Un guide pratique de la détection d'entités Zendesk : Fonctionnalités, limites et alternatives

Si vous gérez une équipe de support aujourd'hui, vous ressentez probablement la pression. Les files d'attente de tickets s'allongent, les clients attendent des réponses pour hier, et il y a une forte incitation à automatiser quelque chose, n'importe quoi, pour suivre le rythme.

Cette quête d'automatisation plus intelligente est ce qui rend des fonctionnalités comme la détection d'entités si attrayantes. Zendesk possède sa propre version, intégrée à sa suite d'IA, appelée la détection d'entités Zendesk. Sur le papier, cela semble être un excellent outil pour trier et acheminer automatiquement les tickets là où ils doivent aller. Mais comment se comporte-t-il réellement lorsque les choses se compliquent ?

Jetons un œil honnête sur ce que fait cette fonctionnalité, comment la configurer, où elle a tendance à échouer, et comment des outils d'IA plus récents et plus flexibles peuvent vous donner de meilleurs résultats sans toute la maintenance manuelle.

Qu'est-ce que la détection d'entités Zendesk ?

La détection d'entités Zendesk est une fonctionnalité de son outil de triage intelligent, qui fait partie de l'offre plus large Zendesk AI. Sa tâche principale est assez simple : trouver et extraire automatiquement des bribes d'informations spécifiques des tickets entrants.

Imaginez-la comme un surligneur intelligent qui scanne le message d'un client à la recherche d'éléments tels que des noms de produits, des numéros de commande, ou des raisons spécifiques de contact, toute donnée unique qui compte pour votre entreprise.

Capture d'écran de l'Extraction d'Entités par l'IA Avancée de Zendesk, une fonctionnalité clé de la détection d'entités Zendesk.

L'ensemble du système repose sur la connexion de ces « entités » à des champs de ticket personnalisés que vous avez déjà créés dans Zendesk, spécifiquement des champs de type liste déroulante, sélection multiple ou Regex (Expression Régulière). L'idée est d'utiliser ces données extraites pour lancer des flux de travail automatisés, comme acheminer un ticket à la bonne équipe ou augmenter sa priorité. C'est un pas vers un centre d'assistance un peu moins chaotique.

Comment configurer et gérer la détection d'entités Zendesk

Faire fonctionner la détection d'entités dans Zendesk n'est pas exactement une affaire d'un seul clic. Elle offre un certain contrôle, mais la configuration est manuelle et nécessite un peu de surveillance pour éviter qu'elle ne crée plus de travail qu'elle n'en économise.

La base de la détection d'entités Zendesk : Créer des entités à partir de champs personnalisés

Première chose : vous ne pouvez pas simplement inventer des entités sur le champ. Elles doivent être liées à des champs de ticket personnalisés. Cela signifie que votre premier arrêt est votre panneau d'administration, où vous devrez créer des champs pour les données que vous souhaitez suivre, comme une liste déroulante « Ligne de produits » ou un champ de texte pour l'« ID de commande ».

Zendesk vous permet d'utiliser quelques types de champs pour cela :

• Liste déroulante et sélection multiple : Ce sont vos meilleures options pour des données standardisées avec une liste fixe d'options, comme les noms de produits, les forfaits d'abonnement ou les types de problèmes courants.

• Regex : Celui-ci est destiné aux données qui suivent un modèle spécifique. Si vos numéros de commande ressemblent toujours à « ORD-12345 » ou si les numéros de suivi ont un format défini, vous pouvez écrire une expression régulière pour les débusquer. C'est un outil puissant pour les développeurs, mais pour l'administrateur moyen, écrire et déboguer des Regex peut être un véritable casse-tête.

Cette approche axée sur les champs signifie que le système est assez rigide. Chaque fois qu'un nouveau produit est lancé ou que vous identifiez un nouveau type de problème, un administrateur doit mettre à jour manuellement le champ personnalisé et réajuster les paramètres de détection d'entités. C'est un peu une corvée.

Affiner la détection d'entités Zendesk avec des synonymes et des règles

Une fois vos champs liés, Zendesk vous donne quelques options pour essayer d'améliorer la précision.

Vous pouvez ajouter des synonymes pour que différents mots pointent vers la même valeur. Par exemple, « ID », « N° de commande » et « Numéro de commande » pourraient tous être des synonymes pour votre entité de numéro de commande. Cela aide à capter certaines des façons dont les clients s'expriment naturellement.

Vous pouvez également définir des règles d'extraction qui décident quand un champ est mis à jour. Voulez-vous saisir l'entité uniquement à partir du tout premier message, ou doit-elle se mettre à jour si un client la mentionne à nouveau plus tard ? Vous avez un certain contrôle là-dessus.

