.svg)
Depuis 16 ans, IT Systèmes fait de l'infogérance. Tous les jours, nos techniciens traitent des tickets de support pour nos clients. Et tous les jours, on voyait passer les mêmes questions : mots de passe oubliés, VPN qui rame, Outlook qui ne synchronise plus, droits d'accès à débloquer.
En 2025, on a décidé d'arrêter. Pas d'arrêter de répondre mais d'arrêter de répondre nous-mêmes à ce qu'une machine bien construite peut traiter en quelques secondes. On a construit Helpy. On l'a mis sur nos propres tickets pendant des mois avant de le proposer à nos clients.
Voici ce qui s'est passé. Les chiffres, les erreurs, les apprentissages.
1. Ce qu'on voyait, mois après mois, dans notre propre infogérance
Avant Helpy, notre équipe d'infogérance traitait plusieurs milliers de ticket par mois pour l'ensemble de nos clients. La répartition était assez classique pour ce type d'activité :
- 60 à 70 % de tickets de niveau 1 : questions répétitives, résolution courte, faible valeur ajoutée pour le technicien
- 20 à 25 % de niveau 2 : incidents nécessitant un diagnostic
- 10 à 15 % de niveau 3 : sujets critiques, expertise pointue, accompagnement projet
Le problème n'était pas le volume. Le problème, c'était que nos techniciens, qu'on recrute pour leur expertise, passaient l'essentiel de leur journée sur du répétitif.
On savait qu'il fallait faire quelque chose. La question était : quoi, et comment.
2. Pourquoi on a décidé de construire notre propre agent
On avait plusieurs options sur la table. On a choisi de construire un agent IA spécifiquement conçu pour notre métier. Plusieurs raisons à ce choix, pas une seule.
Notre base de connaissances avait 16 ans de profondeur
Quand on fait de l'infogérance depuis 2010, on a accumulé une matière unique : des dizaines de milliers de tickets résolus, des procédures rodées, des connecteurs ITSM construits pour des contextes très variés. On ne voulait pas démarrer d'une page blanche. On voulait que notre agent s'appuie sur cette matière.
On gère plusieurs ITSM en parallèle, pas un seul
Selon les clients, on travaille sur GLPI, ServiceNow, Freshdesk, Jira, parfois des solutions internes. On avait besoin d'un agent capable de parler à tout ça nativement, pas via un connecteur générique qui marche à 80 %.
Une partie de nos clients ont des exigences de souveraineté
Santé, secteur public, secteur réglementé : pour certains de nos clients, l'hébergement France et la non-utilisation des données pour l'entraînement de modèles tiers ne sont pas négociables. On voulait pouvoir adresser ces contextes sans concession.
On voulait garder la propriété de la stack
Code, prompts, base de connaissances, droits : on voulait que tout reste chez nous. Et que tout reste chez nos clients quand on déploie chez eux. Pas de verrouillage déguisé, pas de dépendance à un acteur tiers sur notre cœur de métier.
À noter
Construire un agent IA n'est pas toujours la bonne réponse. Pour beaucoup de PME avec un helpdesk simple et un Microsoft 365 déjà déployé, une solution standard fait très bien le travail. C'est ce qu'on recommande quand le contexte s'y prête (on en parle dans notre cas d'usage helpdesk avec Microsoft Copilot Studio).
Dans notre cas, le contexte demandait un agent sur-mesure. Helpy est né de cette analyse.
3. Ce qu'on a construit : Helpy en trois briques
L'architecture de Helpy repose sur trois briques qui travaillent ensemble : comprendre, raisonner, agir. C'est le principe de tout agent IA métier sérieux.
Comprendre : RAG sur notre matière historique
La première brique, c'est la capacité à comprendre la demande utilisateur et à aller chercher la bonne information. On a indexé notre base de connaissances dans une base vectorielle : procédures internes, tickets résolus historiques, documentation par client, FAQ utilisateurs.
