Modèle de flux conversationnel de chatbot : 6 flux à copier pour 2026

Ce qu'est vraiment un flux conversationnel de chatbot

Un flux conversationnel est le chemin qu'un chatbot de service client fait parcourir à un client. Voyez-le comme le script et la carte à la fois : le script, c'est ce que dit le bot, la carte, c'est la logique de ramification qui décide de ce qu'il dit ensuite selon ce que fait le client. Si vous apprenez mieux avec des exemples aboutis, notre article d'exemples de conversations chatbot en montre de vrais, du début à la fin.

Chaque flux, qu'il s'agisse d'une réponse FAQ en deux étapes ou d'un processus de retour à dix branches, est construit à partir des mêmes cinq éléments mobiles :

1. Déclencheur - ce qui démarre le flux. Un chargement de page, un « bonjour », un clic sur un bouton, ou un nouveau ticket qui arrive dans votre helpdesk.
2. Détection d'intention - le bot détermine ce que le client veut vraiment. C'est l'étape où les bots scriptés se trompent le plus souvent, car ils forcent le client à s'auto-sélectionner dans un menu au lieu de simplement lire le message.
3. Récupération de la réponse - le bot va chercher la bonne réponse, idéalement dans une base de connaissances en direct plutôt que dans une réponse codée en dur qui finit par devenir obsolète.
4. Vérification de confiance - la porte la plus importante de toutes. Le bot est-il assez sûr pour répondre, ou un humain devrait-il prendre le relais ? Sautez cette étape et vous obtiendrez des réponses fausses données avec assurance, ce qui est pire qu'une absence de réponse.
5. Résolution ou escalade - soit le client est réglé, soit la conversation est transmise proprement à une personne avec tout le contexte joint.

Si vous gardez ces cinq éléments en tête, chaque modèle ci-dessous n'est qu'une variation du même thème. Les différences se situent surtout à l'étape 2 (quelles intentions vous attendez) et à l'étape 5 (où va la conversation ensuite).

Choisissez votre flux

Avant les modèles complets, voici un moyen rapide de trouver celui qu'il vous faut. Choisissez la tâche que vous essayez d'accomplir et vous obtiendrez la forme du flux, plus le modèle ci-dessous vers lequel vous rendre.

Les 6 modèles de flux conversationnel de chatbot

Chaque modèle ci-dessous suit la même forme : ce pour quoi il est idéal, le flux étape par étape, et le texte que vous pouvez reprendre. Ajustez la formulation à la voix de votre marque, mais gardez la structure.

1. Flux de déviation FAQ

Idéal pour : les questions répétitives et faciles à répondre qui dévorent la journée de votre équipe. C'est le flux au meilleur ROI pour la plupart des équipes, car il représente l'essentiel du volume de niveau 1.

Le flux :

1. Déclencheur : le client ouvre le chat ou pose une question.
2. Détecter l'intention : lire le message, le faire correspondre à un sujet connu.
3. Récupérer : rechercher la réponse dans votre centre d'aide.
4. Répondre + citer : répondre avec la réponse et un lien vers l'article source.
5. Confirmer : « Est-ce que ça a résolu le problème ? » → oui ferme, non escalade.

Texte à reprendre :

« Bonjour ! Je peux vous aider avec ça. D'après notre centre d'aide, voici comment faire pour [réinitialiser votre mot de passe / mettre à jour la facturation / etc.] : [réponse]. Vous pouvez en savoir plus ici : [lien]. Est-ce que ça a résolu le problème ? »

Le piège ici est de répondre avec une réponse codée en dur qui devient obsolète. Orientez plutôt le flux vers votre documentation en direct, pour que la réponse se mette à jour en même temps que l'article. Si vous comparez des outils pour cela, nos articles sur le meilleur bot FAQ à IA et l'automatisation des FAQ de chatbot vont plus loin.

2. Flux de statut de commande (WISMO)

Idéal pour : les équipes e-commerce noyées sous « où est ma commande ? ». C'est le ticket e-commerce le plus courant, et il est presque entièrement automatisable car la réponse se trouve dans un système, pas dans la tête d'une personne.

Le flux :

1. Déclencheur : le client demande des nouvelles d'une commande.
2. Identifier : lire le numéro de commande, ou demander l'e-mail enregistré.
3. Consulter : récupérer le statut en direct depuis Shopify, WooCommerce ou votre système de commandes.
4. Répondre : donner le lien de suivi et la date attendue.
5. Ramifier : si la commande est en retard ou perdue, proposer un humain ou une voie de remboursement.

Texte à reprendre :

« Je vérifie ça pour vous. Pouvez-vous me communiquer votre numéro de commande ou l'e-mail utilisé lors du paiement ? … Votre commande [#1234] a été expédiée le [date] et est attendue le [date]. Voici le suivi en direct : [lien]. Autre chose ? »

Pour le schéma complet, retours et livraison inclus, consultez notre guide sur les chatbots pour le statut de commande, les retours et la livraison et les meilleures apps de chat en direct à IA pour les boutiques Shopify.

