Un guide pour utiliser les workflows Intercom afin d'ajouter automatiquement des étiquettes basées sur des mots-clés et l'intention

Kenneth Pangan

Stanley Nicholas
Last edited 29 octobre 2025
Expert Verified

Si votre boîte de réception de support ressemble à un jeu de tape-taupe sans fin, vous n'êtes pas seul. Elle déborde de questions et votre équipe passe beaucoup trop de temps à essayer de mettre de l'ordre dans ce chaos. Le marquage, le routage et la catégorisation manuels des conversations sont une perte de temps considérable qui empêche vos agents de s'attaquer aux problèmes complexes où ils pourraient vraiment exceller.
L'automatisation semble être la solution évidente. L'étiquetage automatique des tickets peut sérieusement améliorer le routage, les rapports et l'ambiance générale de votre équipe. Si vous utilisez Intercom, vous avez probablement déjà jeté un œil à leur outil intégré, Workflows, pour gérer cela. C'est un bon point de départ, mais comme beaucoup d'équipes le découvrent, il s'accompagne de son propre lot de maux de tête.
Cet article vous expliquera comment fonctionne le système d'étiquetage d'Intercom et vous montrera les limites de son automatisation basée sur des mots-clés. Plus important encore, nous examinerons une approche plus puissante, basée sur l'IA, qui comprend réellement ce que vos clients veulent dire, et pas seulement les mots qu'ils tapent.
Comprendre le système d'étiquetage des conversations d'Intercom
Avant de nous lancer dans la création de workflows, il est utile de savoir quels outils vous avez dans votre boîte à outils Intercom. La plateforme vous offre trois principales façons de catégoriser les conversations, chacune ayant une fonction différente. Bien les comprendre est la première étape vers une boîte de réception plus saine.
-
Sujets de conversation : C'est l'option la plus autonome d'Intercom. Vous définissez un sujet en créant une liste de mots-clés et de phrases. Lorsque le message d'un client correspond à l'un de ces mots-clés, la conversation se voit automatiquement attribuer ce sujet. C'est utile pour avoir une vue d'ensemble de ce dont les gens parlent.
-
Attributs de conversation : Considérez-les comme des champs de données personnalisés et structurés que vous créez, comme des menus déroulants pour le « Type de problème », la « Priorité » ou la « Gamme de produits ». Les attributs ajoutent une couche d'organisation car ils ont une liste de valeurs définies, ce qui les rend parfaits pour acheminer les conversations vers la bonne équipe ou lancer des automatisations spécifiques.
-
Tags de conversation : Les tags sont les plus flexibles du lot. Ce sont essentiellement des étiquettes libres que vous pouvez appliquer à des réponses individuelles dans une conversation. Cela les rend parfaits pour un suivi ponctuel, comme signaler un retour d'information à l'équipe produit ou marquer une conversation qui fait partie d'un bug connu.
Voici un aide-mémoire rapide pour vous aider à décider quoi utiliser :
| Caractéristique | Idéal pour | Comment c'est appliqué | Flexibilité |
|---|---|---|---|
| Sujets | Rapports de tendances de haut niveau. | Automatiquement via la correspondance de mots-clés. | Faible (mots-clés rigides) |
| Attributs | Gestion de flux de travail structurée (ex. : routage, SLA). | Manuellement ou via les Workflows. | Moyenne (valeurs prédéfinies) |
| Tags | Catégorisation ad-hoc et spécifique (ex. : rapports de bugs). | Manuellement ou via les Workflows. | Élevée (forme libre) |
Comment configurer les workflows Intercom pour ajouter automatiquement des étiquettes basées sur les mots-clés et l'intention
Une fois que vous maîtrisez les sujets, les attributs et les tags, vous pouvez commencer à créer des automatisations avec les Workflows d'Intercom. C'est là que vous pouvez commencer à « ajouter automatiquement des étiquettes basées sur les mots-clés et l'intention », ou du moins, la partie mots-clés.
La logique de base : Déclencheurs et actions
Les workflows Intercom fonctionnent sur une logique simple de type « si-alors » qui est assez intuitive si vous avez déjà joué avec des outils d'automatisation.
