Aller au contenu
IA & automatisation

Chatbot sans IA générative : plus de 200 réponses fiables, zéro hallucination

Deux assistants en production, 240 et 302 fiches de réponses, aucun modèle de langage : comment fonctionne un chatbot qui ne peut pas inventer, comment on mesure honnêtement sa précision (82,8 % en première position sur des questions jamais vues) et quand il vaut mieux choisir l'IA générative.

Publié le · 13 min de lecture

Rédigé par

Un chatbot peut répondre à des questions libres sans jamais inventer : il suffit qu'il choisisse une réponse écrite et relue au lieu de la générer. Nous avons construit ainsi les assistants de deux sites en production, avec 240 et 302 fiches de réponses, une recherche lexicale locale et une escalade vers un humain sur Telegram. Mesuré sur des questions jamais vues, le meilleur des deux trouve la bonne réponse en première position dans 82,8 % des cas. Voici l'architecture, la méthode de mesure, et les limites.

Les deux sites sont présentés dans nos études de cas, IDFG et GD Guêpes. Leurs visiteurs posent des questions concrètes, souvent pressées, parfois au téléphone d'une main : combien ça coûte, est-ce dangereux, est-ce que vous venez chez moi. Une erreur sur un prix ou un conseil de sécurité y coûte cher. C'est ce qui a orienté le choix.

Pourquoi se passer d'IA générative ici

Un chatbot à modèle de langage (LLM) rédige chaque réponse. Même cantonné aux contenus de l'entreprise par un dispositif de type RAG, il garde un risque d'hallucination : un tarif arrondi, une garantie élargie, un délai promis que personne n'a validé. Il coûte aussi quelque chose à chaque message.

Pour ces deux sites, les questions possibles se comptent en centaines, pas en millions. Elles peuvent donc être écrites à l'avance, relues une fois, et servies telles quelles. Le travail ne consiste plus à empêcher un modèle de dériver, mais à retrouver la bonne fiche à partir d'une question formulée n'importe comment.

Le principe tient en une phrase : l'assistant ne rédige rien, il choisit une fiche. Il ne peut donc pas produire une phrase que personne n'a écrite. Cela ne le rend pas infaillible, et la suite de l'article mesure précisément combien il se trompe. Mais ses erreurs sont d'une autre nature : il peut répondre à côté, il ne peut pas affirmer un faux chiffre.

Une fiche : la question, ses variantes, la réponse

Chaque fiche est un bloc YAML. Un fichier par thème (identification, prix, sécurité, réglementation, conversation courante…), ce qui garde les relectures lisibles.

- id: prix-forfait
  category: prix
  priority: 1                 # départage deux fiches à égalité, ne corrige pas le classement
  questions:                  # au moins cinq formulations réelles
    - Combien coûte une intervention ?
    - vous prenez combien
    - c'est quoi le tarif pour un nid
    - prix destruction nid
    - ça revient à combien en tout
  keywords: [prix, tarif, forfait]
  answer: >
    {fact:prix.forfait} {fact:prix.forfait.conditions}.
  links:
    - { label: Nos tarifs, href: /tarifs/ }
  suggestions: [garantie-intervention]
  escalate: false             # true : proposer un rappel même après avoir répondu

Les formulations sont le cœur du système. Il en faut au moins cinq par fiche, et pas cinq phrases propres : des tournures orales, des fautes, des questions télégraphiques, comme les visiteurs les tapent. C'est ce qui fait la précision, bien plus que les réglages du moteur, comme on le verra.

Le champ answer ne contient aucun chiffre. Les prix, la durée de garantie, le numéro de téléphone ou les horaires sont des balises {fact:…}, remplacées au démarrage par les valeurs de la configuration du site, la même que celle qui alimente les pages. Un script les exporte à chaque mise à jour. Quand le tarif change sur le site, il change dans l'assistant au prochain déploiement, sans retoucher une seule fiche.

Un fait manquant désactive la fiche

C'est la propriété qui justifie le titre. Certains faits ne sont pas encore fournis par le client : une certification, une note d'avis, des horaires de service. Dans la configuration, ils restent des valeurs « à fournir ». Au démarrage, toute fiche qui cite un fait encore à fournir est désactivée. À la question correspondante, l'assistant répond qu'il ne peut pas confirmer cette information et propose d'être rappelé.

Sur l'un des deux sites, publié d'abord sans réservation en ligne, le même mécanisme a servi à fermer tout un pan de la base : 152 fiches actives sur 240, les autres parlant de paiement ou de réservation. Un filet de sécurité vérifie en plus, au chargement, qu'aucune réponse active ne contient un terme interdit dans ce mode. Si une fiche passe entre les mailles, elle est désactivée et le journal le dit.

