À l’occasion de la publication de l’étude « Les Français, l’IA agentique et la relation client : état des lieux en 2026 », nous avons échangé avec Laurent Nicolas-Guennoc, Directeur marketing & communication chez Converteo. Il revient sur les enseignements clés de cette enquête, entre adoption croissante des outils d’IA, attentes fortes d’humanisation dans la relation client et conditions nécessaires pour déployer une IA agentique utile, fiable et créatrice de valeur pour les marques comme pour leurs clients.
Question 1 : L’IA agentique est sur toutes les lèvres. Comment la définir simplement ? Et surtout, en quoi change-t-elle concrètement la relation entre les marques et leurs clients ?
L’IA agentique, c’est la prochaine étape de maturation de l’IA : on passe de systèmes qui répondent à des systèmes qui agissent.
Pour les marques, c’est un changement de posture stratégique. L’IA générative opère dans une logique réactive et transactionnelle : une question, une réponse. L’IA agentique introduit une logique proactive et continue, où c’est le système qui prend l’initiative : un créneau de maintenance réservé avant que le client ne détecte la panne, un litige traité et résolu sans que le client n’ait eu à relancer, un parcours d’achat complexe géré de A à Z, sans friction…
Ce que nous conseillons aux marques que nous accompagnons chez Converteo, c’est de ne pas aborder ce sujet uniquement sous l’angle technologique. L’IA agentique redessine les processus, les responsabilités et la promesse de service. C’est d’abord un chantier stratégique et data, et c’est là que la valeur se construit vraiment.
“L’IA agentique redessine les processus, les responsabilités et la promesse de service. C’est d’abord un chantier stratégique et data, et c’est là que la valeur se construit vraiment.”
Laurent Nicolas-Guennoc
Directeur marketing & communication chez Converteo
Question 2 : Les usages progressent vite : 64% des Français utilisent déjà des outils d’IA. Pourtant, en cas de problème avec une marque, 52% préfèrent encore avoir un humain en ligne, et seuls 27% se disent prêts à échanger avec une IA. Comment expliquez-vous ce décalage entre adoption des outils et réticence à déléguer la relation ?
L’adoption massive concerne des IA « outils » qui augmentent la productivité personnelle pour des tâches à faible enjeu émotionnel (recherche, rédaction, traduction). Nous restons maîtres de la décision finale.
La relation client relève d’une tout autre nature.
C’est un moment à fort enjeu, souvent chargé de stress et de frustration, où 3 attentes profondes entrent en jeu simultanément :
- l’empathie : le besoin de se sentir reconnu dans sa singularité ;
- la confiance : la capacité perçue à traiter une situation complexe, hors norme, qui ne rentre pas dans un script ;
- l’habitude, ou plutôt son corollaire négatif : des expériences répétées avec des chatbots rigides et déceptifs qui ont durablement ancré une méfiance envers les interfaces conversationnelles automatisées.
Ce que mesurent ces 52%, ce n’est donc pas un rejet de l’IA en tant que technologie.
C’est une résistance au risque de déshumanisation dans un moment critique. La nuance est importante : elle signifie que le levier n’est pas la pédagogie sur l’IA, mais la qualité de l’expérience délivrée. Les marques qui déploient une IA capable de reconnaître sa limite et de transférer intelligemment vers un humain feront évoluer cette perception bien plus vite que celles qui cherchent à convaincre leurs clients d’y faire confiance a priori.
Question 3 : À la lumière de ces résultats, quelle doit être la prochaine étape pour les marques : tester, accélérer ou rassurer les consommateurs sur l’usage de l’IA ?
Notre conviction chez Converteo, c’est que ces trois actions ne s’excluent pas : elles se séquencent. Rassurer pour tester, tester pour accélérer.
Rassurer, d’abord. La confiance ne se décrète pas, elle se construit par des engagements concrets : indiquer clairement au client quand il interagit avec une IA, et toujours lui laisser la possibilité de basculer vers un humain, simplement. Sans ces deux conditions, tout déploiement s’expose à la défiance.
Tester, ensuite, sur les bons cas d’usage. Pas les plus ambitieux, les plus démonstrateurs : suivi de commande en temps réel, prise de rendez-vous, informations post-achat. Des scénarios où l’IA apporte une vraie valeur immédiate, et où la satisfaction se mesure vite.
Accélérer, enfin, en passant à une logique d’industrialisation. Notre conviction est que le passage à l’échelle n’est pas un enjeu de technologie, mais de méthode et de fondations. Accélérer, c’est déployer un framework technique robuste avant de multiplier les cas d’usage, pour éviter le piège des PoCs qui ne tiennent pas la charge. C’est substituer à la lenteur des cycles projets classiques une hyper-agilité qui permet de s’adapter en continu à l’évolution des modèles. Ainsi, l’accélération ne vise pas à faire « plus d’IA », mais à capitaliser sur des bases saines pour transformer des succès locaux en un avantage concurrentiel structurant et durable.