-
Déclencheur : C'est ce qui démarre le workflow. Un déclencheur classique est « Lorsqu'une nouvelle conversation est lancée par un client ».
-
Condition : C'est une règle que la conversation doit respecter pour que le workflow continue. C'est là que vos mots-clés entrent en jeu. Par exemple, vous pourriez définir une condition comme « Si le corps du message contient le mot 'remboursement' ».
-
Action : Si la condition est remplie, le workflow effectue une action. Cela pourrait être « Ajouter le tag 'Demande de remboursement' » ou « Définir l'attribut 'Type de problème' sur 'Facturation' ».
Un exemple pratique
Prenons un scénario courant : le marquage automatique d'une question de facturation. Votre objectif est d'intercepter tout message concernant les paiements et de le transmettre à votre équipe financière.
Vous pourriez créer un workflow qui se déclenche lorsqu'une nouvelle conversation arrive. Vous ajouteriez ensuite une condition qui vérifie si le message contient des mots-clés comme « facture », « paiement », « facturation » ou « débit ». S'il en trouve un, le workflow passe à l'action, comme définir un attribut personnalisé « Type de problème » sur « Facturation ». À partir de là, une autre règle pourrait automatiquement acheminer toute conversation avec cet attribut vers la boîte de réception de l'équipe financière.
C'est une première étape solide pour les équipes qui débutent dans l'automatisation. Cela peut certainement aider à ranger la boîte de réception et à acheminer certaines conversations au bon endroit plus rapidement. Mais à mesure que le volume de vos tickets augmentera, vous commencerez à vous heurter aux limites de la simple utilisation de mots-clés.
Les limites des workflows basés sur les mots-clés
Se fier aux mots-clés, c'est un peu comme essayer de comprendre un livre en ne lisant qu'un mot sur dix. Vous saisissez l'essentiel, mais vous manquez tout le contexte important. Voici où les workflows basés sur les mots-clés dans Intercom commencent à montrer leurs faiblesses.
Manque de précision : Les mots-clés ne sont pas synonymes d'intention
Le plus gros problème des systèmes de mots-clés est qu'ils ne peuvent pas déterminer ce qu'un client veut réellement. Un client demandant un remboursement pourrait dire : « Je veux récupérer mon argent », « ce prélèvement est incorrect » ou « comment puis-je retourner ceci ? ». Un workflow qui ne recherche que le mot « remboursement » va manquer chacune de ces demandes.
Cela crée un effet domino de problèmes : des tickets sont manqués, le routage ne fonctionne pas et vos rapports sont faussés car les conversations ne sont pas correctement catégorisées. Vos agents finissent par passer leur temps à ré-étiqueter manuellement tout, ce qui va à l'encontre du but même de l'automatisation.
La maintenance élevée des listes de mots-clés
Votre entreprise évolue. Vos produits sont mis à jour, les politiques changent et les clients trouvent de nouvelles façons de parler de vous. Cela signifie que vos listes de mots-clés deviennent presque toujours obsolètes.
Maintenir l'efficacité de ces workflows devient un travail à plein temps pour un responsable de support. Il doit constamment fouiller dans les conversations, trouver de nouveaux mots-clés et mettre à jour manuellement une montagne de règles. C'est un cycle fastidieux qui ne fonctionne tout simplement pas à mesure que votre entreprise grandit.
L'évolution de l'IA d'Intercom : les attributs Fin
Pour être juste, Intercom sait que les mots-clés ont leurs limites et a introduit une fonctionnalité plus avancée appelée Attributs Fin. Celle-ci utilise l'IA pour classer les conversations en fonction des descriptions en langage naturel que vous rédigez pour chaque attribut. Ainsi, au lieu de simplement lister des mots-clés, vous décrivez ce à quoi ressemble un « Problème de facturation » en quelques phrases.
C'est un progrès, c'est certain. Mais cela vous laisse encore le gros du travail. Vous devez rédiger manuellement des descriptions détaillées pour chaque catégorie et sous-catégorie que vous voulez que Fin reconnaisse. C'est mieux qu'une simple liste de mots-clés, mais ce n'est pas le système intelligent et auto-apprenant dont les équipes modernes ont réellement besoin.
