Chatbot IA connecté aux données de l'entreprise : ce que ça change et comment ça se chiffre

Un chatbot qui n'est pas connecté à vos données répond toujours à côté. Il connaît le monde, mais pas votre grille de garantie, pas vos conditions tarifaires, pas le règlement des études de votre établissement, pas l'état de la commande du client qui écrit tard le soir. « Connecté aux données de l'entreprise » désigne ce qui manque : la capacité, à chaque question, d'aller chercher la réponse dans vos documents et dans vos systèmes — ERP, CRM, base documentaire, ticketing — avant de rédiger.

Cet article porte sur la couche qui décide de tout le reste : l'accès aux données. Ce qu'elle recouvre, ce qu'elle change face à un scénario scripté, et comment un tel projet se chiffre — avec la fourchette indicative que nous pratiquons, de 15 000 à 100 000 DH.

Ce que recouvre réellement la connexion aux données

Une même formule cache deux natures de connexion, aux coûts et aux problèmes distincts.

La connexion documentaire. Procédures, conditions générales, grilles tarifaires, notices et règlements sont indexés dans un moteur de recherche sémantique. À chaque question, le système retrouve les passages pertinents et rédige une réponse à partir d'eux, en citant le document d'origine. C'est l'architecture dite RAG, ou génération augmentée par recherche. Elle répond à ce qui est vrai en général chez vous.

La connexion transactionnelle. Le chatbot interroge vos systèmes de gestion pour obtenir un état à l'instant présent : disponibilité d'une référence, statut d'une commande, avancement d'un dossier. Non plus de la recherche, mais un appel applicatif au nom d'un utilisateur identifié. Elle répond à ce qui est vrai maintenant, pour cette personne — le terrain de l'intégration IA, et presque toujours le poste le plus lourd.

S'y ajoutent les droits — un chatbot hérite des habilitations qu'on lui accorde, et un système branché sur tout un serveur documentaire restituera ce qu'il n'aurait pas dû montrer — et la traçabilité : sans journalisation, une erreur est indémontrable.

Ce que ça change par rapport à un chatbot scripté

Un chatbot scripté repose sur un arbre de décision : on anticipe les questions, on écrit les réponses, on relie le tout par des boutons et des mots-clés. Il tient tant que l'utilisateur reste dans le scénario. Au Maroc, où les clients écrivent en darija mêlée de français, avec abréviations et fautes de frappe, l'écart au scénario est la norme.

Quatre déplacements.

• La formulation cesse d'être le sujet. Le système cherche une information dans un corpus, non une intention déclarée à l'avance.
• La mise à jour se fait à la source. Vous corrigez la procédure dans le document qui fait foi, et le chatbot suit.
• La réponse devient vérifiable. Citer l'article sur lequel elle s'appuie est la condition d'adoption dans tout métier à enjeu.
• Le périmètre change de nature. On ne délimite plus une liste d'intentions mais un périmètre de données : à quoi ce système accède-t-il, et pour qui ?

La contrepartie doit être dite. Un système connecté peut se tromper de façon plausible, ce qu'un arbre de décision ne fait jamais. Il expose aussi l'état réel de votre documentation : si plusieurs versions d'une procédure coexistent, il en citera une au hasard. D'où un projet d'ingénierie IA, non un paramétrage.

À quels problèmes concrets cela répond

• Services après-vente. Garantie, compatibilité d'une pièce, procédure de retour, étape d'une réparation : la réponse existe déjà, mais le conseiller navigue entre plusieurs outils.
• Banques et sociétés de financement. L'information générale — frais, pièces, éligibilité — relève du documentaire ; les données de compte supposent un accès authentifié et le secret bancaire. Confondre les deux au cadrage est l'erreur la plus coûteuse du secteur.
• Écoles et universités. Les mêmes questions reviennent à chaque rentrée, session d'examens et campagne de bourses. Le règlement des études contient les réponses ; il est long et personne ne le consulte.
• E-commerce. Avant-vente comme après-vente exigent des données vivantes, issues de l'ERP et du transporteur.