3. Flux de triage et de routage des tickets

Idéal pour : les équipes où le problème n'est pas de répondre aux tickets, mais de les trier. Un flux de triage lit chaque ticket entrant et l'achemine au bon endroit avant même qu'un humain n'y touche.

Le flux :

1. Déclencheur : un nouveau ticket arrive dans votre helpdesk.
2. Classer : détecter le sujet, l'urgence, le sentiment et la langue.
3. Router : l'étiqueter et l'envoyer vers la bonne file ou le bon agent.
4. Assister : laisser une suggestion de réponse en note interne pour l'agent.

Ce flux est discrètement puissant car il fonctionne même quand vous n'êtes pas encore prêt à laisser l'IA répondre directement aux clients. Le bot fait le tri et le brouillon ; l'humain continue d'appuyer sur envoyer. Nos articles sur le workflow de service client à IA et la meilleure IA pour le triage des tickets de support approfondissent ce point.

4. Flux de transfert humain

Idéal pour : tous les bots, sans exception. C'est le flux que je concevrais en premier, car un chatbot incapable de transmettre avec élégance un client bloqué à une personne est le moyen le plus rapide de faire détester votre support.

Le flux :

1. Portail de confiance : chaque réponse passe par une vérification de certitude.
2. Déclencher la sortie : une faible confiance, une réponse ratée répétée, ou un explicite « parler à un humain » redirigent vers l'extérieur.
3. Rassembler le contexte : capturer la question, la commande, le compte.
4. Transférer : créer ou mettre à jour un ticket avec la transcription complète jointe, pour que le client n'ait jamais à se répéter.

Voici à quoi ressemble une version propre dans un vrai chat. Un utilisateur final sur la bulle de chat du site d'un outil SEO a posé deux questions de configuration (« comment supprimer des mots-clés de mon projet ? », puis « comment supprimer des moteurs de recherche ? »), a obtenu des réponses en libre-service aux deux, puis a tapé « puis-je parler à un humain ? ». Le bot a répondu aux deux premières depuis la documentation, puis a transféré directement à une personne à l'instant même où ce troisième message est arrivé. C'est tout l'enjeu : dévier ce qui peut l'être, et s'effacer dès que le client veut un humain. Nous avons écrit tout un article sur les exemples de conception conversationnelle pour les flux de transfert IA et sur l'escalade de chatbot si vous voulez approfondir.

Ce que la plupart des flux font mal : ils rendent « parler à un humain » difficile d'accès, espérant ainsi forcer la déviation. Cela se retourne contre eux. Rendez la sortie évidente et tout le bot paraît plus digne de confiance, ce qui, contre-intuitivement, rend les gens plus disposés à essayer d'abord la réponse en libre-service.

5. Flux de qualification de leads

Idéal pour : les équipes marketing et commerciales qui utilisent le chat pour capter et trier l'intérêt entrant, pas seulement pour le support.

Le flux :

1. Déclencheur : le chat s'ouvre sur une page à forte intention (tarifs, démo, contact).
2. Qualifier : poser deux ou trois questions courtes (taille de l'équipe, cas d'usage, échéance).
3. Ramifier : lead chaud → proposer de réserver une démo ; chercheur d'informations → envoyer du contenu utile.
4. Capturer : transmettre les détails à votre CRM et notifier le bon commercial.

Texte à reprendre :

« Ravi de vous aider à déterminer si nous sommes faits l'un pour l'autre. Une question rapide pour bien vous orienter : quelle est à peu près la taille de votre équipe support ? … Parfait, voulez-vous que je vous trouve un créneau avec quelqu'un, ou un aperçu rapide serait-il plus utile pour l'instant ? »

Gardez ce flux court. Le moyen le plus rapide de tuer un flux de leads est d'interroger quelqu'un avec huit questions avant qu'il ait obtenu quoi que ce soit d'utile en retour.

6. Flux d'enquête CSAT après chat

Idéal pour : les équipes qui veulent savoir si le bot aide vraiment, pas seulement s'il dévie. Dévier sans satisfaction est une métrique de vanité.

Le flux :

1. Déclencheur : la conversation est marquée résolue.
2. Demander : une seule note (1 à 5 ou pouces vers le haut/bas).
3. Ramifier : score bas → une question ouverte de suivi, et rouvrir le ticket.
4. Enregistrer : joindre le score à la conversation pour le reporting.

La règle de conception : une question, puis éventuellement une de plus. Chaque champ supplémentaire fait baisser votre taux de réponse. Si vous voulez la mécanique, nous détaillons comment configurer et envoyer une enquête CSAT à la clôture d'une conversation, et il y a plus sur les indicateurs à surveiller dans notre guide des indicateurs du service client à IA.

