La gestion des politiques des agents IA, c’est la façon dont une équipe support garde les règles que suit un agent IA (ce qu’il peut faire, ses limites, ses exceptions et le moment où il doit passer la main) écrites une seule fois, attribuées à un responsable, versionnées et alignées sur ce qu’on dit à vos conseillers. Une base de connaissances donne des faits à l’agent. Un référentiel de politiques lui dit ce qu’il a le droit d’en faire.
En bref
- Les articles d’aide sont écrits pour des personnes qui comblent les manques avec leur jugement ; un agent IA répète à grande échelle leurs exceptions implicites, leurs anciennes versions et leurs contradictions.
- Séparez la connaissance (les faits), la politique (ce que l’agent peut faire, ses limites, ses exceptions, l’escalade) et la procédure (les étapes) : chacune échoue différemment et a un responsable différent.
- Tenez une fiche politique par règle, avec un responsable, une version, une date de revue, les articles liés et des cas de test, et faites pointer vers elle la macro des conseillers comme l’instruction de l’agent IA.
- Traitez chaque changement de politique comme une mise en production : un approbateur nommé selon le niveau de risque, une date d’effet, une nouvelle exécution des cas de test liés et une semaine de contrôle renforcé.
- Bouclez la boucle : classez chaque conversation IA en échec par cause, envoyez les causes liées aux politiques au responsable de la fiche, et réévaluez après la correction.
Ce guide est la page centrale sur les politiques et les connaissances de notre série sur la gouvernance des agents IA. Il s’adresse au responsable du support ou au responsable IA dont l’agent IA continue de donner des réponses qui étaient « techniquement dans le centre d’aide ».
Pourquoi une base de connaissances écrite pour des humains ne fonctionne-t-elle pas pour les agents IA ?
Une base de connaissances écrite pour des humains ne fonctionne pas pour les agents IA parce que les personnes lisent entre les lignes et qu’un agent IA ne le fait pas. Les conseillers savent quel article est périmé, quelle exception le chef d’équipe autorise et quelles deux pages se contredisent. L’agent récupère ce qui correspond le mieux et l’affirme avec assurance, à chaque fois.
Quatre schémas de défaillance couvrent l’essentiel de ce qui tourne mal :
| Schéma | Ce que fait un conseiller | Ce que fait l’agent IA | Correction |
|---|---|---|---|
| Exceptions implicites (« en général, on fait une exception pour… ») | Applique l’exception non écrite quand le cas s’y prête | Ne l’applique jamais, ou applique à tout le monde une version devinée | Écrire l’exception sur la fiche politique avec ses conditions et sa limite |
| Versions périmées (l’ancien délai de retour encore présent dans un article) | Sait que la politique a changé le mois dernier | Cite le premier article qu’il récupère | Un responsable par politique, retirer les anciens articles des sources de l’agent, versionner chaque changement |
| Articles contradictoires (deux pages, deux chiffres) | Demande à un collègue lequel est juste | En choisit un, ou mélange les deux | Une seule source de vérité par politique ; les autres pages renvoient vers elle au lieu de la reformuler |
| Savoir informel (règles qui vivent dans Slack, dans la tête des chefs d’équipe, dans les macros) | L’a appris pendant l’intégration ou de son voisin de bureau | N’y a pas accès du tout | Transférer dans une fiche chaque règle qui change le résultat avant que l’agent ne traite le motif de contact |
Le guide d’Intercom sur les bases de connaissances pour chatbots (en anglais) le dit clairement : un agent IA récupérera fidèlement un article périmé et donnera une réponse fausse avec assurance. Le coût n’a rien d’abstrait. Dans l’affaire Moffatt c. Air Canada (2024 BCCRT 149), un chatbot a laissé entendre à un client en deuil qu’il pouvait demander un tarif pour deuil après son voyage. Air Canada a soutenu que l’information correcte figurait sur sa propre page consacrée aux tarifs pour deuil, mise en lien dans cette même réponse, et que le chatbot était une entité juridique distincte, responsable de ses propres actes. Le tribunal de Colombie-Britannique a rejeté cet argument, comme l’explique ce résumé du cabinet WeirFoulds (en anglais). L’entreprise était responsable de la réponse.
Beaucoup d’« hallucinations » au service client sont des problèmes de contenu. Notre guide sur les hallucinations des agents IA montre comment distinguer une réponse inventée d’une réponse fausse fidèlement répétée, et pourquoi les conversations IA échouent détaille les causes.