Cas d'usage par secteur

Ce sont des cas d'usage : des scénarios réalistes au Maroc, non des réalisations mesurées chez des clients.

Maintenance et SAV industriels. Un assistant interne interrogeable sur la documentation technique, les gammes de pièces et l'historique des interventions. Le technicien en déplacement sur les zones industrielles d'Aïn Sebaâ, de Bouskoura ou de Tanger l'interroge depuis son téléphone, sans appeler le siège.

Banques et financement. Un assistant pour les chargés de clientèle en agence, adossé au seul corpus documentaire : tarifs, pièces d'un dossier de crédit, procédures de conformité. Aucune donnée client dans le périmètre initial — souvent le départ le plus raisonnable : de la valeur sans ouvrir le chantier de l'authentification forte.

Enseignement supérieur. Un assistant adossé au règlement des études, au calendrier, aux modalités d'examen et aux procédures de bourse, en français comme en darija. Connecté à la scolarité, il indique à un étudiant identifié où en est son dossier.

E-commerce. Sur WhatsApp, canal privilégié de la relation client au Maroc : disponibilité issue de l'ERP, suivi issu du transporteur, politique de retour issue des conditions générales, avec bascule vers un conseiller dès que la demande sort du périmètre.

Comment se déroule un projet

L'ordre des étapes n'est pas négociable.

1. Périmètre de questions. On collecte de vraies questions reçues — tickets, conversations WhatsApp, appels — plutôt que des questions imaginées en réunion.
2. Inventaire des sources. Quel document fait foi, dans quelle version, qui le met à jour. L'étape la plus révélatrice, et celle qui détermine le budget.
3. Accès technique. Vos systèmes exposent-ils une interface exploitable ? Comment l'identité de l'utilisateur est-elle propagée ?
4. Construction. Indexation, connecteurs, règles d'escalade vers un humain.
5. Évaluation. Un jeu de questions réelles, leurs réponses attendues et leurs sources, mesuré avant mise en service et à chaque évolution.
6. Mise en service supervisée, avec journalisation et sortie explicite quand le système ignore la réponse.
7. Supervision. Questions sans réponse, réponses signalées, corpus tenu à jour.

Un prestataire qui chiffre avant l'étape 2 chiffre une hypothèse.

Ce qui fait varier le budget

Pour ce type de projet, nous situons l'ordre de grandeur entre 15 000 et 100 000 DH. La fourchette est large parce qu'un même intitulé — « un chatbot connecté à nos données » — recouvre des projets sans commune mesure.

Ce qui place un projet en bas de fourchette : un corpus restreint et déjà propre, avec une source unique faisant autorité ; un système en lecture seule ; un usage interne, ou sans donnée personnelle sensible ; un canal et une langue principale ; aucune intégration transactionnelle, ou un seul système déjà doté d'une interface documentée.

Ce qui place un projet en haut de fourchette : des documents dispersés, des PDF scannés, des versions concurrentes sans document faisant foi — la remise en état du corpus devient alors le projet lui-même ; plusieurs systèmes à interroger, dont un ERP historique sans interface exploitable ; des réponses personnalisées impliquant des données personnelles, donc authentification, cloisonnement des accès et base légale à établir ; une réponse face client, donc sources citées et jeu d'évaluation étoffé ; un bilinguisme français-darija réellement évalué ; enfin une contrainte imposant que les données ne quittent pas un périmètre défini.

Trois précisions. Cette fourchette n'est pas un devis : elle situe un ordre de grandeur et suppose un cadrage, sans lequel aucun chiffre n'a de sens. Elle couvre la conception et la mise en service, pas le coût d'usage récurrent des modèles et de l'hébergement. Enfin, un périmètre encore flou après cadrage ne se chiffre pas : il se redécoupe. Notre calculateur de coûts IA en détaille les postes.

