Analyse

Pourquoi 9 chatbots SaaS sur 10 finissent désactivés en 4 mois

J'ai démonté 23 chatbots livrés par des plateformes 'plug-and-play' chez mes clients. Tous étaient brisés. Pour les mêmes trois raisons.

Par Yanis Zedira. Publié le 28 janvier 2026. 7 min de lecture.

"On avait pris [outil populaire en SaaS], ça marchait deux semaines, et après on l'a coupé." J'entends cette phrase une fois sur deux. Au point que c'est devenu un test : si un prospect me la sort, je sais déjà ce que je vais trouver.

Cause n°1 : la mémoire qui ment

La plupart des chatbots SaaS chargent leur "base de connaissances" en l'aspirant brutalement depuis votre site web. Ils découpent par paragraphes, vectorisent, et croient avoir compris.

Ils n'ont pas compris. Ils ont indexé. Ce qui n'est pas la même chose.

Quand un client demande "vous livrez en Suisse ?", le chatbot trouve trois paragraphes mentionnant "Suisse" — mais aucun ne dit vraiment si vous livrez. L'IA invente alors une réponse plausible. Et 11 % du temps, elle invente faux. C'est ce qu'on appelle une hallucination, et c'est ce qui tue la confiance.

Cause n°2 : zéro stratégie d'escalade

Un bon chatbot n'est pas celui qui répond à tout. C'est celui qui sait quand se taire.

Sur les 23 cas que j'ai démontés, aucun ne savait dire "je ne sais pas, je vous transfère un humain". Ils tentaient. Toujours. Avec la confiance d'un débutant en réunion.

Un chatbot sans escalade humaine, c'est un standardiste qui refuse de transférer.

Cause n°3 : pas de boucle d'apprentissage

Les outils SaaS vous vendent un chatbot. Ils ne vous vendent pas le processus qui le rend meilleur chaque mois. Or, sans cette boucle, votre chatbot a un pic de qualité au lancement, puis se dégrade lentement à mesure que votre catalogue, vos prix, vos politiques évoluent. À six mois, il dit n'importe quoi.

Ce qu'on fait à la place

Chez YZ, l'architecture est plus humble :

1. Un index restreint, à jour, validé manuellement. Pas tout votre site. Juste les 30 questions qui couvrent 90 % du volume.
2. Une règle d'escalade explicite. Si la confiance descend sous 78 %, on transfère. Sans tenter. Sans inventer.
3. Une revue mensuelle de 30 minutes. On regarde les conversations ratées. On corrige. On enrichit l'index. C'est ce travail invisible qui fait tenir un système 18 mois au lieu de 4.

Ce n'est pas sexy. Ce n'est pas magique. Ça marche.

Le test à faire ce soir

Ouvrez votre chatbot. Tapez : "Est-ce que vous proposez [un service que vous ne proposez pas] ?" S'il répond "oui" ou s'il invente, vous savez ce qu'il vous reste à faire.

Cause numéro quatre : des sources de vérité contradictoires

Un chatbot branché sur une documentation, un centre d'aide et des pages produit qui ne disent pas la même chose répondra différemment selon la formulation de la question. C'est le défaut le plus difficile à diagnostiquer, parce qu'il ne se manifeste pas systématiquement.

Le symptôme typique : deux utilisateurs posent la même question autrement et reçoivent deux réponses incompatibles. Le support découvre le problème par une réclamation, rarement par les tests.

La correction ne relève pas du modèle mais du contenu. Une seule source fait foi par sujet, les autres y renvoient. Tout ce qui est périmé est retiré plutôt que corrigé, parce qu'une version obsolète encore accessible finira par ressortir.

Cause numéro cinq : aucun propriétaire

Un chatbot est livré, il fonctionne, l'équipe passe à autre chose. Six mois plus tard, l'offre a évolué, deux fonctionnalités ont changé de nom, et personne n'a mis à jour les sources.

Le dispositif continue de répondre avec assurance, mais faux. Et comme personne ne relit les conversations, l'entreprise l'apprend par un client mécontent.

La parade est organisationnelle. Une personne nommée, quelques heures par trimestre, avec deux tâches : relire un échantillon de conversations, et vérifier que les sources correspondent à l'offre actuelle. Sans cela, la qualité se dégrade silencieusement, ce qui est la pire des dégradations.

Ce qu'il faut mesurer pour détecter l'échec tôt

Trois signaux précèdent toujours l'abandon d'un chatbot, et ils sont visibles bien avant que le sujet ne remonte.

Un taux de transfert vers un humain proche de zéro. Ce n'est pas une réussite : cela signifie que le dispositif traite des cas qu'il devrait remonter, en improvisant.

Un taux de reformulation élevé, c'est-à-dire des utilisateurs qui reposent leur question autrement. Chaque reformulation est un échec de compréhension que le compteur de conversations, lui, enregistre comme un succès.

Et un volume qui baisse à trafic constant. Les utilisateurs ont appris qu'il ne servait à rien et ne l'ouvrent plus.

Ce qu'il faut mettre en place dès le départ

Trois éléments, faciles à ajouter au début et coûteux à rattraper ensuite.

Un journal des conversations consultable, avec la question posée, la réponse donnée et la source utilisée. Sans cette traçabilité, diagnostiquer une réponse fausse relève de la devinette.

Un mécanisme de signalement à un clic pour l'utilisateur. C'est la source d'amélioration la plus fiable, et elle ne coûte rien.

Un jeu de questions de référence, une trentaine, avec les réponses attendues. Il sert à vérifier qu'une mise à jour des sources ou un changement de modèle ne dégrade rien. Sans lui, chaque évolution devient un pari.

Le rythme d'entretien qui suffit

Une heure par mois, structurée, vaut mieux qu'une refonte annuelle.

Relire vingt conversations prises au hasard. Vérifier les questions ayant déclenché un transfert, qui indiquent où le périmètre devrait s'élargir. Contrôler que les sources correspondent toujours à l'offre. Et rejouer le jeu de questions de référence.

Ce rituel prend peu de temps et suffit à éviter la dégradation silencieuse, qui est la cause d'abandon la plus fréquente.