Quelle est la différence entre connaissance et politique pour un agent IA ?
La connaissance, c’est ce qui est vrai : les prix, les délais de retour, les délais de livraison, le fonctionnement d’une fonctionnalité. La politique, c’est ce que l’agent IA peut en faire : quelles actions il peut réaliser, jusqu’à quelle limite, avec quelles exceptions, et quand il doit passer la main. La procédure, c’est l’ordre des étapes. Mélanger les trois dans un même article est à l’origine de la plupart des dérives.
| Connaissance | Politique | Procédure | |
|---|---|---|---|
| Répond à | Qu’est-ce qui est vrai ? | Que peut faire l’agent, et où s’arrête-t-il ? | Dans quel ordre les étapes sont-elles réalisées ? |
| Exemple | « Les commandes standard peuvent être retournées sous 30 jours. » | « L’agent peut rembourser jusqu’à 100 USD sans approbation ; au-delà, il passe la main avec l’identifiant de commande. » | « Vérifier la commande, contrôler la date de livraison, créer l’étiquette de retour, confirmer par e-mail. » |
| Responsable | Équipe contenu ou connaissances | Responsable métier (finance, juridique, opérations) | Opérations support |
| Comment elle échoue | Fait faux ou périmé | Action non autorisée, exception manquée, escalade manquée | Étape sautée ou dans le mauvais ordre |
Les plateformes d’agents tracent déjà cette ligne. Intercom vérifie les consignes de Fin avant que Fin ne cherche une réponse dans votre contenu d’aide (en anglais), et ses Fin Procedures (en anglais) ajoutent des conditions et des transferts vers une équipe. Decagon présente ses Agent Operating Procedures (en anglais) comme des instructions en langage naturel adossées à du code, rédigées un peu comme vous formeriez vos équipes sur des procédures. Chaque plateforme vous donne un endroit où écrire des instructions. Aucune ne décide quelle règle est la règle en vigueur. C’est le rôle d’un référentiel de politiques.
Comment préparer une base de connaissances pour un agent IA ?
Pour préparer une base de connaissances pour un agent IA, partez des motifs de contact que l’agent traitera, pas de tout le centre d’aide. Pour chaque motif, trouvez tous les articles qui le concernent, supprimez les doublons et les contradictions, écrivez les conditions explicitement, et sortez chaque règle qui change le résultat dans une fiche politique vers laquelle l’article renvoie.
- Listez les principaux motifs de contact du premier trimestre de l’agent, classés par volume et par risque (argent, éligibilité, formulations juridiques).
- Rassemblez toutes les sources qui répondent à chaque motif : articles d’aide, macros, pages de wiki, réponses enregistrées, messages épinglés dans Slack.
- Marquez chaque phrase comme connaissance, politique ou procédure. Les phrases de politique contiennent des mots comme « peut », « doit », « jusqu’à », « seulement si », « sauf » et « contactez-nous ».
- Réglez les conflits avant le lancement. Si deux sources se contredisent, le responsable de la politique tranche, une fiche consigne la réponse, et la page écartée est réécrite ou retirée des sources de l’agent.
- Écrivez les conditions en toutes lettres. « Si vous avez l’abonnement annuel » vaut mieux que « selon votre abonnement ». Le guide d’Intercom recommande une question par article et des conditions explicites pour la même raison.
- Délimitez les variantes. Les variantes par région, par abonnement et par produit ont chacune leur propre fiche ou leur propre audience.
- Faites des liens, ne copiez pas. Les articles d’aide et les instructions de l’agent renvoient à la fiche ; ils ne reformulent jamais la limite avec leurs propres mots.
Pour le centre d’aide lui-même, notre guide sur la construction d’une base de connaissances du service client (en anglais) couvre la structure et les règles d’écriture pour des lecteurs humains.
Que doit contenir une fiche politique pour un agent IA ?
Une fiche politique pour un agent IA doit contenir la politique en une phrase, son périmètre, les actions autorisées et leurs limites, les exceptions, la règle d’escalade, un responsable, une date de revue, les articles d’aide liés et les cas de test qui prouvent que l’agent la suit. Ajoutez une version et une date d’effet pour que les conseillers et l’agent changent en même temps.
