Chatbot design : qu'est-ce que la conception de chatbot ?

Un visiteur demande : « Ce canapé passe-t-il dans un escalier de 80 cm ? » Un chatbot mal conçu récite les dimensions de la fiche produit. Un chatbot bien conçu repère l’intention, demande la largeur du passage si elle manque, explique la méthode de vérification et propose un conseiller lorsque le doute subsiste.

Cette conception dépasse l’écriture de quelques réponses. Elle relie un objectif métier, des besoins utilisateurs, une base de connaissances, une interface et des procédures de relais. Les modèles génératifs rendent la conversation plus souple, mais ils ne déterminent ni la mission du bot ni ce qu’il doit faire en cas d’incertitude.

Chatbot design : de quoi parle-t-on exactement ?

Deux widgets peuvent partager les mêmes couleurs, le même avatar et le même champ de saisie tout en produisant des résultats opposés. Le premier reconnaît l’objectif du visiteur et conserve le contexte ; le second enchaîne des réponses plausibles sans faire progresser la demande. Le chatbot design désigne l’ensemble des choix qui expliquent cet écart.

La conception conversationnelle combine notamment l’UX, la linguistique et l’interaction homme-machine. Elle porte sur la reconnaissance des intentions, le déroulement du dialogue, la mémoire du contexte, le langage, le ton et la gestion des tours de parole[1]. Une revue systématique de 40 études distingue également des enjeux de naturel, de transparence et d’émotion dans la manière dont les utilisateurs perçoivent un chatbot[2].

Les quatre dimensions de la conception d’un chatbot

1. Le design fonctionnel précise la mission, les cas d’usage, les actions autorisées et les indicateurs de succès.
2. Le design conversationnel organise les intentions, les formulations, les clarifications, la personnalité et les réponses de repli.
3. Le design d’interface traite le widget, les boutons, la saisie libre, les cartes produit, le mobile et l’accessibilité.
4. Le design opérationnel couvre les sources de données, les intégrations, la supervision, le transfert humain et la conformité.

Ces dimensions sont interdépendantes. Un bouton « Suivre ma commande » n’a de valeur que si le système peut identifier le client, consulter la bonne source et produire une réponse exploitable. À l’inverse, une base de connaissances riche reste peu utile si l’interface masque l’action pertinente.

Chatbot design et conversation design : quelle différence ?

Le conversation design est une composante du chatbot design. Il se concentre sur l’échange : ce que dit le bot, dans quel ordre, avec quel ton et en réaction à quelles intentions. Le chatbot design adopte un périmètre plus large, car il inclut aussi l’intégration au parcours web, les données, les règles métier et l’organisation du service qui récupère les demandes complexes.

Ce que l’IA générative change

Un chatbot scénarisé suit des branches prévues à l’avance. Un assistant génératif peut interpréter des formulations variées et composer une réponse à partir de plusieurs contenus. La conception se déplace alors partiellement de l’arbre de dialogue vers la gouvernance : choix des sources, instructions, permissions, seuils de confiance et tests de réponses. La liberté de formulation augmente ; le besoin de garde-fous aussi.

Pourquoi le design détermine-t-il la qualité d’un chatbot ?

Lorsqu’un client écrit « Où est ma commande ? », il ne cherche pas une explication sur le processus logistique. Il veut un statut, une date ou une action. Cette différence entre sujet et intention résume l’enjeu : le chatbot doit conduire à un résultat, pas seulement produire du texte.

Réduire l’effort plutôt que multiplier les messages

Une bonne conversation demande uniquement les informations nécessaires. Si l’adresse e-mail est déjà associée à la session, la réclamer de nouveau crée une friction évitable. Si trois choix couvrent les cas les plus fréquents, des réponses rapides peuvent accélérer l’échange tout en laissant un champ libre pour les demandes atypiques.

Transformer une réponse en prochaine action

Après avoir indiqué qu’un produit est disponible, le chatbot peut afficher la fiche correspondante, proposer l’ajout au panier ou vérifier un critère complémentaire. Après avoir identifié un problème de livraison, il peut ouvrir un ticket prérempli. Le design relie ainsi la compréhension à l’action et évite de renvoyer systématiquement l’utilisateur vers une autre page.

