How to : déployer un agent IA en production en 4 mois pour Lacoste

Benoît Dugelay accompagne les grandes organisations dans la conception et le déploiement de plateformes agentiques à l’échelle. Il pilote chez Converteo les projets d’intelligence artificielle conversationnelle et agentique pour le retail, le e-commerce et les services.

À retenir

• Du chatbot déterministe à l’agent conversationnel : Lacoste est passé d’un chatbot limité au service après-vente à une plateforme agentique capable de gérer l’ensemble du parcours client — de la FAQ à l’escalade — en incarnant la voix de la marque.
• Quatre mois de bout en bout : Deux mois de conception, deux mois de développement et de tests. Un produit industriel, intégré à Salesforce Commerce Cloud, Service Cloud et Manhattan Associates, en production sur lacoste.us.
• Le Product Builder comme clé de voûte : Ce profil hybride — entre vision métier et exécution technique — a permis de dé-risquer le projet en continu, de prototyper vite et de valider avant de construire.
• Des résultats dès le lancement : Satisfaction consommateur au-dessus de 4/5 dès les premiers jours, trajectoire de réduction des escalades à -30 %, traitement des situations complexes en moins de huit minutes côté conseillers.

Depuis deux ans, les organisations accumulent les expérimentations en intelligence artificielle sans franchir le pas de l’industrialisation. Lacoste vient d’apporter une réponse concrète à cette question : comment passer du prototype au produit en production, vite et bien ? Retour sur un projet mené en quatre mois, de la vision au déploiement.

La vision : un conseiller digital à l’image de la boutique

Tout part d’un constat simple mais exigeant. Quand un client entre dans une boutique Lacoste à Paris ou à Monaco, il est accueilli avec un ton, une posture, une volonté de le faire découvrir les codes de la marque — et idéalement, une capacité à personnaliser la relation selon son profil. Un adolescent streetwear n’est pas adressé de la même façon qu’un client cherchant un cadeau pour un proche.

Sur lacoste.us, rien de tout cela n’existait. Le chatbot précédent, purement déterministe, se limitait au service après-vente, incapable de couvrir la découverte produit, la recommandation ou l’accompagnement à l’achat. Le gap entre l’expérience en boutique et l’expérience numérique était flagrant.

La vision formulée par les équipes Lacoste était donc claire : déployer un conseiller digital capable de reproduire, à l’échelle et en langage naturel, ce que le meilleur vendeur fait en magasin. Recommandation personnalisée, découverte du catalogue, gestion des demandes post-achat, et tout ça dans le respect des codes de marque, jusque dans les formulations d’escalade vers un conseiller humain.

Quatre mois pour industrialiser l’IA : mission impossible ?

Le projet a démarré en novembre, avec une contrainte forte : le chatbot existant sur le marché américain devait être remplacé en février-mars. Deux mois de conception, deux mois de développement et de tests. C’est le délai dans lequel Converteo, en partenariat avec Google, a livré une plateforme agentique complète en production.

Ce qui a rendu ce calendrier tenable, c’est la combinaison de trois facteurs.

Une solution avec des composants préconstruits. Gemini Enterprise for CX de Google embarque des agents préconfigurés et des briques d’expérience client déjà disponibles. Cela a permis à l’équipe Converteo de se concentrer sur la personnalisation, l’intégration métier et le tone of voice, plutôt que de repartir de zéro sur l’infrastructure.

Une intégration native dans le stack existant. L’agent a été connecté à Salesforce Commerce Cloud pour la partie catalogue et e-commerce, à Salesforce Service Cloud pour la gestion des tickets et l’escalade vers les conseillers, et à Manhattan Associates pour le suivi des commandes et la logistique. Autant d’intégrations critiques réalisées dans le délai.

Une équipe intégrée, pas en silo. Les équipes Converteo ont travaillé directement dans les locaux de Lacoste, au sein de la Digital Factory de la marque. Pas de handoff, pas de tickets inter-équipes : une squad agile partagée, avec un engagement commun sur les KPIs.

Les agents experts : une architecture orchestrée

L’architecture déployée repose sur un agent orchestrateur central, qui route chaque requête vers l’agent expert le plus adapté selon l’intention détectée et le niveau de criticité de la demande.

