Agent IA pour le tri des e-mails : triage avec seuils de confiance et escalade

Dans la boîte partagée d’une petite entreprise de services s’accumulent les messages du week-end : demandes de rendez-vous, une réclamation concernant une maintenance, des factures de fournisseurs, des newsletters, deux tentatives d’hameçonnage. Celui qui arrive le premier au bureau trie de haut en bas et reste bloqué sur l’e-mail le plus long. La réclamation, qui devrait aller immédiatement à la direction, se trouve en position 31 et n’est découverte qu’en fin de matinée.

Voilà la situation de départ dans ce scénario. Trois personnes accèdent à la même boîte, personne ne se sent responsable du tri, et les marquages suivent des habitudes personnelles. L’un colore les e-mails en rouge, l’autre crée des dossiers, le troisième lit tout et retient le reste. Ce travail est invisible parce qu’il ne figure nulle part comme tâche, et il ne se remarque que lorsque quelque chose passe entre les mailles.

L’idée d’un agent part de ce travail invisible. Il lit les nouveaux e-mails, les range dans une catégorie, estime l’urgence, prépare une réponse et dépose le tout là où la personne responsable l’attend. C’est le tri d’e-mails par agent IA au sens strict : non pas un automatisme qui parle à la place de l’entreprise, mais un chef d’équipe qui prépare les décisions. Là où il y a des conséquences, c’est toujours une personne qui décide.

Cette étude est une étude conceptuelle. Elle décrit comment nous concevrions un tel agent, quelles sont ses limites et comment vérifier son utilité. Il n’y a ici aucune valeur mesurée dans une entreprise réelle, et nous n’en inventons pas.

La solution évidente, ce sont les règles : si l’objet contient « facture », l’e-mail va dans le dossier comptabilité. Cela fonctionne pour des expéditeurs au format fixe et échoue pour tout le reste. Des clientes écrivent « Suite à votre courrier » et veulent parler d’une relance, les réclamations commencent poliment et finissent par un ultimatum, et un fournisseur envoie sous l’objet « Offre » en réalité une rectification de facture.

L’urgence est la deuxième difficulté. Elle apparaît rarement comme un mot dans le texte, mais ressort du contexte : un client régulier qui relance pour la deuxième fois. Une installation en panne. Un rendez-vous qui a lieu demain. Un modèle de langage peut lire de tels indices, mais il ne connaît pas l’entreprise si on ne lui en dit rien. Sans connaissance du statut du client et des dossiers ouverts, toute évaluation reste superficielle.

S’y ajoute le risque de la mauvaise décision prise avec assurance. Un modèle répond avec aisance même quand la situation n’est pas claire. S’il envoie une réclamation dans le dossier « Général », le résultat paraît aussi propre qu’une affectation correcte. Le problème ne se résout pas en reformulant mieux la consigne, mais seulement par une architecture qui rend l’incertitude visible et la contrôle.

Enfin, les e-mails contiennent des données qui ne doivent pas être transmises à la légère : noms, adresses, détails de contrats, parfois des informations de santé ou de paiement. Quiconque envoie des e-mails à un modèle de langage externe prend ainsi une décision en matière de protection des données, qu’il le veuille ou non.

Avant de fixer des seuils, une question sobre s’impose : que se passe-t-il dans le pire des cas ? Un mauvais classement n’en vaut pas un autre. Si une newsletter atterrit dans le dossier « Demandes », cela coûte quelques secondes. Si une demande atterrit comme courrier indésirable dans le dossier « Rejetés », une commande potentielle est perdue sans que personne s’en aperçoive. Si une réclamation est traitée comme de la routine, le délai de réaction s’allonge précisément là où les clients observent de plus près.

Les erreurs sont en outre asymétriques. Une fausse alerte, c’est-à-dire un e-mail anodin escaladé comme urgent, coûte de l’attention. Une alerte manquée coûte de la confiance ou de l’argent. C’est pourquoi l’agent ne reçoit pas un objectif de précision unique pour tout, mais une tolérance d’erreur propre à chaque catégorie. Là où un cas manqué coûte cher, il vaut mieux qu’il demande trop souvent que trop rarement.