Préserver la confiance lorsque le bot atteint ses limites

Un assistant fiable n’est pas celui qui répond à tout. C’est celui qui reconnaît une information manquante, explique sa limite et propose une issue. Afficher une réponse prudente, demander une précision ou transférer la conversation protège davantage la confiance qu’une formulation assurée mais incertaine.

Comment concevoir un chatbot étape par étape ?

Une matrice simple évite de commencer par la technologie. Placez les demandes sur trois axes : fréquence, valeur métier et risque en cas d’erreur. Une question fréquente sur les délais de livraison constitue un bon candidat. Une décision contractuelle rare et sensible appelle plutôt une orientation vers un spécialiste.

1. Définir un objectif métier mesurable

Le rôle doit tenir en une phrase : réduire les demandes répétitives, qualifier des prospects, aider à choisir un produit ou accompagner l’onboarding. Associez ensuite un indicateur principal et un garde-fou. Pour un bot de support, il peut s’agir du taux de résolution autonome, surveillé avec la satisfaction et le taux de réouverture.

2. Cartographier les intentions et les parcours

Analysez les tickets, les recherches internes, les conversations de live chat et les questions posées aux commerciaux. Regroupez les formulations qui correspondent à la même intention, puis décrivez la situation de départ, les informations nécessaires, la réponse attendue et les exceptions. « Puis-je retourner cet article ? » exige par exemple de connaître la date, la catégorie du produit et les conditions applicables.

3. Choisir entre scénario, IA et modèle hybride

Le scénario convient aux processus stables qui exigent des choix contrôlés : prise de rendez-vous, collecte d’informations ou vérification d’éligibilité. L’IA générative est pertinente pour explorer une documentation riche ou interpréter une demande libre. Un modèle hybride combine souvent les deux : l’IA identifie le besoin, puis un workflow encadre l’action sensible.

4. Prototyper les conversations principales et alternatives

Rédigez d’abord des conversations complètes, de l’ouverture à la clôture. Ajoutez ensuite les chemins alternatifs : information absente, réponse ambiguë, changement de sujet, refus, demande hors périmètre et retour en arrière. Un prototype doit montrer ce que voit l’utilisateur, mais aussi les données consultées et les règles déclenchées à chaque étape.

5. Connecter les connaissances et les outils métier

Distinguez les contenus informatifs, comme les FAQ, des données dynamiques, comme le stock ou l’état d’une commande. Définissez la source de référence, sa fréquence de mise à jour et les droits d’accès.

6. Tester avant le déploiement

Les tests doivent couvrir des formulations courtes, imprécises, fautives et contradictoires. Faites intervenir des personnes qui n’ont pas conçu le bot : elles emploieront des mots et des enchaînements que l’équipe projet n’aura pas anticipés. Vérifiez également le mobile, la navigation clavier, les temps de réponse et le comportement lorsque l’API ou la source métier ne répond plus.

7. Mesurer et améliorer après la mise en ligne

Commencez par un périmètre limité, observez les conversations et classez les échecs : intention inconnue, contenu manquant, réponse incorrecte, action impossible ou transfert trop tardif. Chaque catégorie doit alimenter un backlog avec un responsable et un critère de validation. Le lancement ouvre une boucle d’apprentissage ; il ne clôt pas le projet.

Quelles règles appliquer au design conversationnel ?

« Bonjour ! Je suis votre assistant virtuel nouvelle génération. Comment puis-je vous accompagner aujourd’hui dans l’ensemble de vos besoins ? » paraît accueillant, mais ne dit ni ce que le bot sait faire ni comment commencer. « Je peux vous aider à choisir un produit, suivre une commande ou contacter un conseiller » réduit immédiatement l’incertitude.

Annoncer clairement le rôle et les capacités du chatbot

Le message d’accueil doit identifier l’interlocuteur automatisé, présenter deux ou trois usages prioritaires et laisser une voie de sortie. Il n’est pas nécessaire d’imiter un humain. Une identité cohérente, une mission précise et des formulations stables construisent davantage de confiance qu’un anthropomorphisme excessif.

Guider sans enfermer dans un arbre rigide

Les boutons accélèrent les parcours fréquents, tandis que la saisie libre accueille les demandes imprévues. Combinez-les lorsque le contexte le justifie. Posez une question à la fois, confirmez les éléments susceptibles d’entraîner une action et permettez de corriger une réponse sans recommencer toute la conversation.

