
Choisis selon où vit ta documentation et où arrivent les questions. Déjà sur Mintlify, GitBook, ReadMe ou Fern ? Active l'assistant natif, mais vérifie le plan : le chat est souvent sur un palier payant (Mintlify Pro coûte $450/mo facturé annuellement). Sur Docusaurus, MkDocs ou un site maison, ajoute un overlay comme Kapa.ai ou Inkeep plutôt que de migrer. Si les tickets s'accumulent dans Zendesk ou Freshdesk, mets l'IA là : eesel apprend de ta documentation et des tickets passés, répond dans une bulle de chat, rédige des réponses du helpdesk et transmet avec un résumé quand la doc ne suffit plus.
Pourquoi les développeurs continuent de poser des questions que ta doc répond déjà
Je suis ingénieur logiciel et j'ai passé deux ans en SEO, donc je lis des requêtes de recherche pour vivre. La phrase "assistant IA pour documentation développeurs" ne vient presque jamais de quelqu'un qui fait du shopping pour un chatbot. Elle vient d'un responsable support ou d'un propriétaire de doc avec une gêne très précise : les développeurs continuent d'ouvrir des tickets pour des choses que la doc couvre déjà, et personne ne veut passer un autre trimestre à réécrire l'architecture de l'information.
Quand j'ai posé exactement cette situation à ChatGPT, il m'a répondu avec trois pistes (ajouter un assistant par-dessus ta doc, passer à une plateforme de doc compatible IA, ou construire ton propre RAG) et un conseil avec lequel je suis d'accord : ne migre pas un gros site de doc juste pour avoir un chatbot. Le reste de cet article met des chiffres sur ce conseil.
L'autre chose que j'ai apprise du côté d'eesel, c'est que le pire jour d'un bot de doc est celui où la doc n'a pas la réponse. J'ai vu des bots sur des comptes de clients payants inventer des réponses quand la base de connaissances ne renvoyait rien de pertinent, et c'est pourquoi chaque déploiement d'eesel est maintenant testé sur de vraies questions passées avant de passer en direct.
Avec la CLI d'eesel, un agent de code comme Claude Code peut faire cette préparation pour toi : lance npx @eesel/cli init chat-bubble --site https://your-site.com, pointe le crawl vers ta doc avec eesel integrations connect website --url, charge du Markdown exporté avec eesel files upload, puis tire des questions de test avec eesel chat et lis les réponses avant que quoi que ce soit passe en direct. Connecter Zendesk ou Freshdesk lui-même nécessite toujours quelqu'un avec un accès admin.
Que fait vraiment un assistant IA pour documentation développeurs ?
Un assistant IA pour documentation développeurs répond à la question d'un développeur en langage simple en n'utilisant que ta documentation, et montre de quelles pages la réponse vient. Sous le capot, c'est de la recherche documentaire (retrieval) : l'outil indexe tes pages (et souvent ta spécification OpenAPI), trouve les passages qui correspondent à la question, et fait écrire une réponse par un modèle à partir de ces passages. Pour la version plus longue, mon explication sur RAG contre un LLM simple couvre pourquoi l'ancrage (grounding) compte.
Les bons font cinq choses, et c'est sur les deux dernières que les outils se différencient le plus :
- Réponses ancrées. Les réponses viennent de ta doc publiée, pas de la mémoire du modèle.
- Citations. Chaque réponse lie les pages qu'elle a utilisées, pour qu'un développeur puisse vérifier la source.
- Un filet de sécurité honnête. Quand la doc ne couvre pas la question, l'assistant le dit au lieu de deviner.
- Une transmission. Il ouvre un ticket ou un e-mail avec la conversation en pièce jointe, pour que personne n'ait à se répéter.
- Un rapport de lacunes. Il liste les questions qu'il n'a pas pu répondre, ce qui dit à tes rédacteurs de doc quoi corriger ensuite.

Pourquoi les points 3 à 5 comptent-ils autant ? Parce que même un bot de doc médiocre est utile, et les développeurs le disent :
"I can tell you even a half assed AI chatbot is a huge improvement over the pre-AI state of things for this use case."
Mais l'échec est précis et coûteux. Un ingénieur a décrit ce qui est arrivé avec son propre bot :
"We (others at company, not me) hit this problem, and not with chatgpt but with our own AI chatbot that was doing RAG on our docs. It was occasionally hallucinating a flag that didn't exist. So it was considered as product feedback. Maybe that exact flag wasn't needed, but something was missing and so the LLM hallucinated what it saw as an intuitive option."
Un drapeau de CLI halluciné est la version documentation développeurs d'une mauvaise politique de remboursement. Cela gâche un après-midi et érode la confiance dans la doc elle-même. La solution n'est pas un modèle plus intelligent. C'est un filet de sécurité qui admet la lacune, une transmission, et un rapport qui transforme la lacune en correction de doc. Mon guide sur la prévention des hallucinations IA va plus loin sur les garde-fous.
Dois-tu déménager ta doc pour en avoir un ?
Non, et c'est la première décision qui façonne ta liste. Il y a quatre pistes, et celle qui te convient dépend surtout d'où ta doc est hébergée aujourd'hui :
- Assistant natif. Mintlify, GitBook, ReadMe, Fern et Document360 livrent chacun un assistant, mais il ne répond qu'à partir de doc hébergée sur cette plateforme. Parfait si tu y es déjà. Une grosse migration si tu n'y es pas.
- Widget superposé. Kapa.ai, Inkeep, DocsBot et Algolia Ask AI se posent sur n'importe quel site de doc. Le widget de Kapa.ai est "une balise de script", et Kapa.ai comme DocsBot publient des guides pour Docusaurus.
- Agent côté support. Une IA qui vit là où les tickets atterrissent (Zendesk, Freshdesk) et apprend de ta doc et des tickets passés. C'est là qu'eesel se situe.
- Fait maison. Une API de recherche documentaire comme OpenAI File Search plus ta propre interface, ta synchronisation et ta transmission.

