
Re:amaze a bien une analyse de sentiment par IA, mais c'est un bouton qu'une personne doit presser : ouvrir une conversation, sélectionner Scan for Sentiment, et l'IA donne une lecture de ce que ressent le client, selon sa documentation des outils IA. Je n'ai trouvé ni score automatique, ni alerte de sentiment, ni rapport de sentiment, et l'outil est marqué Beta. Pour un tri qui fonctionne sans clic, j'écrirais un prompt AI Pre-Filter pour les clients mécontents ou qui annulent, je les taguerais et je tiendrais le AI Agent à l'écart. eesel se connecte à Re:amaze, suit ce type de règle de transmission selon un calendrier, et laisse une note expliquant pourquoi.
Avec la CLI eesel, un agent de codage IA peut téléverser des connaissances approuvées, comme des articles de FAQ exportés et des modèles de réponse, puis poser des questions test à l'agent eesel et vérifier les réponses avant que quoi que ce soit ne passe en direct. Connecter Re:amaze lui-même demande encore qu'une personne copie un jeton API depuis les paramètres de Re:amaze.
Re:amaze a-t-il une analyse de sentiment par IA ?
Oui, sous une forme précise. L'article sur les outils IA de Re:amaze a une section appelée Conversation Sentiment Analysis. Il dit que l'outil « vous aide à évaluer rapidement le sentiment du client », et qu'il est utile quand les conversations passent d'un agent à l'autre, car l'agent suivant peut voir si le problème semble résolu. Vous sélectionnez Scan for Sentiment pour l'exécuter, et Ask About This Conversation pour poser une question directe au fil, comme « Le client est-il mécontent ? ».

Le texte du panneau sur cette capture dit : « Vous pouvez vérifier le sentiment de cette conversation pour avoir une idée de ce que ressent le client. » Deux éléments de cette formulation comptent. Il parle d'« une idée », pas d'un score, et le panneau se trouve sous une carte AI Conversation Tools étiquetée Beta. La page IA de Re:amaze marque elle aussi la suite comme Beta et dit qu'elle fonctionne sur les modèles GPT d'OpenAI.
Voici ce que la documentation que j'ai lue le 21/11/2026 ne dit pas. Elle ne décrit pas le format de sortie (une étiquette, un score ou une phrase), les langues qu'elle gère, ni si le résultat est enregistré sur la conversation. Elle ne décrit ni déclencheur de workflow, ni scan automatique, ni filtre de sentiment. Et le AI Chatbot and Productivity Report liste AI Impact Rate, Team Time Saved, Content Score, Total Usage et Success Rate, sans aucune mesure de sentiment. Si vous évaluez encore le produit, mon avis sur Re:amaze couvre le reste.
C'est un choix de conception raisonnable pour une bêta : l'agent décide quand il est utile de demander. Cela signifie aussi que personne n'est averti quand un fil tourne mal, sauf si quelqu'un regarde.
Quels signaux Re:amaze vous donne-t-il à la place ?
Cinq éléments de Re:amaze touchent à l'humeur du client, et chacun se déclenche à un moment différent. L'écart entre eux est la partie utile.

| Fonction Re:amaze | Quand elle agit | Plan selon la documentation | Lit l'humeur ? |
|---|---|---|---|
| Scan for Sentiment | Quand un agent clique | Aucune restriction trouvée | Oui, à la demande |
| Ask About This Conversation | Quand un agent tape une question | Aucune restriction trouvée | Seulement si vous demandez |
| AI Pre-Filter | Au moment où une conversation arrive | Demande le AI Agent activé | Correspond au prompt que vous écrivez |
| Intents plus Workflows | À chaque message du client | AI Intents listé sur Pro | Correspond à ce que le client veut, pas à ce qu'il ressent |
| Notes de satisfaction | Après la résolution de la conversation | Listé sur Plus | La propre réponse du client, tardive |
Cette dernière ligne a un hic. La page de tarifs liste Customer Satisfaction Ratings sous Plus, mais l'aperçu des rapports liste le Satisfaction Ratings report dans l'ensemble de reporting Pro. Je n'ai pas pu réconcilier les deux, vérifiez donc de quel plan vous avez besoin avant de passer à un niveau supérieur pour ça.
Pour ce que signifie habituellement l'analyse de sentiment, mon aperçu de l'analyse de sentiment par IA et l'entrée du glossaire sur l'analyse de sentiment posent les bases.
Combien cela coûte-t-il sur Re:amaze ?