La barrière du coût : Les fonctionnalités avancées ont un prix
L'automatisation puissante dans Intercom n'est pas bon marché. Le constructeur principal de Workflows, dont vous avez besoin pour toute automatisation réelle, n'est disponible que sur le plan Avancé et supérieur. Si vous voulez utiliser les Attributs Fin alimentés par l'IA, vous devrez payer des frais supplémentaires pour chaque conversation que l'IA résout.
Voici un aperçu rapide de la tarification d'Intercom. Comme vous pouvez le voir, les fonctionnalités qui font une réelle différence sont verrouillées derrière les plans les plus chers, et l'IA elle-même a un coût basé sur l'utilisation qui peut être difficile à prévoir.
| Plan | Prix (par agent/mois, facturé annuellement) | Fonctionnalités clés d'automatisation |
|---|---|---|
| Essentiel | 29 $ | Centre d'aide de base, Boîte de réception partagée |
| Avancé | 85 $ | Constructeur d'automatisation de workflows, Plusieurs boîtes de réception d'équipe |
| Expert | 132 $ | SLA, Centre d'aide multimarque |
| Agent IA Fin | 0,99 $ par résolution | Réponses et classification alimentées par l'IA (Attributs Fin) |
Bien qu'Intercom vous donne quelques outils pour commencer, ils peuvent être rigides, pénibles à gérer et coûteux à faire évoluer.
Une meilleure approche : la véritable IA
Au lieu d'essayer de deviner chaque mot-clé possible que vos clients pourraient utiliser, et si votre système pouvait simplement... les comprendre ? C'est ce que fait une véritable plateforme alimentée par l'IA. Elle va au-delà des mots-clés pour saisir le contexte et l'intention, ce qui conduit à une automatisation beaucoup plus précise et fiable.
Allez au-delà des mots-clés avec une véritable détection d'intention
eesel AI a été conçu dès le départ pour saisir les nuances des conversations clients. Il ne se contente pas de scanner les mots-clés ; il analyse l'ensemble du message pour comprendre ce que le client essaie réellement de faire.
Cela signifie qu'il peut repérer correctement une demande de remboursement, que le client dise « remboursement », « récupérer mon argent » ou « contester ce prélèvement ». L'IA comprend ce qu'il veut dire, de sorte que le marquage, le routage et les rapports de vos tickets sont toujours précis sans que vous ayez à lever le petit doigt.
Comment eesel AI améliore les workflows d'Intercom
eesel AI se connecte directement à votre service d'assistance, comme Intercom, et lui donne un coup de pouce intellectuel. Voici comment il contourne les limites des workflows natifs :
-
Soyez opérationnel en quelques minutes, pas en quelques mois : Oubliez les semaines passées à écrire des règles et des descriptions. Avec eesel AI, il vous suffit de connecter votre compte Intercom en un seul clic, et l'IA commence immédiatement à apprendre de vos conversations passées. Il n'y a pas de configuration compliquée ni besoin de changer d'outil.
-
Entraînez-vous sur votre historique réel : L'Agent IA d'eesel AI examine des milliers de vos anciens tickets de support pour apprendre les problèmes spécifiques de votre entreprise, le ton de votre marque et les solutions courantes. Il comprend le contexte de votre entreprise dès le premier jour, de sorte qu'il peut commencer à étiqueter les conversations avec une précision qui prendrait des mois à construire manuellement.
-
Testez en toute confiance : Déployer une nouvelle automatisation peut être angoissant. eesel AI élimine les incertitudes grâce à un puissant mode de simulation. Vous pouvez tester votre configuration sur des milliers de tickets passés pour voir exactement comment l'IA aurait étiqueté, acheminé et répondu avant de l'activer pour les clients en direct. Vous obtenez une image claire de ses performances et pouvez faire des ajustements sans aucun risque.