La deuxième décision, c'est où les questions apparaissent réellement. Les développeurs ne demandent pas seulement sur la page de doc. Ils envoient un e-mail au support, postent dans ta communauté Slack ou Discord, et demandent de plus en plus à leur agent de code, qui lit la doc via un serveur MCP ou llms.txt. Un assistant qui ne vit que dans un widget de doc rate trois de ces quatre portes.

Donc pour chaque outil ci-dessous, j'ai vérifié trois choses : fonctionne-t-il avec n'importe quel hébergeur de doc, va-t-il au-delà de la page de doc (Slack, Discord, helpdesk, MCP), et que fait-il quand la doc ne suffit plus. Si ton équipe construit aussi une base de connaissances IA plus large, les trois mêmes questions s'appliquent.
Les 10 options en un coup d'œil
Les prix viennent de la page de tarifs de chaque éditeur à novembre 2026. "Non documenté" signifie que je n'ai pas pu le trouver sur les propres pages de l'éditeur, pas que la fonction manque.
| Outil | Type | Fonctionne avec n'importe quel hébergeur de doc ? | Prix de départ de l'assistant IA | Palier gratuit | Citations | Slack / Discord | Transmission au helpdesk | Serveur MCP | llms.txt | Analyse des questions sans réponse | SOC 2 (selon l'éditeur) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kapa.ai | Overlay | Oui, balise de script + guides d'installation | Sur devis seulement (Growth : "Get pricing") | Essai de 14 jours | Oui | Les deux | Bouton de création de ticket ; app agent Zendesk | Serveur MCP hébergé | Non documenté | Rapport Coverage Gaps | Certifié Type II |
| Inkeep | Overlay / constructeur d'agents | Oui, widget React ou JS | Sur devis seulement (démo Enterprise) | Open Source, auto-hébergé | Citations en ligne | Slack et Discord sur Enterprise | Zendesk / Salesforce sur Enterprise | Oui | Non documenté | Rapports de lacunes de connaissances (Enterprise) | Certifié Type II |
| Mintlify Assistant | Natif | Non, hébergé uniquement sur Mintlify | $450/mo (Pro, annuel) | Plan gratuit, pas d'assistant | Oui | Non documenté | E-mail, centre d'aide, ticket Plain ou Zendesk | Auto-généré, tous les plans | Auto-hébergé | Conversations sans réponse | Non documenté |
| GitBook AI Assistant | Natif | Non, hébergé uniquement sur GitBook | $65/site/mois + $12/utilisateur (Ask seulement) | Plan gratuit, pas d'assistant | Liste des sources | Assistant dans Slack (Ultimate) | Non documenté | Auto-généré, tous les plans | Auto-hébergé | AI Insights (Ultimate) | Non documenté |
| eesel | Côté support | Oui, crawl + imports | $299/mo pour 500 crédits | Essai de 7 jours, 100 crédits | Lie la page source | Non documenté | Ticket ou e-mail avec résumé ; brouillons dans le helpdesk | Pour ton agent de code (configuration) | Non lu par le crawler | Non documenté | Audit Type II en cours |
| ReadMe Ask AI | Natif | Non, hébergé uniquement sur ReadMe | Add-on $150/mo | Starter $0, pas d'Ask AI | Lie les pages sources | Non documenté | Non documenté | Hébergé, tous les plans | Inclus | Tableau de bord des questions (add-on) | Non documenté |
| Fern Ask Fern | Natif | Non, uniquement Fern Docs (cloud) | $0 (250 crédits) | Oui | Oui | App Slack | Non documenté | Auto-généré | Auto-généré | Verdicts Resolved / Unresolved | Non documenté |
| DocsBot | Overlay | Oui, script ou iframe | $49/mo (Personal) | 100 crédits/mois | Oui | App Slack | Ticket d'escalade (à partir de Standard) | Connexions MCP | Non documenté | Analyse des questions (à partir de Standard) | Plan Enterprise |
| Algolia Ask AI | Overlay (recherche) | Oui, adaptateur Docusaurus, JS, React | DocSearch gratuit si éligible ; tes coûts de LLM | Oui | Non documenté | Non documenté | Aucune trouvée | Section MCP dans la doc | Non documenté | Non documenté | Non documenté |
| Document360 Eddy AI | Natif + chatbot intégrable | Le chatbot s'intègre partout ; nécessite un compte Document360 | Sur devis seulement | Non documenté | Citations numérotées | Non documenté | Ticket vers Zendesk, Freshdesk ou e-mail | Non vérifié | Non vérifié | Non documenté | Type II |
1. Kapa.ai
Idéal pour : les équipes devtools sur Docusaurus, MkDocs ou un site maison qui veulent un widget de doc plus Slack, Discord et Zendesk depuis un seul index.

