Blog/Mobilier de France : −65 % d'appels SAV grâce à notre bot — retour d'expérience
Produit

Mobilier de France : −65 % d'appels SAV grâce à notre bot — retour d'expérience

Comment nous avons déployé le SAV-Bot Mobilier de France en 14 jours. Ticketing P0-P3, upload photo, multilingue FR/EN/AR/IT/DE : chiffres réels et leçons de déploiement.

Équipe H'appi
3 avril 2026
8 min de lecture

Le problème : un SAV débordé par des demandes répétitives

Mobilier de France recevait des centaines d'appels et emails par semaine pour des questions récurrentes : statut de livraison, délai de retour, défaut visible sur un meuble reçu. La plupart de ces demandes n'avaient pas besoin d'un agent humain — elles avaient besoin d'une réponse rapide et d'un suivi structuré.

Ce qu'on a construit : le SAV-Bot Mobilier de France

Le bot combine plusieurs briques pensées spécifiquement pour le secteur meuble :

  • Dialogue multilingue : français, anglais, arabe, italien, allemand — critique pour une enseigne avec une clientèle internationale
  • Recommandations produits intelligentes basées sur le catalogue et l'historique client
  • Upload photo + analyse des défauts visuels : le client prend une photo du meuble endommagé, le bot pré-qualifie la nature du problème
  • Support vocal : reconnaissance et synthèse vocale pour les clients qui préfèrent parler plutôt qu'écrire

Le système de priorité qui change tout

Chaque ticket généré par le bot est automatiquement classé selon 4 niveaux de priorité, avec un délai de traitement associé :

  • P0 — Urgence (sécurité, défaut grave) : notification immédiate à l'équipe
  • P1 — Haute priorité (produit inutilisable) : traitement sous 4h
  • P2 — Normale (problème fonctionnel) : traitement sous 24h
  • P3 — Basse (cosmétique, information) : traitement sous 72h

Ce classement automatique évite qu'un défaut de sécurité mineur en apparence attende son tour derrière dix questions génériques sur les délais de livraison.

Les chiffres du déploiement

Le bot tourne sur une stack FastAPI + React + PostgreSQL + Redis, conteneurisée et déployée sur Railway. Côté qualité, le projet est couvert par plus de 351 tests automatisés (62 % de couverture backend, 53 % frontend) avec un pipeline CI/CD complet — pas de déploiement à l'aveugle.

Résultat mesuré après mise en production : −65 % d'appels SAV entrants, la majorité des demandes de statut et de retour étant désormais traitées directement par le bot.

Ce qu'on retient

Trois leçons qu'on réapplique sur chaque nouveau projet SAV depuis ce déploiement :

  • Un système de priorité de tickets n'est pas optionnel — sans lui, tout finit par ressembler à une urgence
  • Les clients SAV veulent montrer, pas seulement décrire : l'upload photo réduit drastiquement les allers-retours de clarification
  • Le multilingue n'est pas un nice-to-have en France — c'est souvent la première barrière à la résolution du premier contact

Vous gérez un SAV avec un volume similaire ? Discutons de votre situation — on vous dira honnêtement si un bot est pertinent pour vous.

Mobilier de France : −65 % d'appels SAV grâce à notre bot — retour d'expérience — H'appi Blog | H'appi