Quand un utilisateur pose une question dans Teams, Helpy ne se contente pas de chercher des mots-clés. Il interroge sémantiquement la base pour identifier les contextes similaires déjà traités.
Raisonner : un LLM cadré, choisi selon le contexte
La deuxième brique combine la demande de l'utilisateur, le contexte récupéré par la première brique, et les règles métier propres au client. Le modèle utilisé varie selon les exigences du contexte : modèle public pour la majorité des cas, modèle dédié pour les données sensibles, modèle on-premise pour les contextes les plus critiques.
Le raisonnement de Helpy est borné par des règles métier explicites. Il ne décide jamais seul d'une action sensible. Il propose, et l'humain valide quand c'est nécessaire.
Agir : orchestration via API, MCP et workflows
La troisième brique exécute. Helpy ne se contente pas de répondre par texte. Il ouvre un ticket dans l'ITSM, vérifie un droit d'accès dans l'Active Directory, déclenche un workflow de reset password avec vérification d'identité, ou escalade au bon technicien avec tout le contexte déjà collecté.
Cette troisième brique est ce qui différencie un vrai agent métier d'un simple chatbot. C'est aussi la plus exigeante techniquement, parce qu'elle suppose de connecter proprement des outils qui n'ont pas été conçus pour se parler entre eux.
4. Les pièges qu'on rencontre sur les projets d'agents IA (et comment on les évite)
Au-delà de notre cas, il existe un répertoire d'erreurs assez stable qu'on retrouve dans la grande majorité des projets d'agents IA, qu'ils soient menés en interne ou avec un prestataire. Certaines, on les a faites nous-mêmes avec Helpy. D'autres, on les a vues chez nos clients qui avaient déjà tenté l'aventure avant nous. Toutes méritent d'être listées ici, parce que c'est ce qui sépare un projet qui livre en 12 semaines d'un projet qui s'enlise pendant 18 mois.
Vouloir tout couvrir d'un coup
C'est l'erreur la plus fréquente. On liste 50 cas d'usage, on veut que l'agent les traite tous, et on se retrouve avec une qualité moyenne partout et zéro confiance des utilisateurs. La règle qui marche : commencer par les 10-15 cas qui représentent la majorité du volume, atteindre 95 % de qualité dessus, puis étendre. Mieux vaut être excellent sur peu que moyen sur beaucoup.
Sous-estimer la qualité de la base de connaissances
L'IA n'invente pas la qualité. Elle révèle la qualité ou son absence de vos données. Une base hétérogène, contradictoire ou obsolète produit des réponses fausses, et on accuse alors le modèle. C'est rarement le modèle le coupable. La règle qui marche : auditer et structurer la base avant d'écrire la première ligne de code. Trois semaines de nettoyage en amont valent six mois de correctifs en aval.
Sauter l'étape « human in the loop » sur les actions sensibles
Un agent qui se contente de répondre, c'est sans risque. Un agent qui agit (reset de mot de passe, modification de droits, déblocage d'accès, envoi de devis, mise à jour CRM) peut faire des erreurs à impact. La règle qui marche : sur toute action sensible, l'agent propose, l'humain valide d'un clic. Le gain de temps reste massif, la responsabilité reste humaine.
Lancer un POC sans plan de production
C'est l'erreur qui tue le plus de projets IA. On lance un proof of concept brillant en six semaines, tout le monde est content, et puis personne ne sait comment ça passe en production. Six mois plus tard, le POC est mort. La règle qui marche : définir dès le cadrage les conditions de mise en production — qui supervise, qui maintient, qui paie, comment ça s'intègre au SI réel. Pas de POC sans plan de prod.