Comment ça marche
Kapa.ai ingère depuis 24 connecteurs listés dans sa doc : un crawl web de ton site de doc, des schémas OpenAPI 2.x et 3.x, du code GitHub, des issues, discussions et pull requests, Slack, Discord, Discourse, Stack Overflow, des tickets Zendesk, Confluence, Notion et plus. Tu déploies ensuite le même agent comme widget de site web, bot Slack ou Discord, app agent Zendesk qui rédige des réponses dans le compositeur, serveur MCP hébergé, ou via sa Chat API. Sur Docusaurus, le widget est une entrée de script dans docusaurus.config.js avec ton data-website-id.
Ce qui m'a plu
La liste des sources est la plus orientée développeurs de tout ce qu'on voit ici : les schémas OpenAPI et les issues GitHub sont exactement là où vivent les réponses à "pourquoi ce endpoint renvoie 400". Le rapport Coverage Gaps fait surface les "sujets où Kapa ne peut pas répondre de façon concluante", et le widget a un bouton Create ticket qui envoie par e-mail la transcription complète avec le Reply-To réglé sur l'utilisateur. Il atteint les quatre portes depuis un seul index. Ma comparaison Kapa vs Inkeep entre dans le recoupement.
À surveiller
Pas de prix public. Starter est un essai de 14 jours, Growth c'est "Get pricing", et les sources privées et l'ingestion des tickets passés sont sur Growth. La transmission est désactivée jusqu'à ce que tu la configures. Les données sont stockées par défaut sur Google Cloud basé aux États-Unis, et l'hébergement UE est une fonction Enterprise.
Tarifs
| Plan | Prix | Ce qui est inclus |
|---|---|---|
| Starter | Gratuit pendant 14 jours | Doc publique, sites web, GitHub, rapports de lacunes de connaissances |
| Growth | Sur devis ("Get pricing") | Ajoute sources privées, tickets passés, synchronisation continue, masquage des PII |
| Enterprise | Contacter les ventes | Ajoute SSO/SCIM, hébergement régional, SLA |
Verdict : le choix par défaut pour un devtool avec une doc hors plateforme et une communauté active. Prévois un appel commercial, et regarde les alternatives à Kapa.ai si le devis pique.
2. Inkeep
Idéal pour : les équipes d'ingénierie qui veulent construire leur propre agent de doc en code, ou les entreprises qui veulent que l'équipe d'Inkeep l'exploite pour elles.

Comment ça marche
Inkeep se positionne maintenant comme un "No-Code + Code Agent Builder", et l'assistant de doc est un cas d'usage de cette plateforme. Tu affiches des agents via des composants de chat React (@inkeep/agents-ui-cloud), un serveur MCP, une API au format Vercel AI SDK, ou des intégrations Slack, Discord, Zendesk et Salesforce sur Enterprise. Les réponses portent des citations en ligne sur les deux paliers.
Ce qui m'a plu
Les rapports de lacunes ont de vrais fans. Un client sur Hacker News, qui dit n'être pas affilié, l'a décrit ainsi :
"The tool we use for our docs AI answers lets you mine that data for feature requests. It generates a report of what it didn't have answers for and summarizes them as potential feature gaps."
C'est la boucle de feedback que je voudrais. Le palier Open Source est gratuit pour toujours et auto-hébergeable, ce qui convient à une équipe qui veut posséder le code de l'agent.
À surveiller
Le palier gratuit n'ingère pas ta doc pour toi : le RAG géré, les intégrations Slack et support, et les rapports de lacunes sont tous réservés à Enterprise, et Enterprise ne se cote que par démo. Je n'ai pas trouvé de transmission humaine documentée sur les pages que j'ai lues. Mon analyse d'Inkeep a plus de détails, et la liste des alternatives à Inkeep couvre d'autres options.
Tarifs
| Plan | Prix | Ce qui est inclus |
|---|---|---|
| Open Source | Gratuit (fair-code, auto-hébergé) | Constructeur visuel, SDK TypeScript, MCP, bibliothèque UI de chat, citations |
| Enterprise | Sur devis ("Schedule a Demo") | RAG géré, plateformes Slack et support, rapports de lacunes, SSO, un forward deployed engineer |
Verdict : choisis-le si tu veux soit un contrôle total du code, soit un déploiement Enterprise haut de gamme. Passe ton tour si tu veux un widget de doc en self-service cette semaine.
3. Mintlify Assistant
Idéal pour : les équipes qui hébergent déjà leur doc sur Mintlify et veulent l'assistant natif le plus intégré, avec une bonne connaissance de la spec API.