Le scan de sentiment n'a pas de prix propre. Ce que vous payez, c'est le plan, et le compteur du AI Agent si vous ajoutez des Pre-Filters. Ces chiffres viennent de la page de tarifs Re:amaze en direct, vérifiée le 21/11/2026.
| Plan | Par membre d'équipe et par mois | Facturé annuellement | Résolutions AI Agent incluses par utilisateur et par mois | Pertinent pour le travail de ton |
|---|---|---|---|---|
| Basic | 29 $ | 26,10 $ | 5 | AI Agent, Basic Reporting |
| Pro | 49 $ | 44,10 $ | 10 | Ajoute AI Intents et Advanced Reporting |
| Plus | 69 $ | 62,10 $ | 20 | Ajoute Customer Satisfaction Ratings et Staff Performance Reporting |
| Starter | 59 $ forfaitaire, jusqu'à 500 conversations répondues | Non listé | Non listé | Toutes les fonctions Basic, membres d'équipe illimités |
Les résolutions AI Agent supplémentaires coûtent 0,85 $ chacune. Une équipe de cinq personnes sur Pro paie 245 $ par mois et obtient 50 résolutions incluses. La documentation dit que Pre-Filter demande le AI Agent activé « avec des résolutions restantes ou le dépassement activé », mais ne dit pas si une conversation pré-filtrée compte comme une résolution, demandez donc au support avant de compter sur la stabilité du compteur. Mon guide sur le coût de Re:amaze passe en revue d'autres tailles d'équipe.
Comment obtenir une escalade automatique pour les clients mécontents sur Re:amaze ?
Utilisez un AI Pre-Filter, avec une mise en garde honnête : la documentation le décrit comme un filtre de sujet, pas un détecteur d'humeur. AI Pre-Filter fait lire par l'IA chaque conversation entrante et la comparer à un prompt que vous écrivez en langage simple, jusqu'à 500 caractères. En cas de correspondance, il applique votre tag et exécute une des quatre actions : taguer et laisser ouvert, taguer et marquer comme fait, taguer et marquer comme spam, ou taguer et archiver. Son usage suggéré est de transmettre à des personnes les « problèmes de facturation ou de paiement, les demandes d'annulation, ou les demandes de clients VIP et à forte valeur ».

Comme un prompt n'est qu'une description, rien ne vous empêche de décrire l'état d'un client plutôt que son sujet. Je n'ai pas testé sa capacité à saisir le ton, traitez-le donc comme un filet grossier et lisez ce qu'il tague pendant la première semaine. Voici la configuration par laquelle je commencerais. Elle prend environ 10 minutes.
- Ouvrez l'onglet Pre-Filters. Allez dans AI > Manage Bots, sélectionnez Pre-Filters, puis Enable AI Pre-Filter.
- Ajoutez un filtre. Sélectionnez Add Filter et définissez le tag sur
needs-human. - Choisissez l'action. Choisissez tag and leave open, pour qu'une personne la voie dans la boîte de réception normale.
- Écrivez un prompt court. Par exemple : « Le client est en colère ou frustré, menace d'annuler, de contester un paiement ou de laisser un mauvais avis, mentionne un avocat, ou dit que c'est la deuxième ou troisième fois qu'il écrit pour le même problème. »
- Observez ce qui est tagué. Ouvrez les conversations taguées chaque jour pendant une semaine et ajustez le prompt quand il rate quelque chose ou en tague trop.
- Comptez le tag. Le Tags report montre quels tags sont appliqués le plus souvent, ce qui vous donne un décompte continu des transmissions.
Deux règles de la documentation façonnent cela. Toute conversation qui correspond à un pre-filtre n'est pas traitée par le AI Agent, quel que soit le tag ou l'action utilisés. Et les pre-filtres ont priorité sur les Workflows : si une conversation correspond aux deux, le Pre-Filter s'exécute et le Workflow est sauté. Cela signifie que vous ne pouvez pas enchaîner « taguer comme mécontent, puis assigner au chef d'équipe » dans un workflow pour ces mêmes conversations. Planifiez plutôt votre assignation autour du tag, par exemple avec une vue enregistrée pour needs-human.
Que peuvent faire Workflows et Intents sans sentiment par IA ?
Ils traitent les cas où le client dit ce qui ne va pas, et pour des équipes e-commerce sensibles au churn, ce sont la plupart des cas qui comptent. Un Intent est une description d'une à trois phrases de ce qu'un client essaie de faire, comparée sur le sens plutôt que sur les mots exacts, si bien que « annuler mon abonnement » est détecté quelle que soit sa formulation. Utilisé dans un Workflow, il peut taguer la conversation, l'assigner, répondre ou laisser une note interne.