Confondre les trois niveaux de projets IA
Tous les projets IA ne se valent pas. Il y a les outils prêts à l'emploi (Type 1, type Copilot M365), les agents métier ciblés (Type 2, comme Helpy), et les projets structurants longs (Type 3, type refonte SI data). Prendre un Type 3 quand un Type 2 suffit coûte plusieurs centaines de milliers d'euros et des mois inutiles. Prendre un Type 1 quand on a besoin d'un Type 2 produit un résultat décevant qui décrédibilise l'IA en interne. La règle qui marche : commencer le cadrage par la question « quel est le moins ambitieux qui résout votre problème ? ».
Oublier la conduite du changement avec les équipes
Un agent IA qu'on parachute sans expliquer aux équipes ce que ça change pour elles est voué à la résistance. Les techniciens, les commerciaux, les comptables ne sont pas contre l'IA en principe. Ils sont contre l'idée d'être remplacés sans en avoir parlé. La règle qui marche : embarquer les équipes dès le cadrage, les impliquer dans la construction de la base de connaissances (c'est leur expertise qu'on capture), et valoriser le glissement vers les tâches à plus forte valeur — par la formation, l'évolution de poste, parfois la revalorisation salariale.
Mesurer trop tard
Pendant les premiers mois, on « sent » que l'agent commence à marcher, mais on est incapable de le prouver avec des chiffres. Quand le COMEX demande un bilan, on passe une semaine à reconstruire la donnée. La règle qui marche : définir le dashboard et les cinq indicateurs clés (taux d'auto-résolution, satisfaction utilisateur, délai moyen, taux d'escalade, qualité mesurée par sondage) pendant la phase de cadrage. Pas après. Sans mesure dès le jour 1, pas de défense possible en COMEX, et pas d'amélioration continue.
Penser que l'IA est magique, sans humain derrière
C'est le contre-pied du human in the loop, et c'est aussi répandu. On déploie un agent et on coupe la supervision, en se disant que le modèle se débrouillera. Au bout de quelques semaines, la qualité dérive, des cas non prévus apparaissent, et personne ne le remarque. La règle qui marche : un agent IA en production a besoin d'un superviseur humain qui regarde les logs, traite les exceptions, enrichit la base. Ce n'est pas une option, c'est un poste.
Lancer le projet en top-down sans écouter le terrain
Le projet IA pensé par le COMEX déconnecté des irritants réels des équipes est un classique. On automatise des process qui n'avaient pas besoin d'être automatisés, on rate les vrais sujets, et les équipes regardent le projet de loin. La règle qui marche : commencer par les irritants exprimés par les équipes, pas par une vision PowerPoint. La meilleure idée de cas d'usage vient quasi toujours du terrain.
Sous-estimer l'intégration au SI
C'est le piège technique le plus coûteux. On voit régulièrement des agents IA qui marchent très bien en isolé, mais qui mettent six mois à être branchés au CRM, à l'ITSM, à l'AD ou au logiciel comptable, parce que l'intégration a été pensée en dernier. La règle qui marche : un agent IA n'a de valeur que branché au SI. L'intégration doit être pensée dès le cadrage, conçue par des développeurs seniors, et industrialisée. Pas de Make bricolé.
Sur ces dix pièges, on en a évité certains parce qu'on est dans le métier depuis 16 ans. D'autres, on a appris à les éviter à nos dépens en construisant Helpy en interne. C'est précisément ce retour d'expérience qu'on transpose aujourd'hui chez nos clients : on commence par identifier lesquels de ces pièges sont les plus probables dans leur contexte, et on les désamorce dès le cadrage.
5. Les chiffres réels, douze mois après le déploiement
Voici ce que Helpy a permis sur nos propres opérations, après douze mois d'itérations.
Les résultats Helpy en interne IT Systèmes
80 % des tickets N1 résolus en autonomie par Helpy
5 minutes de délai moyen de résolution (contre 4 heures auparavant)
24/7 de disponibilité, y compris nuit et week-end
+30 points de NPS sur la satisfaction utilisateurs
Ce que ça a changé pour l'équipe
Nos techniciens ont été réaffectés à des tâches N2/N3 à plus forte valeur. La charge N1 résiduelle traitée par des humains est devenue stimulante (les cas où Helpy escalade sont par construction les cas complexes ou sensibles, pas les mots de passe oubliés).