Comment ça marche
L'assistant est un chat sur ton site de doc Mintlify qui répond à partir de tes pages publiées et de ta spec OpenAPI (méthodes, paramètres, corps de requête, schémas de réponse). Il sait sur quelle page le lecteur se trouve, accepte le texte surligné, les blocs de code et les fichiers, et cite les pages qu'il a utilisées. Le contenu est réindexé juste après la publication, et les utilisateurs connectés n'obtiennent des réponses que depuis les pages auxquelles ils ont accès.
Ce qui m'a plu
Mintlify a le plus réfléchi au filet de sécurité. Si l'assistant ne trouve pas la réponse, il le dit au lieu de deviner, les questions sans réponse ne sont pas facturées, et une liste "Unanswered conversations" montre chacune qu'il a manquée. Tu peux router ces questions vers ton équipe par e-mail, ton centre d'aide, ou un ticket dans Plain ou Zendesk. Chaque site Mintlify reçoit aussi un serveur MCP auto-généré sur /mcp et un llms.txt toujours à jour, même sur le plan gratuit.
À surveiller
L'assistant nécessite Pro à $450/mo facturé annuellement ($540 mensuel). Les 10 000 crédits de Pro sont partagés sur toute l'organisation, y compris Autopilot, et à 25 crédits par réponse, ça fait 400 réponses avant dépassement. Le dépassement est désactivé par défaut, donc l'assistant s'éteint quand les crédits s'épuisent. Les instructions personnalisées et les sources externes sont réservées à Enterprise. Et il ne répond qu'à partir de doc hébergée sur Mintlify.
Tarifs
| Plan | Prix | Assistant |
|---|---|---|
| Free | $0/mo, 5 éditeurs | Non inclus (le serveur MCP, oui) |
| Pro | $450/mo annuel, $540/mo mensuel | Inclus ; 10 000 crédits partagés, 25 par réponse, $0.01/crédit en dépassement |
| Enterprise | Contacter les ventes | Ajoute un modèle personnel, de la personnalisation, des sources externes |
Verdict : si tu es déjà sur Mintlify Pro, active-le aujourd'hui. Si tu n'es pas sur Mintlify, ne migre pas juste pour ça.
4. GitBook AI Assistant
Idéal pour : les équipes GitBook qui veulent des réponses dans la boîte de recherche à bas coût et un chat complet plus un embed sur le plan supérieur.

Comment ça marche
GitBook propose deux emplacements : Ask, qui affiche des réponses en ligne à côté des résultats par mots-clés dans la boîte de recherche, et Chat, un assistant complet en barre latérale. Il utilise une recherche documentaire agentique sur la page actuelle, les pages déjà visitées par le lecteur et les conversations précédentes. Via "Connections" il peut aussi puiser dans des issues GitHub, des conversations Slack ou Discord et des centres d'aide externes, et Docs Embed met l'assistant dans ton produit.
Ce qui m'a plu
Tu ne paies que pour les réponses pertinentes : 20 crédits par question pertinente. Chaque site publié reçoit un serveur MCP sur /~gitbook/mcp qui fonctionne avec Claude Code, Cursor et Codex, plus llms.txt et des versions Markdown des pages, tout cela sur le plan gratuit. AI Insights montre comment l'assistant a répondu, pour que tu puisses repérer les lacunes de connaissances. Mon détail des tarifs GitBook a le détail complet des plans.
À surveiller
Chat et embed nécessitent Ultimate à $249/site/mois plus $12 par utilisateur ; Essential n'a droit qu'au Ask de la boîte de recherche. Les changements d'index peuvent prendre jusqu'à une heure. Le contenu est transmis à OpenAI pour l'indexation (GitBook dit qu'OpenAI ne s'entraîne pas sur ces données). Une transmission à un humain n'est pas documentée sur les pages que j'ai lues, et l'assistant ne peut pas répondre à travers des sites publiés séparément.
Tarifs
| Plan | Prix (annuel) | Assistant IA | Crédits/mois |
|---|---|---|---|
| Free | $0 | Aucun (MCP, llms.txt seulement) | Aucun |
| Essential | $65/site + $12/utilisateur | Ask (boîte de recherche) | 2 000 (environ 100 questions) |
| Ultimate | $249/site + $12/utilisateur | Chat, embed, insights, Slack | 10 000 (environ 500 questions) |
| Enterprise | Sur mesure | Tout d'Ultimate | Sur mesure |
Verdict : un prix correct sur Essential si les réponses dans la boîte de recherche suffisent. Pour le chat avec embed, compare Ultimate avec les alternatives à GitBook avant de t'engager.
5. eesel
Idéal pour : les équipes dont les questions de doc finissent en tickets dans Zendesk ou Freshdesk, et qui veulent une seule IA qui répond dans la bulle de chat et dans le helpdesk.