Ce qu'il faut vérifier avant de choisir un prestataire

• Vous demande-t-il vos documents avant de parler technologie ? Le contraire est un signal d'alerte.
• Comment traite-t-il les documents contradictoires ? Sans réponse ici, il n'a pas mené de projet documentaire réel.
• Comment se connecte-t-il à votre ERP ou à votre CRM ? Exigez une réponse technique, pas une intention.
• Le système cite-t-il ses sources ? Sans citation, aucune vérification n'est possible.
• Quelle est sa méthode d'évaluation ? Une démonstration n'est pas une mesure.
• Que fait-il quand il ne sait pas ? Une escalade propre vaut mieux qu'une réponse inventée.
• Qui met à jour le corpus ensuite ? Un chatbot non entretenu se dégrade seul.

Erreurs fréquentes

Indexer tout le serveur de fichiers. Un corpus restreint et maîtrisé vaut mieux qu'un serveur entier de documents douteux, dont des procédures abrogées que le système citera avec aplomb.

Confondre documents et transactions. Attendre d'un système documentaire qu'il réponde « où est ma commande » fait échouer bien des projets : deux chantiers, deux coûts.

Donner l'écriture trop tôt. Un système qui modifie une commande ou clôture un dossier ne relève plus du chatbot mais des agents IA. Commencer en lecture seule est une méthode, pas une timidité.

Traiter la darija comme une option de configuration. Le comportement des modèles sur le dialecte varie selon le registre et le sujet : cela s'évalue sur vos vraies conversations, non sur une démonstration bien choisie.

Données personnelles et gouvernance

Dès qu'une conversation est rattachable à une personne identifiable, elle constitue une donnée à caractère personnel au sens de la loi 09-08, sous le contrôle de la CNDP. Trois questions se tranchent au cadrage : quelles données personnelles entrent dans les échanges et les documents indexés ; vers quels services et quels pays elles transitent ; combien de temps les conversations sont conservées, et qui peut les consulter.

Certains secteurs ajoutent leurs contraintes : secret bancaire dans la finance, données d'élèves parfois mineurs dans l'enseignement. Une clientèle européenne fait entrer le RGPD dans le périmètre, et la norme ISO/IEC 42001 fournit un référentiel de management des systèmes d'IA — l'objet de notre offre de gouvernance de l'IA. Digital Morocco 2030 pousse dans le même sens : numériser, mais de façon documentée.

Questions fréquentes

Quelle différence avec un chatbot classique ? Le chatbot classique restitue des réponses écrites à l'avance. Le chatbot connecté cherche l'information dans vos documents et vos systèmes à chaque question, puis rédige une réponse sourcée.

Faut-il entraîner un modèle sur nos données ? Dans la grande majorité des cas, non : lui donner accès aux bons documents suffit, et reste plus simple à tenir à jour.

Le chatbot peut-il consulter notre ERP ou notre CRM ? Oui, si le système expose une interface exploitable et si l'identité de l'utilisateur est propagée pour appliquer ses droits.

Peut-il répondre en darija ? Les modèles récents traitent le dialecte marocain avec des résultats variables selon le sujet et le registre : à évaluer sur vos échanges, jamais à supposer acquis.

Nos données quittent-elles l'entreprise ? Cela dépend de l'architecture. Un déploiement dans un périmètre maîtrisé est possible quand la sensibilité l'impose, et change l'ordre de grandeur.

Comment sait-on que les réponses sont fiables ? Par un jeu d'évaluation : questions réelles, réponses attendues, sources, mesuré avant chaque mise en service.

La fourchette de 15 000 à 100 000 DH est-elle un devis ? Non, c'est un ordre de grandeur indicatif. Un chiffrage réel suppose un cadrage : périmètre de questions, inventaire des sources, état des accès.

Par où commencer

La première décision n'est pas technique. Réunissez les questions réellement reçues par vos équipes, puis notez en face de chacune où se trouve la réponse : dans un document, dans un système, ou nulle part. Cet exercice révèle vite si le sujet relève du documentaire, du transactionnel, ou d'abord d'une mise en ordre.

C'est le point de départ d'un cadrage. Hunter BI est membre des réseaux partenaires OpenAI et Anthropic et travaille depuis Casablanca sur ce type de périmètre. Parlons de votre projet : nous examinons vos questions et l'état de vos sources, puis nous vous disons ce qui mérite d'être fait — y compris quand la réponse est « pas encore ».