Voici le modèle, rempli pour le remboursement d’un article endommagé. Copiez-le dans un tableur ou un wiki, une fiche par politique.
| Champ | Ce qu’il faut écrire | Exemple : article endommagé à la livraison |
|---|---|---|
| ID et version de la politique | ID stable, numéro de version, date d’effet | RF-DMG-02 · v3 · en vigueur le 1er décembre |
| Politique | Une phrase qu’un client pourrait comprendre | Les articles arrivés endommagés sont remplacés ou remboursés s’ils sont signalés dans les 14 jours suivant la livraison |
| Périmètre | Canaux, régions, abonnements, produits, motifs de contact couverts | Chat et e-mail · États-Unis et Canada · tous les abonnements · motifs « article endommagé », « cassé à la livraison » |
| Actions autorisées et limites | Ce que l’agent peut faire seul, avec des limites chiffrées | Consulter la commande : oui. Demander une photo : oui. Créer un remplacement : oui. Remboursement : jusqu’à 100 USD par commande. Avoir : non |
| Exceptions | Chaque exception avec sa condition et sa propre limite | Signalement entre le 15e et le 30e jour avec une photo : remplacement uniquement, pas de remboursement. Produits périssables : remboursement sans photo |
| Règle d’escalade | Quand passer la main, à qui, avec quel contexte | Remboursement au-delà de 100 USD, troisième réclamation en 90 jours ou problème de sécurité : transfert à l’équipe Réclamations avec l’identifiant de commande, la photo et la date de livraison |
| Jamais | Les promesses que l’agent ne doit pas faire | Aucune compensation au-delà de la valeur de la commande ; aucune promesse sur les réclamations auprès du transporteur |
| Responsable | Un rôle nommé, plus un suppléant | Responsable des opérations client (suppléant : responsable Réclamations) |
| Date de revue | Prochaine revue prévue, et l’événement qui déclenche une revue anticipée | 1er mars, ou toute modification des conditions du transporteur |
| Articles d’aide liés | Les pages destinées aux clients qui énoncent la politique | « Articles endommagés ou manquants », « Délais de remboursement » |
| Instruction de l’agent | Où se trouve l’instruction dans la plateforme d’agents, par référence | La consigne « Articles endommagés » renvoie à RF-DMG-02 v3 |
| Macro des conseillers | La macro ou le script qu’utilisent vos équipes | Macro « Article endommagé : remplacement ou remboursement » |
| Cas de test | Les ID des cas qui doivent réussir après tout changement | RF-014 (15e jour, sans photo), RF-015 (périssable), RF-016 (troisième réclamation) |
| Historique des changements | Date, changement, approbateur | 12 novembre : délai passé de 30 à 14 jours, approuvé par le responsable des opérations client |
Deux règles gardent la fiche honnête. Chaque limite apparaît à un seul endroit, la fiche, et l’article, la macro et l’instruction de l’agent renvoient vers elle. Et une fiche sans cas de test n’est pas terminée. Notre guide sur les tests d’agents IA contient le modèle de cas de test qui correspond aux derniers champs de cette fiche.
Comment garder les procédures des conseillers et les instructions de l’agent IA dans une seule source de vérité ?
Faites de la fiche politique le seul endroit où une règle est définie, et reliez-y à la fois la macro des conseillers et l’instruction de l’agent IA. Quand la fiche change, les deux changent dans la même mise en production, et personne ne modifie une limite directement dans un prompt ou dans une macro.
La source de vérité n’est pas un nouvel outil. C’est une discipline sur l’endroit où vit le texte :
| Couche | Contient | Ne doit pas contenir |
|---|---|---|
| Fiche politique | La règle, les limites, les exceptions, l’escalade, le responsable, la version | La formulation destinée aux clients, les clics pas à pas |
| Article d’aide | L’explication destinée aux clients, liée à la fiche | Une limite ou une exception différente de celle de la fiche |
| Macro des conseillers et intégration | Le script et les étapes pour vos équipes | Sa propre copie de la limite |
| Instruction de l’agent IA (consigne, procédure, AOP) | La façon dont l’agent applique la fiche : ton, étapes, transfert | Une copie collée du texte de la politique que personne ne met à jour |
Deux habitudes font fonctionner le système. Nommez les instructions d’après l’ID de la fiche, pour qu’une recherche sur « RF-DMG-02 » retrouve tous les endroits qui en dépendent. Et comparez les résultats, pas les textes : une fois par mois, vérifiez qu’un conseiller et l’agent IA arrivent au même résultat sur le même type de cas. Sinon, l’un des deux travaille à partir d’une ancienne version.
Les instructions seules ne retirent pas une source. La documentation d’Intercom indique que Fin peut encore faire remonter un contenu que ses consignes lui demandent d’éviter, et recommande de supprimer ce contenu ou d’en restreindre l’audience. Retirer un ancien article des sources de l’agent fait partie de chaque changement de politique.