Comment ça marche
eesel n'est pas d'abord un hébergeur de doc ou un widget de recherche de doc. C'est un coéquipier IA de helpdesk qui apprend de ta doc et de ton historique de support. Il crawle ton site de doc (jusqu'à 2 000 pages par crawl, avec des filtres de chemins à inclure et exclure, et des en-têtes personnalisés pour la doc protégée), prend du Markdown et des PDF importés, et se connecte à Google Drive, Notion, Confluence et à des helpdesks comme Zendesk et Freshdesk, y compris les tickets passés. Les réponses renvoient vers la page d'où elles viennent.
À partir de là, il travaille deux portes à la fois. Sur ton site de doc, la bulle de chat est un seul script asynchrone. Dans le helpdesk, il rédige ou envoie des réponses sur les nouveaux tickets. Quand il ne peut pas répondre, il transmet à Zendesk Messenger ou Freshchat, ou crée un ticket ou un e-mail qui "inclut l'e-mail du visiteur, un résumé de la conversation, et une étiquette de transmission".
Voici à quoi ça ressemble en pratique. Timengo, qui fabrique un logiciel d'e-mail sécurisé pour les admins IT, utilise eesel sur Freshdesk. Il apprend du site de documentation produit de Timengo et d'environ 5 300 tickets et articles d'aide passés, et entre le 8 août et le 8 septembre 2026, il a préparé 300 tickets et écrit 180 brouillons de réponse que des ingénieurs relisent. Timengo recrawle sa doc chaque lundi selon un calendrier qu'elle a elle-même mis en place.
Ce qui m'a plu
Il rencontre les développeurs au helpdesk, là même où une question de doc sans réponse devient un coût. Une entreprise d'automatisation industrielle l'utilise comme un chat qui ne répond qu'à partir de sa bibliothèque technique, lie le guide et la section source, et dit clairement quand il n'a rien. Un digest régulier des réponses mal notées et des lacunes va à l'équipe de doc, et désormais bien plus du double des questions arrivent sur le chat par rapport au support desk. C'est le rapport de lacunes de plus haut, qui fonctionne.
À surveiller
Il n'y a pas de connecteur GitHub ni d'import OpenAPI, donc la doc des dépôts entre via le crawl de ton site publié ou des imports .md, et les fichiers de code ne sont pas un type d'import pris en charge. Le crawl du site web ne se relance pas automatiquement ; tu ré-enregistres l'intégration pour le rafraîchir. Le crawler ne lit pas llms.txt. Le serveur MCP d'eesel permet à ton agent de code de configurer et tester l'agent ; il n'expose pas ta doc aux utilisateurs finaux. Et eesel n'est pas encore certifié SOC 2 ; l'audit Type II est en cours.
Tarifs
| Plan | Prix | Notes |
|---|---|---|
| Free | $0 | 100 crédits pendant 7 jours, toutes les fonctionnalités |
| 500 crédits | $299/mo | 1 crédit = 1 chat ou 1 ticket |
| 1 500 crédits | $699/mo | |
| 5 000 crédits | $1,749/mo | Plus via les ventes |
| Crédits supplémentaires | $0.80 chacun | Jusqu'à un plafond que tu fixes |
Verdict : le choix quand les tickets sont le problème et qu'ils atterrissent dans Zendesk ou Freshdesk. Si tu veux juste un widget sur un site de doc sans helpdesk dans la boucle, Kapa.ai ou un assistant natif est plus ciblé. Les plans complets sont sur les tarifs d'eesel.
6. ReadMe Ask AI
Idéal pour : les hubs ReadMe qui veulent un assistant à prix fixe avec un choix de modèle.

Comment ça marche
Ask AI apparaît sur chaque page de ton hub ReadMe et répond à partir de ta doc publiée avec des liens vers les pages sources. Tu choisis le ton, la longueur des réponses, les sujets interdits, des questions d'exemple, et le modèle (OpenAI, Anthropic ou Google Gemini), et tu peux ajouter jusqu'à 100 000 caractères de connaissance personnalisée qui n'est pas dans la doc.
Ce qui m'a plu
Le prix est fixe : un add-on à $150/mo, sans plafond de messages indiqué sur la page de tarifs. Le choix du modèle est rare dans ce groupe. Chaque projet reçoit aussi un serveur MCP hébergé sur /mcp et llms.txt. Mon article sur les tarifs de ReadMe couvre les paliers de plan.
À surveiller
Le tableau de bord d'analytics garde les logs 60 jours, et l'export CSV est réservé à Enterprise. Les outils de recherche documentaire du serveur MCP nécessitent l'add-on "AI Booster Pack", et son prix n'était pas sur la page que j'ai lue. L'API Ask AI, dont tu aurais besoin pour mettre l'assistant hors de ton hub, est réservée à Enterprise. Aucune transmission vers un support par contact n'est décrite.
Tarifs
| Plan | Prix | Ask AI |
|---|---|---|
| Starter | $0/mo | Add-on $150/mo |
| Pro | $250/mo annuel | Ask AI Lite inclus (sans personnalisation ni analytics) ; add-on complet $150/mo |
| Enterprise | Contacter les ventes | API Ask AI disponible |
Verdict : la ligne de budget la plus simple ici si tu es sur ReadMe. Prévois ton propre chemin de transmission, car l'assistant ne t'ouvrira pas de ticket.
7. Fern Ask Fern
Idéal pour : les équipes API-first sur Fern Docs qui veulent un démarrage gratuit et un serveur MCP que leurs utilisateurs peuvent brancher sur Claude Code ou Cursor.

Comment ça marche
Ask Fern est un panneau latéral sur ton site Fern Docs, alimenté par Claude 4.6 Sonnet et Claude 4.5 Haiku selon la page de Fern. Tu l'actives en un clic et il se réindexe en quelques minutes. Les réponses portent des citations et sont filtrées par version, produit et rôle. Tu peux ajouter des sources supplémentaires, y compris une Documents API pour du contenu non public comme des résumés de tickets de support.
Ce qui m'a plu
Les analytics donnent à chaque conversation un verdict Resolved ou Unresolved, donc filtrer sur Unresolved te donne une liste de tâches pour ta doc. Il y a une app Slack pour les clients, un serveur MCP auto-généré avec des boutons en un clic "Connect to Claude Code / Cursor", et llms.txt d'office. Et ça démarre gratuitement.
À surveiller
Les 250 crédits du plan gratuit couvrent environ 125 messages, puisque chaque message coûte 2 crédits. Je n'ai pas trouvé de palier payant en self-service ni ce qui se passe quand les crédits s'épuisent ; l'étape suivante est Enterprise. Le widget de recherche intégrable nécessite un site Fern Docs hébergé dans le cloud, et un Fern auto-hébergé n'inclut pas Ask Fern. Une transmission humaine n'est pas décrite.
Tarifs
| Plan | Prix | IA |
|---|---|---|
| Free | $0/mo | 250 crédits IA (environ 125 messages Ask Fern), MCP, llms.txt |
| Enterprise | Sur mesure | Crédits sur mesure, exports d'analytics, auto-hébergement |
Verdict : un essai sans risque si tu es sur Fern. Tout trafic réel signifie une conversation Enterprise.
8. DocsBot
Idéal pour : les petites équipes qui veulent un prix public, un guide Docusaurus et une escalade en ticket sans appel commercial.