Il y a aussi une fonctionnalité de détection des fautes d'orthographe, mais elle a quelques bizarreries. Elle ne fonctionne que sur les mots de plus de cinq lettres, et le client doit avoir la première lettre correcte. C'est une bonne idée, mais c'est loin d'être une fonctionnalité vraiment « intelligente » capable de gérer les fautes de frappe du monde réel.

Le casse-tête des Regex et de l'ordre des entités

Voici un gros piège qui déroute beaucoup d'administrateurs Zendesk : l'ordre de vos entités est d'une importance capitale.

Zendesk scanne les entités dans un ticket du haut de votre liste vers le bas. La toute première qu'il trouve correspondant au texte, il la saisit, puis il arrête de chercher. Si vous n'êtes pas prudent, cela peut causer toutes sortes de mauvaises catégorisations.

Par exemple, disons que vous avez une entité large pour le « Nom complet » en haut de votre liste. Un peu plus bas, vous avez une entité très spécifique qui recherche une « Adresse e-mail ». Si un client écrit : « Mon email est hello@example.com », la règle « Nom complet » pourrait saisir « hello@example.com » en premier et l'étiqueter à tort comme un nom. La règle plus spécifique pour l'e-mail n'a même jamais la chance de s'exécuter.

Cela oblige les administrateurs à un cycle frustrant de tests, de débogage et de réorganisation constante de leur liste d'entités pour éviter les conflits. C'est une configuration fragile qui crée une quantité surprenante de maintenance continue.

Cas d'usage courants et limites clés de la détection d'entités Zendesk

Bien que la fonctionnalité de Zendesk soit un bon point de départ pour l'automatisation, sa conception stricte et basée sur des règles montre son âge par rapport à l'IA moderne qui comprend le contexte.

Les points forts de la détection d'entités Zendesk

Pour être juste, elle a ses bons côtés. Pour des tâches simples et clairement définies, elle peut fonctionner assez bien.

• Routage automatisé des tickets : C'est son objectif principal. Si l'entité « Modèle de caméra A » est détectée, un déclencheur peut s'activer et envoyer le ticket directement à vos spécialistes matériels.

• Définition de la priorité des tickets : Si un ticket mentionne l'entité « Panne système », vous pouvez créer une règle pour le marquer automatiquement comme Urgent.

• Reporting : Elle vous aide à générer des rapports structurés sur les volumes de tickets liés à des produits spécifiques ou à des types de problèmes que vous avez définis.

Là où le système montre ses faiblesses

Les problèmes commencent lorsque vous devez gérer les zones grises du support client.

• C'est rigide, pas intelligent : Le système ne comprend pas réellement le client. Il joue simplement à un jeu de correspondance de mots-clés basé sur une liste que vous lui avez fournie. Si un client décrit son problème avec des mots légèrement différents qui ne figurent pas sur votre liste de synonymes, l'entité est complètement manquée. Il n'y a pas de réelle conscience contextuelle.

• Cela crée beaucoup de travail administratif : Comme tout administrateur chevronné vous le dira, une énorme quantité de temps est consacrée à l'écriture et au débogage de Regex, à l'ajustement de l'ordre des entités et à l'ajout manuel de chaque synonyme imaginable. C'est un système qui a besoin d'être constamment alimenté et entretenu, pas un qui apprend par lui-même.

• Ses connaissances sont cloisonnées : La détection d'entités ne peut voir que les informations que vous avez saisies manuellement dans les champs personnalisés de Zendesk. Elle n'a aucune idée de ce qui se trouve dans votre base de connaissances Confluence, vos Google Docs internes, ou de ce qui a été dit dans les résolutions de tickets passés.

• Les actions sont limitées : En fin de compte, tout ce que fait cette fonctionnalité, c'est de remplir un champ de ticket. Si vous voulez faire quelque chose de plus complexe, comme notifier un chef de produit sur Slack ou rechercher les détails d'une commande dans Shopify, vous devez construire un réseau distinct, souvent maladroit, de déclencheurs qui peuvent facilement se casser.

Une alternative plus flexible : la compréhension contextuelle d'eesel AI

C'est là qu'un outil comme eesel AI aborde le problème sous un angle complètement différent. Au lieu de s'appuyer sur des règles rigides et prédéfinies, eesel AI se connecte à toutes les connaissances de votre entreprise, les tickets passés, les articles d'aide, les pages Confluence, les messages Slack, et plus encore, pour apprendre automatiquement le contexte de votre activité.