Adapter le ton à la situation

La voix de marque fournit un cadre, mais le contexte commande le registre. Un message de recommandation produit peut être chaleureux ; une erreur de paiement demande sobriété et précision. L’empathie doit reconnaître la situation sans simuler des émotions que le système ne ressent pas. « Je comprends que ce retard soit gênant » est plus juste qu’une promesse affective artificielle.

Gérer les incompréhensions et les changements de sujet

Après une première incompréhension, reformulez ce qui manque ou proposez des choix. Après plusieurs échecs, changez de stratégie : transfert, formulaire court ou canal alternatif. Le bot doit aussi conserver les informations encore valides lorsqu’un utilisateur bifurque, puis revenir au parcours initial sans exiger une répétition complète.

Comment concevoir l’interface d’un chatbot ?

Sur une fiche produit mobile, le clavier occupe une grande partie de l’écran et les boutons doivent rester manipulables. Sur une page d’aide desktop, l’utilisateur peut comparer une réponse à la documentation visible. Le même widget ne peut pas ignorer ces contextes d’usage.

Choisir les bons composants conversationnels

Utilisez du texte pour expliquer, des réponses rapides pour sélectionner, un carrousel pour comparer quelques produits et un bouton pour déclencher une action claire. Les composants doivent diminuer l’effort, pas transformer chaque réponse en catalogue. Prévoyez aussi les états de chargement, les erreurs, la reprise d’une conversation et la confirmation des actions irréversibles.

Adapter le déclenchement au parcours

Un message proactif peut aider après plusieurs recherches infructueuses ou une hésitation sur une page stratégique. Affiché immédiatement sur toutes les pages, il devient une interruption. Le bon déclencheur dépend d’un signal utile : temps passé, profondeur de navigation, retour sur une fiche ou tentative d’abandon, avec une fréquence maîtrisée.

Intégrer l’accessibilité dès la maquette

Le chat doit être utilisable au clavier, conserver un focus prévisible, annoncer correctement les nouveaux messages et offrir des contrastes lisibles. Son emplacement doit rester cohérent d’une page à l’autre. Le W3C rappelle que les mécanismes d’aide répétés doivent apparaître dans un ordre relatif constant afin d’être faciles à retrouver [5]. Vérifiez enfin que le widget se ferme facilement et ne masque ni contenu ni commande importante.

Prévoir les erreurs, le transfert humain et la conformité

Un utilisateur peut saisir spontanément un diagnostic médical, un numéro de carte ou une information concernant un tiers. Ce risque existe même si le chatbot ne demande jamais ces données. La conception doit donc prévoir l’avertissement, la minimisation et la purge, pas seulement la réponse fonctionnelle.

Concevoir des réponses de repli réellement utiles

Évitez le répétitif « Je n’ai pas compris ». Indiquez le point d’incertitude : référence inconnue, question hors périmètre ou source indisponible. Proposez ensuite une action adaptée. Si une réponse repose sur une information non vérifiée, le bot doit s’abstenir de présenter une supposition comme un fait.

Organiser un transfert humain sans répétition

Le conseiller doit recevoir le motif détecté, les données déjà recueillies, les réponses proposées et l’historique utile. L’utilisateur, lui, doit connaître le canal et le délai probable. Un transfert silencieux vers une file d’attente recrée la frustration que l’automatisation devait réduire.

Informer l’utilisateur et protéger ses données

La CNIL rappelle qu’un chatbot peut traiter des données personnelles même sans compte, notamment lorsqu’une trace de la conversation est conservée. Elle recommande entre autres d’informer les personnes, de limiter la collecte et de prévoir un mécanisme de purge pour les données sensibles communiquées de manière imprévisible [3].

Depuis le 2 août 2026, les obligations de transparence de l’article 50 de l’AI Act s’appliquent. Les systèmes qui interagissent directement avec des personnes, tels que les chatbots, doivent être conçus pour que celles-ci soient informées qu’elles échangent avec une IA [4]. Cette information doit faire partie du message et de l’interface dès la conception.

Comment évaluer et améliorer le design d’un chatbot ?

Un tableau de bord peut afficher moins de transferts tout en cachant davantage d’abandons. Interprété seul, le taux d’automatisation récompense alors un bot qui retient les demandes sans les résoudre. La mesure doit croiser performance opérationnelle et résultat utilisateur.