Comment ça marche
DocsBot s'entraîne sur un crawl de site web, un sitemap, des dépôts de code GitHub, Notion, Confluence, Google Drive, et des tickets Zendesk, Freshdesk ou Help Scout, entre autres. Tu déploies un widget flottant ou un iframe, et sur Docusaurus v3 le guide te fait injecter l'embed via le injectHtmlTags d'un petit plugin local. L'API renvoie une réponse plus des sources avec des titres et des URLs.
Ce qui m'a plu
Tout est sur la page de tarifs, avec une garantie de remboursement de 14 jours. Les tickets d'escalade, une app Slack et une API en font plus qu'un simple widget. Mon article sur les tarifs DocsBot détaille les calculs de crédits.
À surveiller
Il n'y a pas de connecteur OpenAPI dans l'index de doc. Personal te limite à 5 000 pages sources, ce que de gros ensembles de doc peuvent atteindre. Les tickets d'escalade commencent sur Standard, retirer le branding nécessite Business, et SOC 2, HIPAA et SSO sont listés sous Enterprise.
Tarifs
| Plan | Prix/mois | Pages sources | Crédits IA/mois |
|---|---|---|---|
| Free | $0 | 50 | 100 |
| Personal | $49 | 5 000 | 5 000 |
| Standard | $149 | 15 000 | 15 000 |
| Business | $499 | 100 000 | 60 000 |
| Enterprise | Sur mesure | Sur mesure | Sur mesure |
Verdict : le meilleur rapport qualité-prix en overlay avec un prix public. Prends Standard si tu veux l'escalade, et regarde les alternatives à DocsBot si tu le dépasses.
9. Algolia Ask AI (DocSearch)
Idéal pour : les équipes Docusaurus qui utilisent déjà DocSearch et veulent apporter leur propre modèle.

Comment ça marche
Docusaurus a un support de premier ordre pour Algolia DocSearch, qui crawle ta doc dans un index Algolia. Ask AI ajoute des réponses conversationnelles depuis cet index, animées par un assistant Agent Studio que tu configures avec ton propre fournisseur de LLM (OpenAI, Gemini, Azure ou toute API compatible OpenAI). L'installation est npm install @docsearch/docusaurus-adapter@^5, avec un réglage askAi qui pointe vers ton ID d'assistant.
Ce qui m'a plu
C'est la voie native de Docusaurus. DocSearch est gratuit pour la doc publique développeurs éligible, et la propre doc de Docusaurus dit qu'Ask AI n'a pas de coût supplémentaire au-delà de l'usage de ton fournisseur de LLM. Tu gardes la recherche par mots-clés et ajoutes des réponses IA dans la même fenêtre, plus un panneau latéral IA.
À surveiller
Tu construis plus que tu n'achètes : Agent Studio est une boîte à outils, et les citations, les analytics et une transmission humaine n'étaient pas documentées sur les pages que j'ai lues. Chaque requête de recherche d'agent compte dans ton usage de recherche Algolia. L'adaptateur nécessite Node 20+, Docusaurus 3.10.2+ et React 18 ou 19, et le lien "Search by Algolia" doit rester.
Tarifs
| Élément | Prix |
|---|---|
| DocSearch (doc publique éligible) | Gratuit ; postuler et vérifier ton domaine |
| Plan gratuit Algolia | $0/mo, 10 000 requêtes de recherche |
| Agent Studio | Listé dans le tableau des plans sans chiffre public |
| Tokens LLM | Facturés par ton fournisseur de modèle |
Verdict : parfait si tu es sur Docusaurus et à l'aise de posséder toi-même le modèle et le prompt. Pas un canal de support, donc associe-le à quelque chose qui gère la transmission.
10. Document360 Eddy AI
Idéal pour : les équipes qui veulent une plateforme de base de connaissances avec un chatbot qui peut aussi escalader vers Zendesk ou Freshdesk.