• L’agent knowledge répond aux questions fréquentes — conditions générales de vente, politique de retour, questions d’avant-vente — à partir d’une base de FAQ enrichie et entraînée. Il couvre une grande partie du flux entrant sans intervention humaine.
• L’agent order tracking prend en charge toutes les demandes liées à la livraison : suivi de colis, demandes d’annulation, gestion des retards. Il est interfacé directement avec Manhattan Associates, l’outil OMS de Lacoste, pour remonter des informations en temps réel.
• L’agent qualité produit gère les retours liés à des défauts ou des problèmes post-lavage — un flux significatif dans le retail fashion. Son rôle est de qualifier précisément le problème et de préparer le dossier pour qu’un conseiller humain puisse le traiter rapidement, avec tout le contexte nécessaire.

C’est d’ailleurs sur ce dernier point que la notion de symétrie des attentions prend tout son sens : l’agent ne sert pas uniquement le client, il sert aussi le conseiller. Quand une escalade vers un humain est nécessaire, celui-ci récupère l’intégralité de la conversation (y compris les éventuelles photos partagées par le client) directement dans son interface Salesforce Service Cloud, sans aucune saisie supplémentaire.

Le tone of voice : quand la marque parle à travers l’agent

L’un des chantiers les plus structurants du projet a été le travail sur la voix de la marque. Lacoste dispose de guidelines précises : des mots à proscrire, un registre d’élégance à tenir, une posture d’accueil empruntée aux codes de la boutique physique.

Nourrir le modèle de langage avec ces contraintes (empathie, phrases courtes, évitement des formulations trop verboses, escalade rapide en cas de tension) a nécessité un travail fin de prompting et de fine-tuning. Ce travail est continu : l’agent apprend, les équipes ajustent. C’est précisément pour cette raison que le projet ne s’est pas arrêté à la mise en ligne.

L’agent s’appelle d’ailleurs Ask René, un clin d’œil à René Lacoste, fondateur de la maison. Une façon d’incarner la relation, même dans un dispositif automatisé.

Le product builder : le profil qui dé-risque

Les projets agentiques ne ressemblent pas aux projets numériques classiques. Ils embarquent une part d’incertitude — hallucinations possibles, qualité variable des données sources, comportements difficiles à anticiper — qui rend le cycle classique « spec → dev → test → prod » inadapté.

C’est là qu’intervient le Product Builder : un profil hybride, capable de comprendre les enjeux métiers, de prototyper rapidement avec les outils d’IA et de vibe coding, et de valider la faisabilité avant même que les équipes de développement ne commencent à construire.

Sur ce projet, le Product Builder a pris en charge le travail sur le tone of voice dès la phase de conception, en produisant des prototypes fonctionnels soumis directement aux équipes métier de Lacoste pour validation. Ce n’est qu’une fois ces prototypes validés que le développement industriel a démarré, ce qui a permis d’éviter des allers-retours coûteux en fin de projet.

Ce rôle devient structurant dans tout projet agentique : il ne s’agit pas de gérer un backlog, mais de dé-risquer en continu, à la frontière du métier et de la technique.

Premiers résultats et prochaines étapes

Quatre jours après le lancement sur le marché américain, les premiers indicateurs sont encourageants :

• Satisfaction consommateur : au-dessus de 4/5, au-delà de la cible fixée
• Taux d’escalade : en trajectoire vers -30 % par rapport au chatbot précédent
• Temps de traitement des cas complexes : inférieur à 8 minutes côté conseillers humains

Le déploiement se poursuit. Le Canada est la prochaine étape, suivi de l’Europe et de l’Amérique latine. Les équipes travaillent actuellement à adapter l’agent aux spécificités de chaque marché — transporteurs différents, offres locales, langues —, un travail qui relève davantage du test et de la validation métier que du développement pur.

La feuille de route va au-delà du care. Recommandation produit personnalisée, personal shopping conversationnel, interaction multimodale (voix, image) et omnicanalité avec les vendeurs en boutique sont les prochains chantiers identifiés. La question de la navigation, et de la place du search dans un parcours de plus en plus conversationnel, est déjà ouverte.