• Taux de compréhension : part des demandes associées correctement à une intention ou à une source.
• Taux de résolution autonome : part des conversations terminées sans intervention humaine et sans reprise ultérieure du même problème.
• Taux d’abandon : moment où l’utilisateur quitte le parcours, à lire étape par étape.
• Taux de transfert réussi : demandes transmises avec le contexte nécessaire et effectivement prises en charge.
• Satisfaction et effort : perception de l’utilité, de la clarté et de la simplicité de l’échange.
• Conversion métier : rendez-vous, lead qualifié, vente, ticket résolu ou autre résultat défini au cadrage.
• Complétez les indicateurs par une revue régulière des verbatims. Les formulations inconnues révèlent de nouveaux besoins ; les corrections répétées signalent une question mal posée ; les transferts précoces peuvent indiquer une base de connaissances insuffisante. Testez chaque modification sur un jeu de conversations de référence afin d’éviter qu’une amélioration locale ne dégrade un autre parcours.

Comment Target First s’intègre-t-il dans un projet de chatbot design ?

Un visiteur peut formuler un besoin en langage naturel, recevoir des vignettes produit avec visuel, prix et description, puis demander un devis ou contacter un conseiller. Ce parcours illustre la jonction entre compréhension, interface et action que doit organiser le chatbot design.

L’Assistant IA de Target First propose trois modes, Q&A, Ask et Search, s’appuie sur les données de l’entreprise et conserve le contexte des échanges. Il peut présenter des produits dans un carrousel, donner accès à des actions rapides, transférer vers un conseiller et suivre des indicateurs tels que conversion, ventes, satisfaction et engagement [6].

Ces fonctions ne remplacent pas le cadrage. Elles deviennent pertinentes lorsque les cas d’usage, les sources, les permissions et les critères de transfert ont été définis.

Ce qu’il faut retenir sur le chatbot design

Un chatbot utile repose sur trois conditions : une mission délimitée, des parcours testés et une amélioration fondée sur les conversations réelles. Son apparence participe à l’expérience, mais elle ne compense ni une source peu fiable, ni une action impossible, ni un transfert mal organisé.

Le meilleur point de départ consiste à choisir quelques demandes fréquentes et mesurables, puis à concevoir chaque parcours jusqu’à sa véritable issue. L’IA pourra ensuite élargir les formulations comprises et les connaissances mobilisées. Le design, lui, restera responsable de la cohérence entre la promesse faite à l’utilisateur et ce que le système peut réellement accomplir.

FAQ sur le chatbot design

Qu’est-ce que le chatbot design ?

Le chatbot design est la conception fonctionnelle, conversationnelle, visuelle et opérationnelle d’un chatbot. Il définit sa mission, ses parcours, son langage, son interface, ses données, ses actions et ses mécanismes de transfert ou de contrôle.

Quelle est la différence entre UX design et conversation design ?

L’UX design couvre l’expérience globale, notamment l’interface, l’accessibilité et l’intégration au parcours. Le conversation design se concentre sur la structure et le contenu du dialogue. Les deux disciplines se complètent dans un projet de chatbot.

Comment créer un parcours conversationnel ?

Partez d’une intention précise, listez les informations nécessaires, décrivez la réponse ou l’action attendue, puis ajoutez les variantes : information manquante, erreur, changement de sujet et transfert humain. Testez ensuite le parcours avec des formulations réelles.

Faut-il choisir un chatbot scénarisé ou un chatbot IA ?

Un chatbot scénarisé convient aux processus stables et sensibles. Un chatbot IA gère mieux les demandes libres et la recherche dans une documentation riche. Une architecture hybride est souvent adaptée lorsque l’IA doit comprendre le besoin, mais qu’un workflow doit encadrer l’action.

Comment tester le design d’un chatbot ?

Testez des conversations complètes sur mobile et desktop, avec des demandes normales, vagues, fautives, contradictoires et hors périmètre. Mesurez la résolution, l’effort, l’abandon, la qualité du transfert et la fiabilité des réponses.

Mentions

• [1] ServiceNow, Conversation design.
• [2] Silva et Canedo, Towards User-Centric Guidelines for Chatbot Conversational Design.
• [3] CNIL, Chatbots : les conseils de la CNIL pour respecter les droits des personnes.
• [4] Commission européenne, Transparency obligations under Article 50 of the AI Act.
• [5] W3C, What’s New in WCAG 2.2.
• [6] Target First, page produit de l’Assistant IA.