Comment ça marche
Eddy AI existe sous deux formes. Ask Eddy AI répond à l'intérieur de ta base de connaissances Document360, et le chatbot Eddy AI est entraîné sur ton contenu et peut être intégré sur n'importe quel site web. Le chatbot puise dans ta base de connaissances, un crawl de site web, des fichiers (y compris Markdown), des FAQ, et des tickets Zendesk ou Freshdesk, et met des citations numérotées sur chaque réponse.
Ce qui m'a plu
Il a une vraie transmission : après un nombre fixé de réponses, les utilisateurs peuvent lever un ticket vers Zendesk, Freshdesk ou e-mail, pré-rempli avec la transcription et un sujet et une description rédigés par IA. Il y a un bac à sable pour tester avant de publier. La page de tarifs liste SOC 2 Type II et ISO 27001:2022. Mon article sur les alternatives à Document360 Eddy AI couvre des outils similaires.
À surveiller
Le prix est sur devis, l'usage IA étant un des facteurs de prix. Chaque chatbot reçoit par défaut 40 Mo de stockage toutes sources confondues, et seul un chatbot peut être actif par domaine. Les crédits Ask Eddy AI se consomment un par question, et quand ils sont épuisés le bouton grise jusqu'au renouvellement du mois. Je n'ai pas pu vérifier son support MCP ou llms.txt.
Tarifs
| Élément | Prix |
|---|---|
| Plans | Sur devis seulement, selon les comptes, workspaces, langues et usage IA |
| Ask Eddy AI | 1 crédit par question, limite mensuelle |
| Ask Eddy AI API | Add-on |
Verdict : le plus fort quand tu utiliserais Document360 comme base de connaissances de toute façon. Regarde les tarifs de Document360 avant l'appel commercial.
Et construire le sien avec OpenAI File Search ?
Tu peux, et les pièces sont bon marché. File Search d'OpenAI est un outil hébergé dans la Responses API : tu crées un vector store, tu importes ta doc, et tu passes l'ID du store dans tools. Les réponses reviennent avec des annotations file_citation qui pointent vers les fichiers utilisés.

Le stockage coûte $0.10 par Go et par jour après le premier Go gratuit, et les appels d'outils coûtent $2.50 les 1 000, plus les tokens de modèle. La plupart des ensembles de doc sont bien sous 1 Go, donc le stockage est quasi gratuit et 1 500 questions par mois coûtent environ $3.75 d'appels d'outils. Mon guide sur l'API Files d'OpenAI couvre l'import.
Ce que tu n'obtiens pas, c'est tout ce qui entoure la recherche documentaire : une interface de chat, un crawler qui garde la doc fraîche (tu réimportes les fichiers), des évaluations, un filet de sécurité, une transmission, et un rapport de lacunes. Le fondateur de Kapa.ai l'a dit sans détour sur Hacker News, en admettant d'emblée son biais : la recherche documentaire est "super sensible à la façon dont tu découpes/analyses la doc", et la solution ce sont des évaluations, beaucoup. Si tu as un ingénieur qui veut s'en occuper, mon parcours d'une pipeline RAG de support est un bon début. Sinon, achète.
Combien coûte un assistant IA de documentation ?
Voici un acheteur : une entreprise devtools dont la doc reçoit environ 1 500 questions par mois. J'ai chiffré chaque outil avec seulement ses propres chiffres publiés. Les calculs sont les miens.
| Outil | Coût mensuel pour ~1 500 questions | Comment j'y arrive |
|---|---|---|
| OpenAI File Search (fait maison) | environ $4 + tokens + ingénierie | 1 500 x $2.50/1 000 appels |
| DocsBot Standard | $149 | 15 000 crédits couvrent 1 500 messages à 1x ; Standard nécessaire pour l'escalade |
| ReadMe Ask AI | $150 (sur Starter) | Add-on fixe, pas de plafond indiqué |
| GitBook Ultimate | environ $460 | $249 site + $36 pour 3 éditeurs ; 1 500 x 20 = 30 000 crédits, 10 000 inclus, 20 000 de plus via les packs de 15 000 ($127.50) et 5 000 ($47.50), en supposant que les packs se cumulent |
| eesel | $699 | Plan à 1 500 crédits ; 1 crédit par chat ou ticket |
| Mintlify Pro | environ $725 (facturation annuelle) | $450 + (1 500 x 25 = 37 500 crédits, moins 10 000 inclus) x $0.01 = $275 de dépassement, si rien d'autre n'utilise de crédits |
| Fern | Devis Enterprise | Free couvre environ 125 messages |
| Kapa.ai, Inkeep, Document360 | Sur devis seulement | Pas de prix public |
Le prix affiché est la décision la moins importante. GitBook et Mintlify ne facturent que les questions répondues, eesel compte chaque chat ou ticket, et ReadMe est fixe. Ce qui bouge vraiment le total, c'est si l'outil réduit les tickets que tes ingénieurs répondent à la main. Mon explication sur le taux de déviation montre comment le mesurer.
Comment le déployer sans qu'il invente des choses ?
Le scepticisme ici est mérité, et les développeurs le disent :
"I've used plenty of AI tools and models, local and paid, agents and chatbots, and the hallucination problem is a huge roadblock every time."
Et ils sont tout aussi directs sur les bots qui finissent en cul-de-sac :
"I want open documentation so I can ask AI if I want or ask human support if it's not resolvable with available documentation. All my interactions with any AI support so far is repeatedly saying "call human" until it calls human"
Voici le déploiement que je ferais, quel que soit l'outil choisi :
- Délimite les sources. Commence par la doc publiée, ta référence API et des articles d'aide approuvés. Laisse de côté les brouillons périmés et le Slack interne jusqu'à ce que les bases fonctionnent. Les vieilles pages sont le chemin le plus rapide vers des réponses fausses, donc détecte le contenu obsolète d'abord.
- Ouvre les portes des agents. Assure-toi que ta doc serve
llms.txtet, si ton hébergeur en propose un, un serveur MCP, pour que les agents de code lisent la vraie doc au lieu de deviner. Mintlify, GitBook, Fern et ReadMe te donnent les deux. - Définis le filet de sécurité et la transmission. Décide ce que l'assistant dit quand la doc ne couvre pas une question, et où il envoie le développeur ensuite. Une bonne transmission ouvre le ticket avec la transcription en pièce jointe, et mes notes sur la transmission d'agent IA couvrent ce que l'humain doit voir.
- Teste sur de vraies questions passées avant le lancement. Prends 50 à 100 tickets récents et fais-les passer dans l'assistant. C'est l'étape qui attrape un drapeau halluciné avant qu'un client ne le fasse, et c'est ainsi que fonctionnent les tests de simulation d'eesel.
- Lis la liste des sans réponse chaque semaine. Traite-la comme ton backlog de doc. SE Ranking exploite eesel sur 16 800 pages de connaissances et lui fait envoyer les questions d'API vers un ticket de Tier 2 avec des preuves jointes, plutôt que de deviner. En un mois, eesel a répondu en premier à 2 100 chats en direct. Mon guide sur l'analyse des lacunes de connaissances en support montre comment transformer la liste en corrections.
Essaie eesel sur ta documentation développeurs
Si les questions de tes développeurs finissent dans Zendesk ou Freshdesk, eesel apprend de ta doc et des tickets passés, répond dans une bulle de chat sur le site de doc, et rédige des réponses dans le helpdesk, avec un ticket et un résumé quand la doc ne suffit plus. Tu peux le pointer vers l'URL de ta doc et lui poser des questions de test en un après-midi. Essayer eesel.

