Ouvrez n'importe quel ticket résolu dans votre service d'assistance (help desk). Ticket 4471 : ouvert, affecté à une file, remboursement effectué, clôturé. Chaque étape est là, horodatée et consultable.
Essayez maintenant de comprendre pourquoi. Pourquoi ce client a-t-il obtenu un remboursement hors du délai de 30 jours ? Qu'a vérifié l'agent avant de décider ? Un superviseur est-il intervenu pour modifier la décision ? Rien de tout cela ne figure dans l'historique.
Ce pour quoi un système de référence a été conçu
Votre CRM, votre plateforme de ticketing et votre système de facturation sont tous des systèmes de référence. Ils excellent dans leur rôle, qui est de conserver des données : qui est le client, ce qu'il a acheté, ce qui est ouvert et ce qui est clôturé.
Ils n'ont jamais été conçus pour conserver le raisonnement. Un statut « clôturé » vous indique que le travail est terminé. Il ne dit rien de la manière dont il a été accompli, ce qui prive l'organisation de toute boucle de retour et d'apprentissage.
L'historique manquant : la trace de décision
Une trace de décision retrace la manière dont une résolution s'est déroulée. Elle consigne la situation du client, le contexte récupéré par l'agent et les systèmes dont il provient, l'action menée et son efficacité. La partie la plus précieuse est généralement la dernière : ce qu'un humain a éventuellement corrigé ensuite.
Maven appelle l'accumulation de ces traces le Graph of Record. Le Graph of Record conserve la manière dont chaque décision a été prise, ce qui crée les boucles d'apprentissage grâce auxquelles chaque décision est meilleure que la précédente.
Pourquoi les traces de décision ont un effet cumulatif
Les architectes d'entreprise parlent depuis des années de gravité des données : les applications ont tendance à se rapprocher de l'endroit où résident les données. Les traces de décision créent une autre force d'attraction, que l'on pourrait appeler la gravité des traces.
L'intelligence s'accumule là où les décisions sont prises. Chaque cas résolu, et chaque correction apportée à un cas mal traité, offre au cas suivant un meilleur point de départ.
C'est pourquoi les premières semaines d'un déploiement pèsent autant. Les déploiements qui progressent le plus vite sont ceux où les cas réels et les corrections réelles alimentent directement le fonctionnement de l'agent.
C'est ainsi que Mastermind a atteint 93 % de résolution autonome six semaines seulement après avoir démarré avec Maven.
La plupart des équipes n'ont pas encore connecté la couche sous-jacente
Dans le rapport State of AI in the Enterprise 2026 de Box, 96 % des organisations estiment important que les agents IA puissent accéder aux contenus et connaissances propres à l'entreprise.
Pourtant, seules 36 % de celles qui utilisent ou testent des agents les ont connectés à des contenus internes fiables sur de nombreux cas d'usage. Et seulement 34 % disposent de normes formelles encadrant l'accès des agents aux données de l'entreprise.
C'est la couche de contenu : les documents et connaissances dans lesquels un agent puise. Les traces de décision se situent un niveau au-dessus.
Si la plupart des entreprises n'ont pas encore connecté leurs connaissances, très peu capturent délibérément la manière dont leurs agents les utilisent. C'est une opportunité considérable pour les équipes qui le font, et un vrai risque pour celles dont les traces s'accumulent dans un endroit qu'elles ne contrôlent pas.
Votre système de référence reste en place
Il ne s'agit pas de remplacer votre CRM ou votre help desk. Ces systèmes continuent de faire ce qu'ils font bien. Leur rôle évolue toutefois : ils deviennent la couche d'état que la couche de travail consulte et met à jour.
C'est la logique d'une architecture en surcouche. Une plateforme d'agents IA qui se superpose à Zendesk ou Salesforce lit l'état dans les systèmes que vous utilisez déjà, résout le cas, y réinscrit le résultat et conserve la trace du cheminement. Aucune migration, aucun nouveau système de référence à adopter.
Les questions à poser avant de signer
Si vous évaluez des agents IA pour le service client, la trace de décision mérite une ligne dans votre grille d'évaluation. Quelques questions font rapidement ressortir la différence :
- Où sont stockées les traces de décision, et vous suivent-elles si vous partez ?
- Lorsque votre équipe corrige l'agent, pouvez-vous constater que cette correction modifie le traitement du prochain cas similaire ?
- Pouvez-vous auditer n'importe quelle résolution en remontant jusqu'au contexte et aux actions qui l'ont produite ?
- Qui d'autre peut apprendre de vos traces, et est-ce inscrit dans le contrat ?
Un fournisseur dont l'offre repose sur la trace répondra avec précision. Les autres vous ramèneront à la démo.
Une résolution qui s'améliore
Le taux de résolution fait les gros titres, à juste titre. Mais sur un contrat de deux ans, l'indicateur qui compte le plus, c'est la vitesse à laquelle la résolution progresse. Elle dépend de la conservation de l'historique de la manière dont votre entreprise décide, et de qui le conserve.
C'est le cœur de l'argumentaire Service as Software : un logiciel qui fait le travail, et le fait de mieux en mieux, parce qu'il détient l'historique de la manière dont ce travail a été accompli. Lisez l'argumentaire complet, ou venez en démo avec votre type de ticket le plus complexe. Trente minutes, vos systèmes, votre définition de « résolu ».
Voyez-le à l’œuvre sur vos propres conversations.
Demandez une démo personnalisée gratuite.