Ce n'est pas une consigne donnée à un modèle, que celui-ci pourrait ignorer. C'est une propriété du chargement : la phrase fautive n'existe tout simplement pas dans ce que le service peut répondre.

Un contrôle de contenu qui bloque la mise en ligne

Les fiches passent par un contrôle automatique avant chaque construction de l'image. Il refuse :

  • tout chiffre écrit en dur au lieu d'une balise de fait ;
  • toute promesse de délai d'intervention ;
  • des formulations qui ont déjà dû être corrigées une fois dans des dizaines de fiches (une obligation présentée comme telle alors qu'elle n'en est pas une, une certification affirmée sans preuve) ;
  • les liens internes vers des pages qui n'existent pas ;
  • les suggestions qui renvoient vers une fiche absente.

Une exception légitime se déclare fiche par fiche, jamais en assouplissant la règle. Le contrôle tourne aussi dans la construction de l'image Docker, avec les tests : une base non conforme ne peut pas partir en production.

La recherche : BM25 sur des radicaux, plus une similarité floue

Le moteur n'utilise aucun modèle, ni génératif ni de plongement vectoriel. Deux signaux simples, combinés :

  1. BM25 sur des radicaux français. Chaque formulation est normalisée (minuscules, accents, ponctuation) puis réduite à ses radicaux avec l'algorithme Snowball : « frelons » et « frelon », « gouttières » et « gouttière » deviennent le même mot. BM25, l'algorithme classique des moteurs de recherche, sait qu'un mot rare comme « gouttière » ou « syndic » pèse plus qu'un mot présent partout comme « nid ». C'est lui qui fait l'essentiel du travail sur une question bien formulée.
  2. Une similarité floue caractère par caractère avec chaque formulation (RapidFuzz). Elle rattrape les fautes de frappe (« frelon assiatique ») et les questions très courtes, là où BM25 ne retrouve plus le radical attendu.

Deux choix de détail ont beaucoup compté.

Le score est absolu, pas relatif au meilleur candidat. Un moteur qui renvoie toujours « le moins mauvais » répond à tout, y compris à « quel film regarder ce soir ». Avec un score absolu, rien ne dépasse le seuil et l'assistant peut dire qu'il ne sait pas. Dans le même esprit, un mot absent de toute la base compte contre la correspondance : une question qui parle d'autre chose s'éloigne de toutes les fiches.

La bonne mesure floue. La première version comparait les ensembles de mots. Elle donnait 100 % dès qu'une requête courte était incluse dans une formulation : « convertir 10 euros en dollars » obtenait 0,99 sur la fiche des tarifs. La version retenue compare les deux phrases entières après tri des mots. Elle pénalise l'écart de longueur, ce qui est exactement ce qu'il faut pour pouvoir se taire.

S'y ajoute une normalisation propre au métier, construite à partir des erreurs observées : « annuler » et « déplacer » ne doivent pas se confondre, ni deux saisons différentes. Sur l'un des deux assistants, ces règles ont fait gagner 7 points de précision en première position sur le jeu de développement.

Avant le score : des règles prioritaires

Certaines questions ne doivent jamais dépendre d'un score. Elles sont traitées par des règles, avant toute recherche :

  • urgence médicale (gonflement, difficulté à respirer, gorge qui se serre) : la consigne d'appeler le 15 ou le 112 vient en premier, et une alerte part aussitôt vers l'équipe ;
  • demande d'humain : on propose le rappel, sans insister avec des fiches ;
  • espèce hors périmètre (abeilles, bourdons) : réponse dédiée, sans offre commerciale ;
  • hauteur au-delà de la limite d'intervention, lue dans la question (« au 3e étage », « à 8 mètres ») ;
  • lieu : un code postal ou un département reconnu déclenche une réponse sur la zone couverte, avec un lien vers la bonne page du site. L'assistant ne lit pas l'agenda : il ne dit jamais qu'un créneau existe ;
  • politesse et propos hors sujet.

Répondre, hésiter ou se taire

Le score final décide de la forme de la réponse :

ScoreComportement
0,62 ou plus, ou une fiche nettement détachée des suivantesréponse directe
entre 0,40 et 0,62« si je comprends bien votre question », la fiche, jusqu'à trois suggestions et une offre de rappel
sous 0,40« je n'ai pas de réponse fiable », et une offre de rappel

Ces seuils n'ont pas été choisis au jugé : ils viennent de la distribution des scores. Sur l'assistant le plus abouti, la médiane des bonnes réponses est à 0,61, et la question hors sujet la mieux notée, « horaires d'ouverture de la mairie », plafonne à 0,54. Elle tombe donc dans la zone d'hésitation, pas dans la réponse affirmée. Sur 20 questions hors sujet, une seule reçoit une réponse avec aplomb.