Qui approuve un changement de politique, et comment parvient-il à l’agent IA ?
Un changement de politique est approuvé par le responsable métier de la politique, avec davantage d’approbateurs quand le risque augmente. Il parvient à l’agent IA dans la même mise en production que la macro des conseillers et l’article d’aide : fiche mise à jour, sources retirées, instruction mise à jour, cas de test relancés, date d’effet fixée, puis une semaine de contrôle renforcé.
Liez le circuit d’approbation à ce que le changement fait au résultat pour le client :
| Niveau | Ce qui change | Approbateur | Avant la mise en production | Après |
|---|---|---|---|---|
| A. Formulation | Texte plus clair, même résultat | Responsable des connaissances | Relancer les cas de test de la fiche | Contrôle normal |
| B. Limites ou éligibilité | Un délai, un montant, les personnes éligibles | Responsable de la politique et opérations support | Tous les cas de test de la fiche, conseillers informés, date d’effet paramétrée dans l’agent | Évaluer chaque conversation sur ce motif pendant 7 jours |
| C. Nouvelle action ou nouveau pouvoir | L’agent peut désormais rembourser, résilier, créditer ou modifier un compte | Responsable de la politique, responsable IA, risques ou conformité | Tests plus une période supervisée pendant laquelle une personne approuve l’action | N’élargir que lorsque le contrôle montre que cela tient |
| D. Urgence | Rappel de produit, panne, décision de justice | Responsable d’astreinte | Voie rapide : restreindre ou passer la main d’abord, affiner ensuite | Revue a posteriori sous 48 heures |
Le niveau C est celui où la politique rencontre l’autonomie. Décider quelles actions un agent peut réaliser seul fait l’objet de notre guide sur les niveaux d’autonomie des agents IA, et les limites strictes qui s’appliquent quelles que soient les instructions, de notre guide sur les garde-fous des agents IA.
Cela reprend les pratiques générales de gestion des risques liés à l’IA : le NIST AI Risk Management Framework demande des politiques et procédures transparentes, une revue périodique planifiée et des rôles clairement définis (en anglais). Une fiche politique avec un responsable, une date de revue et un historique des changements applique ce principe à une règle de remboursement.
L’étape que la plupart des équipes sautent est la date d’effet. Une politique qui change le 1er décembre doit parvenir à l’agent le 1er décembre, pas le 20 novembre ni le 5 décembre, au moment même où l’équipe humaine bascule.
Comment les conversations en échec deviennent-elles des corrections de politique ?
Les conversations en échec deviennent des corrections de politique quand chaque échec est classé par cause, que les causes liées aux politiques sont envoyées au responsable de la fiche, et que la correction est vérifiée en réévaluant ensuite le même motif de contact. Sans classement, chaque raté ressemble à un problème d’IA, et l’équipe ajuste les prompts pendant que la vraie cause dort dans un article périmé. La boucle :
- Évaluez les conversations de l’agent IA sur des critères qui séparent les types d’échec : exactitude par rapport à votre contenu, respect de la politique, périmètre et escalade.
- Classez la cause de chaque échec : version périmée de la politique, exception manquante, sources contradictoires, instruction non suivie, outil ou accès aux données manquant, ou bug produit. Notre guide erreur du conseiller ou erreur de processus (en anglais) propose la même distinction pour les conseillers.
- Envoyez chaque cause à son responsable : les causes liées aux politiques au responsable de la fiche, les causes liées aux instructions au responsable IA, les causes liées aux accès à l’équipe technique.
- Corrigez d’abord la fiche, puis les articles, la macro et l’instruction qui renvoient vers elle.
- Ajoutez un cas de test à partir de la conversation qui a révélé le manque, et liez-le à la fiche.
- Réévaluez le motif de contact la semaine suivante et comparez le taux d’échec à celui de la semaine précédente.
Corriger un agent IA n’est pas la même chose que coacher une personne ; voir coacher les humains, corriger les agents IA.
Un exemple chiffré (illustration, pas des données client)
Un agent IA traite 20 000 conversations par mois, dont 3 000 sur les remboursements et les retours. L’évaluation de chacune montre un taux d’échec de 3 % sur le respect de la politique pour ce motif : 90 conversations. Le responsable qualité les classe :
| Cause | Conversations | Part | Responsable |
|---|---|---|---|
| Version périmée (l’ancien délai de 30 jours dans une FAQ retirée, toujours présente dans les sources de l’agent) | 38 | 42 % | Responsable des connaissances |
| Exception manquante (les conseillers remboursent les produits périssables sans photo, jamais écrit nulle part) | 27 | 30 % | Responsable de la politique |
| Articles contradictoires (deux pages, deux délais de remboursement) | 14 | 16 % | Responsable des connaissances |
| Instruction non suivie (l’agent a proposé un avoir, ce que la fiche interdit) | 7 | 8 % | Responsable IA |
| Outil ou données (la recherche de commande a échoué, l’agent a deviné) | 4 | 4 % | Équipe technique |
| Total | 90 | 100 % |
Deux corrections de contenu (retirer l’ancienne FAQ, écrire l’exception des produits périssables sur la fiche) traitent 65 des 90 échecs, soit 72 %. La correction des articles contradictoires porte le total à 79 sur 90, soit 88 %. Seuls 7 échecs, 8 %, relèvent du prompt : une équipe qui aurait commencé par réécrire le prompt se serait attaquée à la plus petite part. Les notes de la semaine suivante montrent si les corrections ont tenu.
Comment repérer une dérive des politiques avant vos clients ?
Vous repérez une dérive des politiques en vérifiant, à intervalle fixe, que chaque politique est définie une seule fois, a un responsable, est à jour et est appliquée de la même façon par les conseillers et par l’agent IA. La dérive se voit à une lente hausse des escalades marquées « règle peu claire », ou à des conseillers et un agent qui arrivent à des résultats différents sur le même cas.
Copiez cette checklist de dérive dans votre revue mensuelle des politiques :
| # | Contrôle | Signal de dérive | Fréquence |
|---|---|---|---|
| 1 | Chaque politique appliquée par l’agent a une fiche avec un responsable et une date de revue à venir | Fiches dont la date de revue est dépassée | Mensuelle |
| 2 | La version citée dans l’instruction de l’agent correspond à la version de la fiche | L’instruction cite une version plus ancienne | À chaque changement |
| 3 | Aucun article d’aide n’indique une valeur différente pour la même limite | Une recherche sur le chiffre renvoie deux valeurs | Mensuelle |
| 4 | Les articles retirés sont aussi supprimés des sources de l’agent | Une page retirée est encore citée dans les réponses de l’IA | À chaque changement |
| 5 | Les instructions de l’agent renvoient aux fiches au lieu de coller le texte des politiques | Une limite apparaît dans un prompt | Trimestrielle |
| 6 | Les exceptions accordées par les conseillers sont écrites sur la fiche | Gestes commerciaux ou dérogations sur un motif sans exception listée | Mensuelle |
| 7 | Les escalades marquées « règle peu claire » sont stables | Hausse d’une semaine sur l’autre sur un motif | Hebdomadaire |
| 8 | Les échecs de respect de la politique par fiche sont stables | Les échecs d’une fiche augmentent après un changement | Hebdomadaire |
| 9 | Conseillers et agent IA arrivent au même résultat sur le même type de cas | Résultats différents sur un échantillon apparié | Mensuelle |
| 10 | Les cas de test de chaque fiche ont réussi après le dernier changement | Changement mis en production sans exécution des tests | À chaque changement |
| 11 | Les dates d’effet futures sont paramétrées dans l’agent | Une politique est en vigueur pour les conseillers mais pas pour l’agent, ou l’inverse | À chaque changement |
| 12 | Les variantes par région, abonnement et produit sont correctement délimitées | L’agent répond avec la règle d’un autre produit ou d’une autre région | Trimestrielle |
Les contrôles 7, 8 et 9 demandent des données de conversation, pas une revue de documents : une dérive qui touche 2 % d’un motif de contact est invisible dans un échantillon de 50 et évidente sur une semaine complète de notes. Notre audit du taux de résolution des agents IA montre comment vérifier si les conversations « résolues » l’ont été correctement.
La place de Kaizo
Kaizo couvre le volet preuves de la boucle : l’évaluation, les schémas de défaillance et la réévaluation après une correction. AutoPilot évalue chaque conversation résolue selon votre propre grille d’évaluation.
Avec le contrôle qualité des agents IA, vous ajoutez les critères sur lesquels un bot échoue (exactitude des faits, respect de la politique, périmètre et escalade), rédigés avec vos propres mots, et vous connectez votre base de connaissances pour que l’IA juge par rapport à votre contenu. Chaque note renvoie aux preuves dans la conversation. L’analyse des causes racines regroupe les échecs derrière une baisse, si bien que dix mauvaises réponses issues d’un même article deviennent une seule correction. Réévaluez après chaque changement pour confirmer que la correction a tenu.