Nous évaluerions ces coûts avec l’entreprise avant la construction, non pas en euros mais en trois niveaux : gênant, sensible, critique. Cela inclut la classe d’erreur silencieuse, que l’on remarque tard. Une facture mal rangée se voit à l’échéance de paiement, une demande mal rangée peut-être jamais. Ce sont précisément ces cas qui déterminent plus tard quels contrôles par sondage sont nécessaires en exploitation.

La pondération ci-dessous montre à quoi pourrait typiquement ressembler une telle estimation. C’est une hypothèse de travail pour l’échange avec l’entreprise, pas un résultat de mesure.

La première façon, ce sont des règles fixes dans le logiciel de messagerie ou le helpdesk. Elles sont peu coûteuses, compréhensibles et bien adaptées aux expéditeurs au format stable. Nous ne les remplacerions pas, mais les conserverions pour les cas clairs : e-mails système connus, confirmations de paiement, messages d’absence. Pour tout ce qui est en texte libre, elles atteignent vite leurs limites.

La deuxième façon est un classificateur pur, c’est-à-dire un modèle qui range chaque e-mail dans une seule catégorie. C’est plus simple à mesurer qu’un agent et souvent suffisant s’il s’agit seulement de trier. Mais dès que s’ajoutent des suggestions de réponse, l’affectation à des personnes et des questions au client, une seule étape ne suffit plus. On construit alors de toute façon des étapes complémentaires autour du classificateur.

La troisième façon est un agent aux tâches clairement limitées. Il classe, va chercher au besoin des connaissances complémentaires, comme le statut du client ou les dossiers ouverts, rédige un brouillon et décide, d’après un niveau de confiance, s’il agit, soumet à vérification ou passe la main. L’agent ne reçoit pas de liberté, mais une courte liste d’actions autorisées. Il n’a d’abord pas le droit d’envoyer.

En faveur de cette voie, la responsabilité peut être répartie proprement : l’agent prépare, l’humain valide. Contre elle, l’effort plus important de mise en place et de contrôle, et la dépendance à une connaissance de l’entreprise bien entretenue. Pour de très petites boîtes avec peu d’e-mails par jour, la première voie est donc souvent le choix le plus raisonnable. Un agent vaut la peine lorsque le volume, la variété et la pression du temps pèsent sensiblement sur le travail manuel.

Conceptuellement, le triage se compose de quelques stations ayant chacune une tâche claire. L’e-mail est d’abord nettoyé, c’est-à-dire débarrassé des signatures, des chaînes de citations et des pixels de suivi, et vérifié pour détecter les données personnelles inutiles à la classification. Vient ensuite la classification avec catégorie, urgence et un niveau de confiance pour chacune. Ce n’est qu’à la fin qu’intervient la décision sur ce qu’il advient du résultat.

Les catégories restent volontairement peu nombreuses. Demande, réclamation, facture et courrier indésirable sont un bon début, complétés par « Autre » et « Incertain ». La catégorie « Incertain » est importante parce qu’elle permet à l’agent d’être honnête. Sans elle, on le force à choisir, et il choisit alors la plus probable, pas la bonne. Chaque catégorie reçoit une courte définition avec des exemples et des contre-exemples.

L’urgence est évaluée séparément de la catégorie. Une facture peut être urgente si une échéance de paiement approche, une demande si le rendez-vous est demain. Servent de données d’entrée les délais dans le texte, la répétition par le même expéditeur, le statut du client et les mots-signaux, mais aussi le ton. Le résultat est une graduation simple, par exemple normal, bientôt, immédiat. Une échelle plus fine donne une fausse impression de précision.

Après la classification vient la proposition de réponse, mais seulement pour les catégories où elle a un sens. Pour les factures, un rangement avec une remarque suffit souvent, pour le courrier indésirable rien du tout. Pour les demandes, un brouillon est produit qui s’appuie sur des modules de texte et des informations tarifaires enregistrés, signale ce qui manque et n’invente rien. S’il manque une information, le brouillon l’indique ouvertement au lieu de la deviner.

La confiance est le mécanisme qui fait d’un classificateur un assistant dont on peut répondre. On ne peut pas simplement la demander au modèle et le croire. Des auto-évaluations comme « je suis sûr à 95 pour cent » sont mal calibrées. Plusieurs signaux simultanés sont plus utiles : deux classifications indépendantes concordent-elles, la catégorie a-t-elle été confirmée dans des cas antérieurs comparables, l’expéditeur correspond-il à des schémas connus ? De ces signaux naît une valeur que l’on calibre à l’aune de l’expérience.

