AI Showreel l'analyse niveau grand cabinet, pour tout le monde
← La base
Preuve B Vivant confirmé

ADT

agent client genAI

IndustrieAutreLevierRétentionFamilleConversationImplémentationPlateforme martechÉtapepost-achat
Pattern prouvé dans 10 industries encore vierge en Retail & e-commerce, CPG & D2C, Tech & SaaS +3 Voir la carte du pattern
~2 millions
Demandes de care traitees par mois
"two million care requests" S1

ADT, geant americain de la securite domestique, a deploye fin 2024 un agent IA construit sur Sierra pour traiter le depannage et les questions de compte, sur un volume d'environ 2 millions de demandes de care par mois, avec garde-fous serres et revue humaine.

L'essentiel

  • Agent client IA sur le centre d'aide (depannage, mot de passe, EasyPay).
  • Construit sur la plateforme Sierra, avec garde-fous et escalade humaine.
  • Contexte d'environ 2 millions de demandes de care par mois.
  • Preuve B, statut vivant confirme.

Objectif

Absorber une part des 2 millions de demandes de service par mois avec un agent IA fiable, sans degrader la qualite sur un secteur ou une mauvaise classification a des consequences reelles.

Le déploiement

ADT, l'un des plus gros acteurs americains de la securite domestique, a deploye fin 2024 un agent IA construit sur la plateforme Sierra (societe de Bret Taylor). L'agent traite des questions du centre d'aide : depannage (par exemple pourquoi une centrale bipe), reinitialisation de mot de passe, inscription au prelevement EasyPay. ADT gere environ 2 millions de demandes de care par mois. Les capacites annoncees en extension couvrent le paiement, la reprogrammation d'intervention et la commande de pancartes ou de piles. L'agent tourne avec des garde-fous serres et une revue humaine, parce qu'une erreur de classification d'intention sur un client securite a un cout reel.

Résultats Preuve B

~2 millions
Demandes de care traitees par mois
"two million care requests" S1
depannage, compte et facturation, extension vers paiement et rendez-vous
Perimetre fonctionnel
"from troubleshooting inquiries to account and billing questions" S1

Etude de cas de la plateforme Sierra (source officielle interessee) recoupee par la presse specialisee qui a couvert le partenariat en novembre 2024 ; pas de metrique de deviation publiee, d'ou un niveau B plutot que superieur.

Comment ça fonctionne

Approche-type inférée

Le détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.

escalade intention a risque Client ADT Centre d'aide / chat Agent IA Sierra Systeme compte /facturation Conseiller ADT (escalade)

La stack en détail

  • plateforme Sierra Plateforme d'agents IA pour le service client sur laquelle l'agent ADT est construit : workflows, garde-fous et regles d'escalade.
  • llm LLM orchestres par Sierra Modeles de langage geres par la plateforme ; ni ADT ni Sierra ne publient les modeles exacts utilises.
  • outil Classification d'intention et escalade Brique qui distingue les demandes traitables (depannage, mot de passe, EasyPay) des cas sensibles a router vers un conseiller humain.
  • infra Connexion aux systemes compte et facturation ADT Acces au compte client (EasyPay, statut, facturation) pour traiter les demandes transactionnelles.

Comment ça tourne, concrètement

Pour les équipes ops
CadenceTemps reel, avec revue humaine dense sur les intentions a risque et iterations regulieres sur les workflows.
Opéré parEquipe experience client d'ADT, en co-construction avec les ingenieurs Sierra qui embarquent sur les workflows.
  1. 1
    Definition des intentions et garde-fous equipe experience client

    Cartographier les demandes traitables (depannage, mot de passe, EasyPay) et poser des limites strictes sur ce que l'agent n'a pas le droit de faire seul.

  2. 2
    Construction de l'agent agence

    Cabler les workflows, les connexions au compte client et les regles d'escalade sur la plateforme Sierra.

  3. 3
    Traitement des demandes IA

    L'agent repond au depannage et aux questions de compte, oriente vers un humain les cas sensibles.

  4. 4
    Revue et extension equipe experience client

    Surveiller les conversations, corriger les erreurs, ouvrir progressivement de nouvelles capacites (paiement, rendez-vous).

Le signal qui pilote

La justesse de la classification d'intention. Sur un client securite, confondre une urgence avec une question de facturation a un cout reel, donc l'escalade humaine est cablee des le moindre doute.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Les consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.

64%
Consommateurs qui prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (2024)
53%
Consommateurs qui envisageraient de passer a un concurrent s'ils apprenaient que l'entreprise prevoit d'utiliser l'IA pour le service client (2024)
pres de 75%
Consommateurs qui veulent savoir s'ils communiquent avec un agent IA (2024)

Conditions d'acceptation

  • Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
  • Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
  • Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)

Lignes rouges

  • Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
  • Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)

Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025

Voir l'acceptation complète : par pays, par usage, par génération

Comment répliquer

Inférence - non sourcé

Prérequis data

  • base de connaissances du centre d'aide
  • acces compte et facturation en lecture
  • historique de tickets par intention

Prérequis orga

  • equipe support qui supervise l'agent
  • regles d'escalade sur les cas sensibles
  • processus de revue des conversations

Stack possible

  • Sierra
  • Decagon
  • Intercom Fin
  • LLM + orchestrateur maison
Équipe pour opérer1 responsable experience client + 1 dev integration (API compte et facturation) + des superviseurs support pour la revue des conversations, avec l'appui des ingenieurs du vendor

Le plan, étape par étape

  1. Étape 1
    Cartographier les intentions du support, choisir un lot a faible risque (mot de passe, statut de compte) et ecrire la ligne rouge des cas a escalader d'office.Livrable : Carte des intentions + regles d'escalade validees
  2. Étape 2
    Construire l'agent sur la plateforme : workflows, connexion au compte client en lecture, garde-fous.Livrable : Agent fonctionnel en environnement de test
  3. Étape 3
    Ouvrir un pilote sur une part du trafic avec revue systematique des conversations.Livrable : Rapport de pilote : taux de resolution, erreurs de classification d'intention
  4. Étape 4
    Elargir progressivement le perimetre (paiement, rendez-vous) et installer la revue hebdomadaire des conversations.Livrable : Agent en production sur le lot d'intentions, tableau de bord de deviation du volume

Première étape : Choisir les intentions sans risque (mot de passe, statut de compte) pour un pilote, et definir la ligne rouge des intentions a escalader d'office.

Sources

  1. S1 How ADT deploys a Sierra AI agent to make every second count Officiel intéressé sierra.ai · 2024-11 · consulté le 2026-07-11 archive à générer
  2. S2 ADT Partners with Sierra for Better AI Customer Support Secondaire analyticsindiamag.com · 2024-11 · consulté le 2026-07-11 archive à générer
  3. S3 Inside OpenAI Chairman's $10 Billion AI Customer Service Startup Sierra Presse établie forbes.com · 2025-11-05 · consulté le 2026-07-11 archive à générer