Les historiques de chat du service client s’empillent comme des montagnes : si tu veux savoir ce que les utilisateurs insultent vraiment, ce qu’ils complimentent, et à quelle étape ils restent bloqués, le faire à la main peut te faire douter de ta vie. Ma méthode de flemmard, c’est de découper « l’analyse de conversation » en petites tâches, version KISS, de répartir le boulot entre ChatGPT, Claude et Gemini, puis de laisser Midjourney mettre ça en images de façon présentable.
D’abord, découpe les dialogues par sujet, sinon plus tu analyses, plus ça devient le bazar
Ne balance pas tout d’un coup dans le modèle : tu risques d’obtenir une pile de synthèses « très sensées mais inutiles ». Adopte la logique multi-conversations / multi-sujets : regroupe les échanges par thèmes comme commande, remboursement, connexion, facture ; puis fais un nettoyage minimal : supprime les infos sensibles (numéros de téléphone, adresses, numéros de commande, etc.). Sur la confidentialité, ne joue pas à pile ou face.
ChatGPT est adapté aux étiquettes standardisées et à la définition des KPI
Je fais produire à ChatGPT des champs unifiés : intention, émotion, résolu ou non, points de friction en temps, action recommandée. Son point fort, c’est qu’il « rend un devoir au bon format » de façon très fiable ; c’est idéal pour des grilles de contrôle qualité et des définitions de tableau de bord.
Claude lit mieux les longues conversations, idéal pour creuser la cause racine
Quand tu tombes sur un cas tordu qui a traîné pendant 30 allers-retours, Claude est plus agréable à lire : il sait clarifier la demande réelle de l’utilisateur, les déclencheurs, et les problèmes de script. Petite pique : parfois, on dirait qu’il fait plus chef que le chef.