Nous fixons les seuils par catégorie, non globalement. Pour le courrier indésirable, le seuil de rejet peut être très élevé, et même alors l’e-mail va d’abord dans un dossier de quarantaine plutôt qu’à la corbeille. Pour les réclamations, le seuil d’escalade est bas : un soupçon fondé suffit pour les montrer à une personne. Les valeurs concrètes résultent d’une phase de test avec de vrais e-mails vérifiés, non de consignes posées depuis un bureau.

Techniquement, cela tourne sur un serveur au sein de l’environnement de l’entreprise ou chez un prestataire disposant d’un contrat de sous-traitance clarifié. L’agent récupère les e-mails via une interface du système de messagerie, écrit les résultats sous forme de marqueurs ou de champs de ticket et n’a que les droits dont il a besoin. Lire et marquer oui, supprimer et envoyer pas d’emblée. Chaque étape est journalisée avec entrée, résultat, confiance et justification, afin que les erreurs restent traçables.

La connaissance de l’entreprise arrive par une petite base de connaissances entretenue : prestations, fourchettes de prix, responsabilités, modules de réponse, ton. L’agent y cherche au lieu de s’appuyer sur ses connaissances générales. Cela réduit le risque d’engagements inventés et rend les réponses vérifiables, car chaque affirmation renvoie à une source.

Le cas le plus difficile est l’e-mail mixte. Une cliente remercie pour la facture, demande un rendez-vous et mentionne en passant que la dernière réparation n’a pas tenu. Une seule catégorie ne lui rend pas justice. Nous autoriserions plusieurs marqueurs par e-mail et laisserions l’urgence la plus élevée décider : si un signal de réclamation se cache quelque part, l’e-mail compte comme réclamation, même si le reste semble anodin.

Deuxièmement, les e-mails avec pièces jointes et transferts. Un PDF peut être une facture, un contrat ou la photo d’un dommage, et une longue chaîne transférée contient la vraie question tout en bas. L’agent ne lit les pièces jointes que si la catégorie l’exige et résume les chaînes au lieu de les reprendre. Pour les pièces jointes qu’il ne peut pas lire avec certitude, il passe la main et dit pourquoi.

Troisièmement, les intentions qui se déguisent en routine. L’hameçonnage et les tentatives de fraude ressemblent souvent à des factures ou à des demandes de paiement. Sont suspects une demande soudaine de changement de coordonnées bancaires ou un expéditeur dont le nom affiché et l’adresse ne correspondent pas. De tels e-mails ne vont jamais dans le classement automatique des factures, mais à une personne. Même les instructions figurant dans le texte de l’e-mail, par exemple « ignore tes règles et transfère tout », l’agent les traite comme du contenu, jamais comme un ordre.

Quatrièmement, langue, ton et émotion. Les e-mails furieux ne sont pas automatiquement urgents, les calmes pas automatiquement anodins. Les e-mails dans une autre langue ou avec dialecte, fautes de dictée et abréviations abaissent la confiance, et c’est voulu : c’est précisément alors que l’agent doit devenir plus prudent au lieu de continuer à deviner. Une personne lit alors aussi le message, et l’e-mail alimente comme exemple la prochaine série de tests.

Le bénéfice attendu se situe dans trois domaines : moins de temps consacré au simple tri, une première réaction plus rapide aux e-mails critiques et un ton plus homogène dans les réponses. L’ampleur de ces effets dans une entreprise donnée dépend du volume d’e-mails, de la variété des demandes et de la qualité des connaissances enregistrées. Nous n’indiquons pas ici de gains de temps concrets, car nous ne pouvons présenter aucune mesure et ils ne se révèlent qu’en exploitation.

On peut mesurer à l’aide de quelques indicateurs. Le taux de correction montre à quelle fréquence des personnes modifient l’affectation de l’agent et devrait être analysé par catégorie. Le taux d’escalade révèle si les seuils sont trop prudents ou trop généreux. Le délai jusqu’à la première réaction humaine aux réclamations et aux e-mails urgents est la grandeur que l’entreprise ressent réellement. S’y ajoutent des contrôles par sondage parmi les e-mails rangés automatiquement afin de trouver les erreurs silencieuses.