Cette approche est à des années-lumière des systèmes rigides et manuels du passé.
| Caractéristique | Workflows Intercom | eesel AI |
|---|---|---|
| Précision | Repose sur des correspondances exactes de mots-clés. | Comprend l'intention et le contexte du client. |
| Configuration | Création manuelle de chaque règle et liste de mots-clés. | Opérationnel en quelques minutes. Apprend automatiquement à partir des tickets passés. |
| Maintenance | Nécessite des mises à jour constantes des listes de mots-clés. | S'améliore de manière autonome en fonction des nouvelles conversations. |
| Test | Limité au test de workflows individuels. | Simulation puissante sur des milliers de tickets historiques. |
| Connaissance | Limité à Intercom et aux informations ajoutées manuellement. | Se connecte à Intercom, Confluence, Google Docs, et plus encore. |
Arrêtez de gérer les mots-clés, commencez à automatiser avec intelligence
Étiqueter manuellement les tickets de support est un moyen infaillible d'épuiser votre équipe et de tuer l'efficacité. Bien que les règles basées sur les mots-clés dans des outils comme Intercom soient un progrès par rapport à rien, elles constituent une solution fragile et difficile à faire évoluer. Elles nécessitent une surveillance constante et manquent souvent ce que les clients disent réellement.
La véritable automatisation basée sur l'IA est une voie plus intelligente. En comprenant l'intention du client et en apprenant directement des données de votre entreprise, elle offre un moyen plus fiable, efficace et évolutif de gérer votre boîte de réception de support. eesel AI se connecte aux outils que vous utilisez déjà pour fournir cette intelligence, vous permettant enfin de sortir du cycle infernal des mots-clés.
Prêt à voir comment une véritable IA peut transformer votre support Intercom ? Simulez gratuitement eesel AI sur vos tickets historiques et obtenez un rapport instantané sur votre potentiel d'automatisation.
Foire aux questions
Ce sont des règles d'automatisation dans Intercom qui utilisent une logique « si-alors ». Elles se déclenchent lorsqu'une nouvelle conversation commence, vérifient la présence de mots-clés spécifiques dans le message, puis appliquent une étiquette prédéfinie (comme un tag ou un attribut) si ces mots-clés sont trouvés. Cela aide à catégoriser les conversations pour le routage ou les rapports.
La plus grande limitation est le manque de précision, car la correspondance par mots-clés ne parvient souvent pas à saisir la véritable intention du client, ce qui entraîne des tickets mal catégorisés. De plus, ces workflows nécessitent une maintenance continue importante, car les listes de mots-clés doivent être constamment mises à jour pour rester efficaces.
Leur configuration implique de définir des déclencheurs, des conditions (comme des listes de mots-clés) et des actions pour chaque scénario. Bien que la configuration initiale pour des cas simples soit directe, la création de systèmes complets pour de nombreux sujets avec toutes les variations de mots-clés possibles peut être longue et complexe.
Pas automatiquement. Ces workflows sont statiques et ne répondent qu'aux mots-clés ou phrases exacts que vous avez programmés. Toute nouvelle formulation de la part des clients, mise à jour de produit ou changement de politique nécessiterait des mises à jour manuelles de vos règles de workflow pour maintenir la précision.
Oui, le constructeur principal de Workflows n'est généralement disponible que sur les plans plus avancés d'Intercom (niveaux Avancé et Expert). Si vous optez pour les Attributs Fin d'Intercom alimentés par l'IA pour une meilleure détection d'intention, cela entraîne des frais supplémentaires par résolution.
Les Attributs Fin sont une amélioration car ils utilisent l'IA pour classer les conversations en fonction de descriptions en langage naturel, allant au-delà de la simple correspondance de mots-clés. Cependant, ils vous obligent toujours à rédiger manuellement des descriptions détaillées pour chaque catégorie, contrairement à une IA véritablement auto-apprenante.
Les tests au sein des workflows natifs d'Intercom sont généralement limités à des vérifications de workflows individuels, et non à des simulations à grande échelle. Il est donc difficile de prédire avec précision comment un ensemble complexe de règles se comportera sur des milliers de tickets historiques avant le lancement.