Le créateur de Workflows a aussi des conditions côté commandes. L'exemple propre à la documentation est : « Quand un message client arrive et que le Customer Total Order Value est supérieur à 2 000 $, taguez la conversation VIP Customer », et un autre associe une valeur vie client Shopify supérieure à 1 000 $ à un intent « Où est ma commande ? ». Un intent de remboursement ou de rétrofacturation venant d'un client à forte valeur est exactement le message qui devrait sauter la file. Pour la vue d'ensemble, mes guides sur l'automatisation Re:amaze et le routage IA Re:amaze couvrent la conception des tags, et priorisation des tickets par IA montre comment classer ce qui arrive.
Les Intents sont listés sur Pro, et un Intent seul ne fait rien : la documentation dit qu'il n'agit qu'une fois devenu une condition dans un Workflow. La limite est la même que pour toute règle. Il capte ce que vous avez décrit, si bien qu'un client silencieusement furieux à propos d'un colis en retard et qui ne dit jamais « annuler » passe inaperçu.
Le bouton de sentiment peut-il aider lors des transmissions ?
Oui, et c'est exactement là que je l'utiliserais. Un scan au moment de la transmission dit à l'agent suivant si le problème semble résolu, ce qui est l'usage que nomme la documentation. Associez-le à Ask About This Conversation et à une question standard comme « Le client est-il mécontent, et qu'avons-nous promis ? ». La réponse est un indice, pas une preuve, vérifiez donc les remboursements et les dates par rapport au fil.

Les résumés ne peuvent être générés qu'une fois qu'un fil a 10 messages, comme je l'ai couvert dans mon article sur les résumés de conversation IA de Re:amaze, et le panneau de sentiment sur cette capture se trouve juste à côté. On ne précise pas si le scan de sentiment a le même minimum de messages, testez-le donc sur un fil court. Pour ce que contient une bonne transmission, voir AI agent handoff best practices et le guide du processus d'escalade des tickets.
Que vous disent les notes de satisfaction que le scan ne dit pas ?
Elles vous disent comment le client a jugé le résultat, et c'est une question différente. Le Satisfaction Ratings report de Re:amaze montre la note moyenne des enquêtes automatisées envoyées après la résolution d'une conversation, la distribution des notes et les éventuels commentaires, selon l'aperçu des rapports. Le Appreciations report montre quelles réponses du personnel ont plu aux clients.
Le piège, c'est le moment. Une note arrive après la résolution de la conversation, et seulement si le client répond. Le client mécontent dans le message un n'a aucun score jusqu'à la fin du fil. Utilisez les notes pour revoir le mois dernier et le scan pour regarder aujourd'hui. Mes articles sur le CSAT par IA et comment mesurer le sentiment client, ainsi que les entrées du glossaire sur le CSAT et la satisfaction client, expliquent en quoi les deux mesures diffèrent.
Comment les autres helpdesks gèrent-ils le sentiment ?
La plupart s'arrêtent aussi avant un score toujours actif, Re:amaze n'est donc pas inhabituel. Si un score natif est une exigence stricte, ceux-ci valent la comparaison :
- Analyse de sentiment Zendesk
- Détection de sentiment Gorgias
- Analyse de sentiment IA Freshdesk
- Help Scout, Dixa et Freshchat documentent chacun leur propre version
- Kustomer, HubSpot et Zoho Desk
Si la réponse pour vous est un autre helpdesk, commencez par alternatives IA à Re:amaze et Re:amaze contre Dixa.
Où eesel s'inscrit-il dans la gestion du sentiment sur Re:amaze ?
eesel est une plateforme de coéquipiers IA, et celui qui compte ici est le coéquipier IA de helpdesk. Je ne l'appellerais pas un tableau de bord de sentiment : eesel ne publie pas de score d'humeur, et la documentation Re:amaze décrit des actions, pas une mesure de sentiment. Ce qu'il fait, c'est agir sur des signaux que vous définissez, ce qui est la partie que Re:amaze laisse à une personne.
Re:amaze n'a pas de déclencheurs d'événements dans eesel, l'agent fonctionne donc selon un calendrier. À chaque exécution, jusqu'à toutes les dix minutes, il liste les conversations qui correspondent à ses instructions, lit les 40 derniers messages de chaque fil, et peut laisser une note interne, ajouter ou retirer des tags, définir l'assigné et définir le statut. Il apprend par défaut de vos modèles de réponse et des conversations résolues et archivées des 30 derniers jours, et il lit vos articles du centre d'aide en direct. Il ne voit ni les pièces jointes ni les champs personnalisés. Une exécution planifiée utilise au moins 1 crédit, et les plans démarrent à 299 $ par mois pour 500 crédits, selon la documentation des tarifs.

L'instruction est une phrase, pas une liste de mots-clés : « si le client annule, menace d'une rétrofacturation ou écrit pour la troisième fois sur le même problème, taguez-le needs-human, assignez-le au chef d'équipe et écrivez une ligne sur pourquoi. » Vous pouvez demander à l'agent de traiter d'abord une vraie conversation dans le chat et lire ce qu'il ferait avant d'activer le calendrier.