Mesurer honnêtement : le piège du jeu de réglage

C'est la partie la plus utile si vous évaluez un chatbot, quel qu'il soit.

Notre première mesure annonçait 89,8 % de bonnes réponses en première position. Elle portait sur un jeu de questions qui avait servi à enrichir les mots-clés des fiches. Sur un jeu réellement neuf, le même moteur tombait à 82,8 %. Sans séparation, on mesure ce qu'on a réglé.

Le protocole retenu :

  • deux jeux distincts. Le jeu de développement sert à régler et peut être inspecté. Le jeu de validation, une question par fiche tirée au sort à graine fixe, n'est jamais inspecté en détail ;
  • pour le second assistant, le jeu de validation a été écrit sans lire les formulations des fiches, à partir de leurs seuls identifiants, et mesuré une fois. Le premier jeu, inspecté pour corriger la normalisation, est devenu le jeu de développement ;
  • l'auto-cohérence (chaque formulation retrouve-t-elle sa propre fiche ?) est mesurée à part. Elle détecte les fiches qui se marchent dessus, mais ne dit rien de la qualité sur des questions neuves ;
  • un jeu de questions hors sujet, pour vérifier que l'assistant se tait.

Résultats, mesurés le 3 octobre 2026 :

MesureAssistant à 302 fichesAssistant à 240 fiches
Auto-cohérence97,7 %99,9 %
Validation, bonne fiche en 1re position82,8 % (302 questions)73,3 % (60 questions)
Validation, bonne fiche dans les 3 premières92,7 %95,0 %
Développement (réglé dessus, donc optimiste)85,4 % / 93,0 %89,3 % / 98,2 %
Hors sujet répondus avec aplomb1 sur 201 sur 20
Dialogue complet (urgences, zones, espèces…)non mesuré séparément31 sur 31

Trois précautions de lecture :

  • la taille du jeu fixe la précision. Sur 302 questions, l'écart-type d'échantillonnage vaut environ 2,1 points ; sur 60, environ 6. Deux réglages séparés par moins de quatre points ne sont pas distinguables sur le premier assistant, et le moteur n'a pas été réglé au-delà ;
  • un échec n'est pas toujours une mauvaise réponse. « Nid dans ma cabane de jardin » servi par la fiche « chalet de jardin » plutôt que « abri de jardin » est compté faux, et satisfait pourtant le visiteur. Le top-3 est plus proche du ressenti, et l'interface affiche justement jusqu'à trois suggestions ;
  • l'objectif initial n'est pas atteint. Le plan visait 90 % en première position et 97 % dans les trois premières, chiffres posés avant toute mesure. Nous publions le chiffre mesuré, pas l'objectif.

Le détail par thème est instructif : la réglementation (94 %), la sécurité (91 %) et les prix (92 %), où les questions sont précises, font mieux que la conversation courante (70 %), où « ça va ? » et « vous êtes un robot ? » se ressemblent plus qu'on ne le croit.

Ce qui améliore vraiment la précision

Les réglages du moteur ont été balayés systématiquement, sur le jeu de validation :

Levier essayéEffet mesuréDécision
Poids du champ priority ramené de 0,05 à 0,02+3,9 pointsgardé
Répartition BM25 / similarité floue (balayage de 0,4 à 0,8)0,6 / 0,4 perd le moins sur les fautes de frappegardé
Racinisation Snowball à la place d'une troncature maisonneutre, plus juste linguistiquementgardé
Mots-clés ajoutés aux fiches en échec−1,3 point : sur-apprentissageannulé
Indexation du texte des réponses en plus des questions−0,3 pointécarté

La leçon tient en une ligne : au-delà d'un moteur correct, la précision vient des formulations. Ajouter des mots-clés pour rattraper les échecs observés améliore le jeu qu'on regarde et dégrade celui qu'on ne regarde pas. Ajouter des formulations réelles, tirées des questions posées, améliore les deux.

D'où l'entretien prévu : chaque semaine en saison, on lit le journal des questions restées sans réponse. Il est tenu sans adresse IP ni identifiant de session, et les suites de chiffres y sont masquées. C'est la meilleure source de nouvelles fiches.

L'escalade : écrire d'abord, notifier ensuite

Quand l'assistant ne sait pas, il propose un rappel : prénom, téléphone, code postal, message, consentement. La demande part vers l'équipe sur Telegram.

Quatre règles, chacune née d'un cas concret :

  1. Une alerte ne part que s'il y a quelqu'un à rappeler : formulaire envoyé, ou urgence médicale (la consigne du 15 ayant déjà été donnée). Deux questions sans réponse d'affilée ne préviennent personne : sans coordonnées, il n'y a rien à faire.
  2. On écrit d'abord sur disque, on notifie ensuite. Si l'écriture échoue, le visiteur reçoit une erreur et le numéro de téléphone, jamais « c'est envoyé ». Si Telegram échoue, la demande reste en attente et une boucle la retente chaque minute ; le point de santé du service expose le nombre de demandes en souffrance.
  3. Anti-abus : débit limité par adresse IP, nombre d'alertes plafonné par numéro et par jour, doublons ignorés.
  4. Durée de conservation fixée et purge automatique des demandes.