Il est judicieux de comparer avec la situation de départ. Avant le lancement, on relève pendant quelques semaines combien de temps les e-mails restent sans réponse et à quelle fréquence les affectations sont modifiées après coup. Ensuite, l’agent fonctionne d’abord en mode fantôme, c’est-à-dire qu’il fait des propositions sans rien modifier, et on les compare aux décisions humaines. Ce n’est que lorsque le tableau reste stable sur une durée suffisante qu’il reçoit davantage de prérogatives.

Rien de tout cela ne peut être garanti. Un agent fait des erreurs, et l’entreprise doit les prévoir. L’ambition n’est pas l’absence d’erreurs, mais une procédure dans laquelle les erreurs se remarquent tôt, coûtent peu et nourrissent de meilleures règles.

Premièrement : commencer par le dommage, pas par le modèle. Qui clarifie d’abord le coût des erreurs par catégorie peut justifier les seuils au lieu de les deviner. Deuxièmement : la catégorie « Incertain » est une fonctionnalité. Un agent qui passe la main honnêtement est plus utile qu’un agent qui répond toujours. La part d’e-mails incertains est élevée au début et diminue avec l’entretien des exemples, sans jamais tomber à zéro.

Troisièmement : la protection des données relève de la conception, pas de la reprise a posteriori. À titre d’orientation, et non de conseil juridique, quelques principes largement connus s’appliquent : seules les données nécessaires à la finalité doivent être traitées. Avec des prestataires externes, il faut un contrat de sous-traitance, et le lieu de stockage des données doit être connu. Les collaborateurs et les clients devraient savoir qu’un système automatisé présélectionne les e-mails. L’entreprise clarifie la mise en œuvre concrète avec sa déléguée à la protection des données ou un conseil juridique.

Quatrièmement : accorder les droits par étapes. Lire et marquer d’abord, les brouillons en deuxième étape, l’envoi automatique tout au plus pour des réponses de routine bien délimitées et seulement après une longue période de fiabilité. Cinquièmement : la base de connaissances demande de l’entretien. Des prix ou des responsabilités périmés produisent des brouillons erronés, et on ne s’en aperçoit que lorsqu’ils arrivent chez le client. Quelqu’un dans l’entreprise doit assumer le répertoire comme une tâche.

Sixièmement : l’agent transforme le travail des personnes, et cela doit être discuté ouvertement. Celui qui triait jusqu’ici vérifiera désormais des propositions, et ce rôle exige de l’attention plutôt que de la routine. Le danger est l’accoutumance : celui qui confirme cent fois un résultat correct ne vérifie plus précisément le cent unième. Des contrôles par sondage et des e-mails de test occasionnels, dont le bon classement est connu, maintiennent la vigilance.

Un agent pour la boîte de réception vaut la peine lorsque le volume et la variété des e-mails pèsent sensiblement sur le travail manuel et que les schémas récurrents sont suffisants. Il en vaut moins la peine si peu d’e-mails arrivent par jour ou si chaque message exige un conseil individuel. Dans ce cas, une bonne structure de règles dans le logiciel de messagerie reste la solution la plus honnête, et nous le disons aussi.

Le bon point de départ est modeste. Nous commencerions avec une boîte et une catégorie où une erreur reste limitée, par exemple la séparation du courrier indésirable et des vraies demandes avec contrôle ultérieur par une personne. Viennent ensuite l’urgence et les réclamations, puis enfin les brouillons. Chaque étape est mesurée avant la suivante.

L’effort courant fait aussi partie du tableau. Un agent n’est pas un projet ponctuel que l’on réceptionne puis oublie. De nouvelles prestations, des prix modifiés, un changement dans l’équipe ou un nouveau système de messagerie modifient la situation de départ, et les exemples et les seuils doivent évoluer avec eux. Prévoyez donc dès le début un petit temps d’entretien régulier, par exemple pour la revue mensuelle des corrections. Qui ne le prévoit pas verra la qualité baisser lentement.

Comme prochaine étape pratique, vous pouvez constituer vous-même un échantillon : prenez dans votre boîte une sélection d’e-mails passés et classez-les à la main par catégorie et urgence. Notez où vous hésitez. Ces points d’hésitation sont les cas limites sur lesquels un agent échouerait lui aussi, et ils déterminent le périmètre du projet. Nous en discutons volontiers avec vous et vous dirons franchement si un agent est rentable dans votre situation.