Trois clients eesel montrent le même schéma sur d'autres helpdesks, lisez-les donc comme la même conception sur un outil différent :
- STIL Classics vend des agendas et des classeurs sur Shopify et fait tourner eesel sur Gorgias. Entre le 8 août et le 8 septembre 2026, il a préparé environ 320 tickets, laissé environ 430 notes internes et consulté environ 230 commandes Shopify. Les brouillons n'offrent jamais de crédits ni de codes de réduction, parce que le geste commercial reste une décision humaine. C'est la bonne forme pour un client mécontent : l'agent fait le travail préparatoire et une personne décide comment réparer les choses.
- Cape Coffee Beans fait tourner des vérifications planifiées sur Zendesk, environ 160 le même mois, incluant une revue quotidienne des tickets devenus silencieux. C'est le modèle le plus proche de la façon dont eesel fonctionne sur Re:amaze, puisque les deux tournent selon un calendrier.
- Original Bootcamp envoie à une personne tout ce qui concerne une blessure ou la santé, les annulations et les paiements sur Freshdesk, et dit au membre que c'est ce qu'il fait. C'est une règle de sujet sensible écrite comme une phrase, pas comme un score de sentiment.
Pour le côté processus, voir escalade par IA, gérer des clients en colère et détecter le risque de churn dans les conversations. Les entrées du glossaire sur l'escalade et le routage des tickets complètent le vocabulaire.
Quelle configuration une équipe Re:amaze devrait-elle choisir ?
Choisissez selon ce qui doit être vrai un lundi matin. Ma recommandation par défaut pour une équipe de moins de 10 agents est le bouton Scan à la transmission, un Pre-Filter et un coup d'œil quotidien sur les conversations taguées. Cela ne coûte rien de plus que le plan que vous avez déjà, et cela vous montre quels messages prédisent vraiment une mauvaise semaine.
| Si vous avez besoin de | Utilisez | Plan | Limite |
|---|---|---|---|
| Une lecture d'un fil à la transmission | Scan for Sentiment | Aucune restriction trouvée | Manuel, bêta, format de sortie non documenté |
| Un signal pour les clients mécontents ou qui annulent | AI Pre-Filter | Demande le AI Agent activé | Filtre de sujet, détection de ton non testée |
| Une règle sur un intent de remboursement, rétrofacturation ou annulation | Intents plus Workflows | Pro pour AI Intents | Sauté si un Pre-Filter correspond d'abord |
| Une tendance de la satisfaction déclarée par les clients | Satisfaction Ratings report | Plus ou Pro, la documentation diverge | Décalée, seulement les clients qui répondent |
| Une personne impliquée avec une raison écrite | Règles de transmission eesel | Plan Re:amaze plus eesel | S'exécute selon un calendrier, aucun score publié |
Ajoutez la dernière ligne quand votre liste de mots-clés et de prompts commence à dépasser ce que quiconque peut maintenir, ou quand rater une escalade coûte plus cher que l'outil. Si le problème de ton est en réalité un problème de réponse, commencez par brouillons de réponse IA Re:amaze et le guide du chatbot IA Re:amaze. Le tour d'horizon de la meilleure IA pour Re:amaze couvre les options, et Re:amaze en vaut-il la peine aide si vous évaluez le helpdesk lui-même.
Si vous passez en revue des conversations pour du coaching, associez l'une d'elles à une routine d'assurance qualité et à relire des conversations de support IA. Pour les équipes e-commerce qui choisissent leur stack, mes articles sur la meilleure IA de helpdesk pour l'e-commerce et le logiciel de helpdesk e-commerce comparent les options, et intents et sentiments sépare ce qu'un client veut de ce qu'il ressent.
Essayez eesel pour Re:amaze
Si votre équipe Re:amaze a besoin d'une personne sur les conversations mécontentes ou sensibles sans attendre une enquête, eesel se connecte à votre compte Re:amaze avec une connexion staff et un jeton API, suit les règles de transmission que vous écrivez, et laisse une note interne expliquant pourquoi, comme le fait STIL Classics sur Gorgias. Commencez par des notes seulement, testez-le sur des conversations passées, puis élargissez ce qu'il peut faire une fois que les règles ont fait leurs preuves. Voir les choix support e-commerce si vous comparez.
Essayez eesel gratuitement, ou réservez une démo pour le voir sur vos propres conversations. Les termes AI Agent et base de connaissances sont dans le glossaire si vous voulez le contexte.
Comment mesurer le sentiment client sur Re:amaze dans le temps ?