Voyez-le sur vos propres conversations. Réserver une démo et venez avec un motif de contact sur lequel votre agent IA et votre équipe ne sont pas d’accord.
Quand un référentiel de politiques est-il plus que ce dont vous avez besoin ?
Un référentiel de politiques complet n’est pas pour vous, pas encore, quand votre agent IA ne fait que répondre à des questions à partir d’un petit centre d’aide, ne réalise aucune action et traite quelques centaines de conversations par mois. Dans ce cas, un responsable par article, une date de revue et une lecture mensuelle des conversations de l’agent suffisent. Les signes que vous avez dépassé ce dispositif léger :
- L’agent réalise des actions (remboursements, résiliations, modifications de compte) au lieu de seulement répondre.
- Vos politiques diffèrent selon la région, l’abonnement ou le produit.
- Les politiques changent plus d’une fois par trimestre, ou à une date d’effet fixe.
- Les conseillers accordent des exceptions que les clients demandent ensuite à l’agent IA.
- Plus d’un agent IA répond aux mêmes clients. Chacun doit pointer vers la même fiche, ce qui fait partie d’un passage sûr au service client agentique.
Par où commencer cette semaine
Commencez par un motif de contact, pas par tout le centre d’aide. Une semaine suffit pour écrire une fiche politique, nettoyer les sources autour d’elle et commencer à mesurer si l’agent IA la suit.
- Choisissez un motif de contact qui touche à l’argent, en général les remboursements ou les résiliations.
- Rassemblez toutes les sources qui y répondent : articles, macros, pages de wiki, messages épinglés dans Slack, instructions de l’agent.
- Écrivez une fiche politique avec le modèle ci-dessus, et faites valider les limites et les exceptions par le responsable métier.
- Retirez ou réécrivez chaque source qui contredit la fiche, et supprimez les pages retirées des sources de l’agent.
- Transformez trois conversations en échec passées en cas de test liés à la fiche.
- Évaluez ce motif pendant deux semaines, classez chaque échec par cause, et passez la checklist de dérive avant d’entamer la deuxième fiche.
Questions fréquentes
Qu’est-ce qu’une base de connaissances au service client ?
Une base de connaissances est une bibliothèque de réponses que vos clients et vos conseillers peuvent consulter, comme un centre d’aide avec des articles du type « Comment retourner un article ? ». Elle devient la base de connaissances d’un agent IA quand l’agent récupère ces articles pour répondre aux clients, ce qui explique pourquoi des articles périmés ou contradictoires se transforment en mauvaises réponses à grande échelle. Les règles qui les sous-tendent ont leur place sur des fiches politiques vers lesquelles les articles renvoient.
Les politiques d’un agent IA doivent-elles vivre dans le prompt ou dans la base de connaissances ?
Ni l’un ni l’autre à lui seul. Les faits vont dans la base de connaissances, les règles sur une fiche politique avec un responsable et une version, et l’instruction de l’agent doit renvoyer à cette fiche plutôt qu’en coller le texte. Une limite copiée dans un prompt est la première chose à devenir obsolète.
Une entreprise est-elle responsable quand son chatbot se trompe sur une politique ?
Elle peut l’être. Dans l’affaire Moffatt c. Air Canada (2024 BCCRT 149), un tribunal de Colombie-Britannique a tenu la compagnie aérienne pour responsable de ce que son chatbot avait dit à un client et a rejeté l’argument selon lequel le chatbot était une entité juridique distincte. Traitez chaque réponse d’un agent IA comme une déclaration de politique de votre entreprise, et demandez un avis juridique pour votre marché.
À quelle fréquence faut-il revoir les politiques d’un agent IA ?
Revoyez chaque fiche à une date fixe définie selon le risque (tous les mois pour les règles touchant à l’argent et à l’éligibilité, tous les trimestres pour le reste) et immédiatement quand la règle métier change. Chaque semaine, suivez par fiche les échecs de respect de la politique et les escalades « règle peu claire ».
Quelle est la différence entre un chatbot et un agent IA qui réalise des actions ?
Un chatbot répond aux questions à partir de son contenu. Un agent IA agit aussi : il consulte la commande, applique la politique, émet le remboursement. C’est pourquoi un agent a besoin de politiques avec des limites, des exceptions et des règles d’escalade, pas seulement d’articles exacts.