Erreurs courantes qui cassent un flux

Après avoir vu beaucoup de ces flux fonctionner en conditions réelles, les mêmes erreurs reviennent sans cesse :

• Aucune issue de secours. S'il n'y a pas de chemin clair vers un humain, un client bloqué n'a nulle part où aller sinon s'énerver. Concevez la sortie d'escalade en premier, pas en dernier.
• Impasses. Une branche qui se termine par « Désolé, je ne peux pas vous aider avec ça » et rien d'autre est une impasse. Chaque feuille du flux devrait soit résoudre, soit router quelque part.
• Sur-scriptage. Plus vous ajoutez de boutons et de choix forcés, plus le flux devient fragile. Les vrais clients ne lisent pas votre menu ; ils tapent ce qu'ils veulent.
• Aucun portail de confiance. Un bot qui répond à tout avec pleine confiance répondra avec assurance à côté. C'est la raison numéro un pour laquelle les chatbots donnent de mauvaises réponses.
• Réponses obsolètes. Les réponses codées en dur se périment. Orientez le flux vers une documentation vivante pour qu'il reste à jour tout seul. C'est aussi là qu'une base de connaissances à IA prouve sa valeur.
• Dévier pour dévier. Courir après un taux de déviation élevé pendant que la satisfaction baisse est une fausse victoire. Mesurez les deux.

Pourquoi le gigantesque arbre de décision est en train de mourir

Voici le changement de perspective, et c'est la raison pour laquelle j'y réfléchirais à deux fois avant de passer une semaine à construire à la main un logigramme à 40 nœuds en 2026.

Le modèle classique de flux conversationnel de chatbot est un arbre de décision scripté : le client clique sur un bouton, qui révèle d'autres boutons, qui révèlent encore d'autres boutons. Cela fonctionne bien jusqu'à ce que quelqu'un tape quelque chose que vous n'aviez pas anticipé, ce qui arrive dans à peu près une conversation sur trois. Alors ça finit en impasse, et le client s'en va.

Un agent IA fonctionne différemment. Au lieu de forcer le client à descendre une branche, il lit l'intention à partir du langage naturel et extrait la réponse de vos connaissances. L'arbre tentaculaire s'effondre en un modèle bien plus réduit : les garde-fous (ce qu'il a le droit de faire), les connaissances (sur quoi il fonde ses réponses), et le transfert (quand il s'efface). C'est tout. C'est pourquoi toute la distinction entre agent IA et chatbot traditionnel compte tant pour quiconque conçoit des flux aujourd'hui.

Un acheteur, lors d'un échange sur le choix entre construire ou acheter, a résumé le compromis sans détour : ils auraient pu écrire leur propre application LLM, mais ils ne voulaient pas y investir le temps, et surtout, ils voulaient quelque chose qu'ils n'auraient pas à maintenir. Ce point de la maintenance est aussi le coût silencieux des arbres scriptés. Chaque changement de produit, nouveau plan ou ajustement de politique implique de retourner dans le logigramme et de recâbler des branches. Un flux qui apprend de votre documentation et de vos tickets se met à jour tout seul quand la source se met à jour.

Essayez eesel pour des flux de chatbot sans l'arbre

Si les six modèles ci-dessus vous ont fait penser « super, maintenant je dois construire tout ça », voici le raccourci. eesel AI est un agent de support à IA qui apprend vos flux à partir de ce que vous avez déjà : tickets passés, documentation d'aide et macros. Au lieu de dessiner un arbre de décision à la main, vous connectez votre helpdesk et il rédige le flux pour vous, puis vous ajustez le comportement en langage simple.

Quelques éléments qui correspondent directement aux modèles présentés ici :

• Le flux de transfert est intégré d'office. Le routage basé sur la confiance fait qu'il ne répond qu'à ce dont il est sûr et transfère le reste à un humain, donc vous n'avez pas à câbler vous-même l'issue de secours.
• Vous le configurez en lui parlant, pas en glissant des nœuds. Vous lui dites quand intervenir, quel ton tenir, et à quoi ne pas toucher.
• Vous pouvez le tester avant sa mise en ligne. Le mode simulation fait tourner le flux sur vos tickets passés pour que vous voyiez la couverture et les lacunes avant qu'un seul client n'y touche. C'est ainsi que Gridwise a atteint 73 % des demandes de niveau 1 résolues dès le premier mois.

Il se connecte à Zendesk, Freshdesk, Gorgias, Front et plus de 100 autres outils, et la tarification est basée sur l'usage, à 0,40 $ par ticket traité, sans frais de siège. Vous pouvez l'essayer gratuitement et simuler vos propres flux avant de vous engager.