Questions fréquentes
Quel est le meilleur assistant IA pour la documentation développeurs ?
Cela dépend d'où vit ta documentation. Si elle est sur Mintlify, GitBook, ReadMe ou Fern, l'assistant intégré est le chemin le plus court. Sur Docusaurus, MkDocs ou un site maison, un overlay comme Kapa.ai ou Inkeep est le choix habituel. Si le vrai coût ce sont des tickets qui atterrissent dans Zendesk ou Freshdesk, une IA qui travaille dans le helpdesk, comme eesel, attaque ce problème directement. Mon guide sur l'IA pour le support développeurs couvre le tableau plus large.
Puis-je ajouter un assistant IA à une documentation Docusaurus ?
Oui. Docusaurus prend en charge Algolia DocSearch, dont Ask AI répond avec ton propre fournisseur de LLM depuis ton index Algolia. Kapa.ai et DocsBot publient tous les deux des guides d'installation pour Docusaurus, et n'importe quelle bulle de chat basée sur un script fonctionne aussi. Pour le contexte sur la façon dont ces outils cherchent, mon article sur la recherche IA dans le centre d'aide le couvre.
Dois-je déménager ma doc vers Mintlify ou GitBook pour avoir un assistant IA ?
Non. Les assistants natifs ne répondent qu'à partir de documentation hébergée sur cette plateforme, mais les widgets superposés (Kapa.ai, Inkeep, DocsBot, Algolia Ask AI) et les agents côté support comme eesel fonctionnent avec une documentation hébergée n'importe où. Une migration peut avoir du sens pour d'autres raisons, pas seulement pour avoir un chatbot. Si tu envisages quand même un déménagement, ma liste d'alternatives à GitBook est un bon point de départ.
Combien coûte un assistant IA de documentation ?
Pour environ 1 500 questions par mois, mes calculs à partir des pages de prix des éditeurs donnent environ 150 $/mois pour ReadMe Ask AI, environ 460 $/mois sur GitBook Ultimate avec des packs de crédits, environ 725 $/mois sur Mintlify Pro avec dépassement, et 699 $/mois sur le plan à 1 500 crédits d'eesel. Kapa.ai, Inkeep et Document360 sont uniquement sur devis. Voir les tarifs d'eesel pour les plans de crédits actuels.
Qu'est-ce que llms.txt et mon site de documentation développeurs en a-t-il besoin ?
llms.txt est une convention proposée : un fichier Markdown à la racine de ton site avec le nom de ton projet, un résumé court et des listes de liens que les agents IA peuvent lire. Mintlify, GitBook, Fern et ReadMe le génèrent automatiquement pour toi. Il aide les agents de code à trouver ta doc, mais ne remplace pas un assistant avec citations et transmission. Mon explication sur le serveur MCP d'agent IA couvre l'autre moitié de l'accès des agents.
Un assistant IA de documentation va-t-il réduire les tickets de support ?
Oui, si les questions l'atteignent. Beaucoup de questions de développeurs commencent dans le helpdesk, sur Slack ou avec un agent de code, pas sur la page de doc, donc place l'assistant là où elles arrivent, et donne-lui une transmission propre. Chez SE Ranking, eesel a répondu en premier à 2 100 chats en direct en un mois. Mon guide sur la déviation de tickets explique comment le mesurer.
Comment empêcher un assistant IA de documentation d'inventer des réponses ?
Limite-le à ta documentation publiée et à des sources approuvées, exige des citations sur chaque réponse, définis un filet de sécurité honnête qui dit que la doc ne couvre pas la question, et teste-le sur de vraies questions passées avant le lancement. Lis ensuite chaque semaine la liste des questions sans réponse et corrige la doc. Mon guide sur la prévention des hallucinations IA passe en revue les vérifications.