Service client
ISCO-08 4222, 4225Conseiller clientèle, Téléconseiller, Superviseur de plateau, Chargé de réclamations, Responsable service client, Gestionnaire back-office client
De quoi le métier est fait
Les grandes activités de la famille, la part du temps de travail que chacune représente, et la part de ce temps que l'IA générative peut automatiser.
- Traitement des demandes simples30% du temps de travail75% d'exposition
Chatbots et agents vocaux traitent de bout en bout suivi de commande, changement d'adresse et informations contrat.
- Réponses écrites par mail et chat20% du temps de travail70% d'exposition
Les réponses sont proposées à partir de la base de connaissances et du dossier client, le conseiller valide et envoie.
- Saisie et compte rendu dans le CRM10% du temps de travail80% d'exposition
Les appels sont transcrits, résumés et enregistrés dans le CRM automatiquement.
- Réclamations et cas complexes25% du temps de travail30% d'exposition
L'IA rassemble l'historique et propose des options, décider d'un geste commercial ou d'une exception reste au conseiller.
- Gestion des situations tendues et fidélisation10% du temps de travail15% d'exposition
Apaiser un client en colère ou retenir un client qui veut partir reste une compétence humaine.
- Supervision et qualité5% du temps de travail40% d'exposition
La notation qualité des appels et le suivi des plannings sont automatisés, le coaching de l'équipe ne l'est pas.
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Traitement des cas complexes et sensibles
- Désamorçage des réclamations et appels de rétention
- Reprise des échanges initiés par un chatbot
- Repérage et signalement des réponses erronées du bot
Se déprécient
- Réponses aux demandes d'information simples
- Rédaction de réponses types par e-mail
- Saisie et synthèse des appels
- Recherche dans la base de connaissances
Les transformations attendues
Le service client est l'une des fonctions où l'IA est déjà en production. Chatbots et agents vocaux traitent les demandes simples, comme le suivi de commande, le changement d'adresse ou une information sur le contrat. Pour les conseillers, des assistants proposent des réponses, résument les appels et renseignent le CRM. Chaque conseiller traite plus de contacts, et une part croissante des demandes simples n'arrive plus jamais à un humain.
Les appels qui restent sont plus difficiles : réclamations, litiges, clients en difficulté, cas que le bot n'a pas su résoudre. Le métier demande plus d'expérience et de solidité émotionnelle qu'avant, et les superviseurs doivent piloter ensemble conseillers et bots. Le bon conseiller de demain règle le cas compliqué dès le premier contact, retient un client mécontent et signale quand les réponses automatiques dérapent.
- 2026-2027
- Assistants pour résumer et répondre, bots sur les demandes simples.
- 2028-2030
- Agents vocaux et écrits règlent de bout en bout la plupart des demandes courantes.
- 2031+
- Des équipes réduites de conseillers expérimentés sur les cas complexes et sensibles.
Le turnover naturel facilite la baisse des effectifs et pousse à automatiser trop loin. Les appels restants sont plus durs : il faut surveiller l'usure des conseillers et la qualité de service à mesure que les demandes simples disparaissent. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI