Zendesk liste taguer, assigner et mettre à jour des champs parmi ses actions.
Rúngne, une marque de vêtements d'escalade sur Gorgias, fait tourner un agent de brouillons qui lit d'abord tout le fil, cherchant une promesse qu'un coéquipier a déjà faite, un retour en cours, ou un client frustré, et un agent de triage dont la liste fixe d'étiquettes inclut human_review_required. Les annulations, articles endommagés et quiconque demande une personne vont à l'équipe.
eesel ne se connecte pas à Gladly : ce n'est pas dans la documentation helpdesk d'eesel. Si vous restez sur Gladly, mon conseil est la configuration ci-dessus : un Signal à trois étiquettes sur votre trafic IA, une raison de transfert pour les clients contrariés, et un partenaire si vous avez aussi besoin de noter les conversations traitées par un agent.
Essayez eesel à côté de votre configuration Gladly
Si vous comparez des helpdesks en partie sur la façon dont ils traitent les clients mécontents, essayez eesel sur un essai de Zendesk, Freshdesk, Gorgias ou Help Scout. Écrivez votre règle d'escalade en mots simples, faites-la tourner sur une semaine de tickets passés, et lisez lesquels elle aurait signalés et pourquoi, tickets traités par un agent inclus. Ce qu'eesel fait seul et ce qui attend le oui d'une personne est fixé par action dans actions et approbations, il peut donc commencer par taguer et laisser une note avant de jamais réassigner quoi que ce soit.

Essayez eesel d'abord sur votre règle d'escalade, ou comparez les options dans la meilleure IA pour Gladly.