L'intégration au site

  • Même origine. Le navigateur ne parle jamais au service de l'assistant : tout passe par des routes /api/chat/ du site. La politique de sécurité du contenu reste stricte, aucun port n'est ouvert et rien ne change dans le proxy.
  • Le site ne dépend pas de l'assistant. Service arrêté ou absent : les routes répondent 503 et le widget affiche le numéro de téléphone. Une panne de l'assistant ne fait pas tomber le site.
  • Léger. Le service Python (FastAPI) occupe environ 62 Mo de mémoire vive, avec une limite fixée à 128 Mo. Le widget ne charge qu'une petite amorce avec la page, le reste à l'ouverture, ce qui préserve les performances mesurées dans notre article sur le 100/100 PageSpeed avec Next.js.
  • Les tests tournent dans la construction de l'image : plus de 130 tests sur le premier assistant, plus de 200 sur le second, avec le contrôle de contenu.

Sur le deuxième site, nous avons repris la même architecture, mais pas le contenu : chaque base est écrite pour son site, et un contrôle vérifie qu'aucune réponse ne partage une séquence de huit mots avec une base existante.

Quand choisir l'IA générative à la place

Ce modèle convient quand le domaine est délimité, que les réponses doivent être exactes à la virgule et que le coût par conversation doit rester nul. Il devient limitant dans trois cas :

  • les questions sont trop variées pour être prévues, par exemple un catalogue de plusieurs milliers de produits ;
  • il faut résumer ou croiser de longs documents internes : c'est le terrain du RAG sur documents d'entreprise ;
  • la réponse doit être rédigée pour chaque cas, comme un devis commenté ou un message personnalisé.

Les deux approches se combinent aussi : un modèle de langage peut aider à rédiger et enrichir les formulations des fiches hors ligne, relues ensuite par un humain, pendant que l'assistant en production reste déterministe. Notre comparatif chatbot à scénarios ou chatbot IA détaille la grille de décision, et l'article sur les garde-fous de l'IA en entreprise les précautions à prendre si vous optez pour un modèle génératif.

Si vous voulez un assistant de ce type sur votre site, ou sur WhatsApp et les messageries, consultez nos offres chatbot pour site web et chatbot WhatsApp et messageries : nous commençons toujours par la liste des questions réellement posées à votre équipe.

Sources

  1. Okapi BM25 (Wikipédia)
  2. Algorithme de racinisation Snowball pour le français
  3. RapidFuzz : documentation de la similarité floue
  4. Telegram Bot API

Questions fréquentes.

Un chatbot sans IA générative peut-il vraiment comprendre des questions libres ?

Oui, dans un domaine délimité. La recherche lexicale compare la question à plusieurs formulations écrites pour chaque réponse, en tolérant les fautes de frappe et les variations de mots. Sur des questions jamais vues, l'un de nos assistants retrouve la bonne réponse en première position dans 82,8 % des cas, et dans les trois premières propositions dans 92,7 % des cas. Hors de son domaine, il doit savoir se taire.

Zéro hallucination veut-il dire zéro erreur ?

Non. Le chatbot ne peut pas inventer de phrase ni de chiffre, puisqu'il ne rédige rien : il sélectionne une réponse relue. Mais il peut sélectionner la mauvaise fiche, ou une fiche voisine. C'est pour cela que la précision se mesure sur des questions neuves, que les cas douteux sont présentés comme tels, et que l'assistant propose un rappel humain dès qu'il n'est pas sûr.

Combien de fiches faut-il pour un chatbot utile ?

Cela dépend du métier. Nos deux assistants comptent 240 et 302 fiches, dont environ un dixième de politesse et de conversation courante. Chaque fiche porte au moins cinq formulations réelles de la question, y compris orales et fautives. Le nombre de formulations compte davantage que le réglage du moteur.

Quand faut-il préférer un chatbot à IA générative ?

Quand les questions sont trop variées pour être prévues, quand il faut résumer de longs documents, ou quand l'assistant doit rédiger une réponse personnalisée. Dans ces cas, un modèle de langage encadré par vos contenus, avec un dispositif de type RAG, est plus adapté. Pour un service client d'entreprise artisanale ou de PME, un catalogue de réponses validées suffit souvent.

À lire aussi.

Parlons de votre projet.

Réponse rapide et devis détaillé, personnalisé. Sans engagement.