Il ne se contente pas de faire correspondre des mots-clés ; il comprend ce que le client essaie de dire. Cela lui permet de catégoriser les tickets avec un degré de précision beaucoup plus élevé, même lorsque les gens utilisent des formulations nouvelles ou inattendues.

Mieux encore, eesel AI fait plus que simplement remplir un champ. Son constructeur de flux de travail en libre-service vous permet de créer des automatisations puissantes sans être un développeur. Vous pouvez configurer des actions personnalisées pour rechercher des informations de commande dans votre base de données, mettre à jour le compte d'un utilisateur dans votre CRM, ou remonter un problème à un ingénieur spécifique dans Jira, le tout depuis un seul endroit.

Fonctionnalité	Détection d'entités Zendesk	eesel AI
Configuration	Manuelle ; implique la création de champs personnalisés, la rédaction de Regex et l'organisation des entités.	Opérationnel en quelques minutes ; intégrations en un clic qui apprennent de manière autonome.
Source de connaissances	Limitée aux valeurs prédéfinies que vous avez saisies dans les champs personnalisés Zendesk.	Unifiée ; apprend des tickets passés, des centres d'aide, de Confluence, de Google Docs, etc.
Flexibilité	Rigide et basée sur des règles ; facilement déroutée par des formulations nouvelles ou différentes.	Consciente du contexte ; comprend l'intention et les nuances du client grâce aux LLM.
Actions	Se contente principalement de remplir un champ de ticket. Les autres actions nécessitent des déclencheurs distincts.	Entièrement personnalisable ; peut trier des tickets, appeler des API et mettre à jour des systèmes externes.
Test	Une simple zone de texte pour tester un modèle à la fois.	Un mode de simulation puissant pour tester sur des milliers de tickets passés avant le lancement.

Tarifs de l'IA de Zendesk : à quoi s'attendre

Les fonctionnalités d'IA de Zendesk, y compris le triage intelligent et la détection d'entités, ne sont pas incluses dans tous les forfaits. Vous devrez être sur l'un de leurs forfaits les plus chers pour y avoir accès :

• Suite Team : 55 $ par agent/mois (facturé annuellement)

• Suite Professional : 115 $ par agent/mois (facturé annuellement)

• Suite Enterprise : 169 $ par agent/mois (facturé annuellement)

Pour les outils les plus avancés, comme l'AI Copilot pour les agents, vous aurez probablement besoin du module complémentaire Advanced AI, qui peut coûter 50 $ supplémentaires par agent, par mois.

Mais voici le vrai problème : Zendesk passe à une tarification basée sur la résolution pour certains outils d'IA. Cela signifie que vous êtes facturé (souvent autour de 1,50 $ - 2,00 $) chaque fois que l'IA réussit à clore un ticket pour vous. Bien que cela semble raisonnable, cela rend vos coûts complètement imprévisibles. Un mois chargé pourrait entraîner une facture énorme, rendant la budgétisation quasi impossible.

C'est une différence énorme par rapport à la tarification transparente d'eesel AI. Nos forfaits sont basés sur un volume d'interactions mensuel prévisible, sans frais surprise par résolution. Vous pouvez faire évoluer votre automatisation sans craindre que votre facture n'explose soudainement.

Cette vidéo explique le fonctionnement de la détection d'entités Zendesk et comment elle peut améliorer l'efficacité de votre support client.

Abandonnez les règles et adoptez une automatisation qui fonctionne, tout simplement

La détection d'entités Zendesk est un bon premier pas dans l'automatisation du support. Mais sa dépendance totale à des règles rigides, des Regex complexes et une maintenance manuelle constante en fait un outil fragile et chronophage pour toute équipe qui essaie de croître ou de s'adapter. Le système ne peut tout simplement pas suivre sans un effort administratif considérable, et ses connaissances sont coincées dans une boîte à la forme de Zendesk.

Les équipes de support modernes ont besoin d'un partenaire IA qui soit flexible, qui comprenne vraiment le contexte et qui puisse puiser dans toutes les connaissances de votre entreprise, pas seulement une petite partie.

C'est la raison d'être d'eesel AI. En rassemblant toutes vos sources de connaissances et en vous offrant un moteur de flux de travail simple mais puissant, eesel AI va au-delà de la simple correspondance de modèles pour offrir une automatisation sur laquelle vous pouvez réellement compter. Avec un processus de configuration ridiculement simple et une tarification prévisible, vous pouvez commencer en quelques minutes, pas en quelques mois.

Prêt à voir ce qu'une plateforme de support IA moderne peut vraiment faire ? Commencez votre essai gratuit d'eesel AI dès aujourd'hui et automatisez votre premier flux de travail en quelques minutes.