Le turn-over sur les postes de support a baissé. La satisfaction interne aussi.
Ce que ça a changé pour les utilisateurs
Côté utilisateurs (nos propres collaborateurs en interne, et progressivement ceux de nos clients), le changement le plus visible est le délai. Une question Outlook posée à 22h, c'est une réponse à 22h.
La satisfaction utilisateur a fait un bond visible, mesuré par sondage post-interaction et par évolution du NPS support.
6. Le tarif Helpy : 9 €/utilisateur/mois, tout inclus
On a fait l'effort de calculer le coût tout compris sur 24 mois, en incluant notre temps interne. C'est ce qui nous a permis de fixer le prix de Helpy à 9 €/utilisateur/mois pour nos clients, en sachant qu'on est rentable et que le client est gagnant. Pas de marge cachée, pas de surprise au renouvellement.
Ce que comprend le tarif Helpy à 9 €/utilisateur/mois
- L'agent Helpy lui-même, paramétré pour votre contexte
- L'hébergement (France ou on-premise selon vos exigences)
- L'intégration à votre ITSM et à vos outils métier
- L'enrichissement continu de la base de connaissances
- La supervision et le monitoring par notre équipe
- L'évolution des prompts et des règles métier
Ce qui n'est pas inclus : vos licences Microsoft 365 (si pas déjà en place) et le forfait de setup initial (4 à 8 semaines selon votre périmètre).
7. Ce qui est transposable chez vous (et ce qui ne l'est pas)
Notre retour d'expérience n'est utile que si vous pouvez vous en servir. Voici honnêtement ce que vous pouvez répliquer, et ce qui est spécifique à IT Systèmes.
8. Ce qu'on construit après Helpy
Helpy n'est que le premier agent qu'on a construit pour nous-mêmes. D'autres vont suivre.
L'idée est devenue une démarche permanente : avant de proposer un agent IA à nos clients, on le teste sur nous. On le casse, on l'améliore, on l'éprouve. Quand on arrive chez un client, on ne pitche pas une idée. On raconte une expérience.
Dans les semaines qui viennent, on partagera ici les retours d'expérience sur ces autres agents. Chaque épisode racontera un cas réel, les pièges rencontrés, les chiffres obtenus. Sans fard.
9. Helpy est fait pour vous si…
Helpy n'est pas une solution universelle. On préfère le dire avant. Voici les contextes où Helpy est le bon choix, et ceux où une solution plus légère suffira largement.
Si vous êtes dans la colonne de droite, ce n'est pas un problème. Notre cas d'usage helpdesk avec Microsoft Copilot Studio est probablement plus adapté à votre contexte. On vous oriente vers la bonne option, pas vers la plus chère.
10. La prochaine étape, si vous voulez aller plus loin
Si après cette lecture, vous vous demandez si Helpy peut faire chez vous ce qu'il a fait chez nous, voici ce qu'on propose.
Trente minutes en visio. On regarde ensemble vos dix tickets N1 les plus fréquents, on vous dit lesquels sont automatisables dès aujourd'hui, et on vous chiffre l'opération. Pas de devis-fleuve, pas de pitch produit. Une recommandation gratuite, sans engagement, et utile même si vous ne travaillez pas avec nous.
À propos de cet article
Article rédigé par Samir Amara, Président d'IT Systèmes, à partir du retour d'expérience direct de notre équipe d'infogérance sur le déploiement de Helpy en interne.
Pour échanger directement avec moi : s.amara@it-systemes.fr
IT Systèmes — ESN française fondée en 2010, 50 collaborateurs, 4 sites (Paris, Lyon, Bordeaux, Annecy). Certifié ISO 27001, Microsoft Solutions Partner, conformité AI Act, agrément CIR.
.svg)