À l’aube de 2026, le service client connaît une mutation profonde. Sous la houlette d’Adrian McDermott, Chief Technology Officer (CTO) de Zendesk, cette transformation est portée par l’essor des agents intelligents, annonçant une nouvelle ère où l’intelligence artificielle (IA) ne se contente plus de remplacer les anciennes méthodes, mais ouvre des territoires jusqu’alors inexplorés. Loin d’automatiser mécaniquement les échanges, Zendesk réinvente l’expérience client avec une vision audacieuse : celle d’un service client agentique à grande échelle, capable d’offrir une assistance proactive et personnalisée.
Depuis l’introduction de la plateforme Resolution en 2025 jusqu’au déploiement récent de l’Autonomous Service Workforce, la stratégie de Zendesk ne cesse d’évoluer. Le CTO, reconnu pour avoir su tirer des leçons de ses échecs, défend l’idée que la véritable innovation réside dans la création de solutions nouvelles plutôt que dans la simple optimisation du passé. À travers une série d’acquisitions ciblées et un panel d’outils inédits, cette démarche s’appuie sur une intelligence artificielle capable non seulement d’assister les agents humains, mais aussi d’étendre les capacités cognitives du service client, pour bâtir ce qui n’était jusqu’ici qu’un rêve lointain.
La révolution des agents intelligents dans le service client selon Adrian McDermott
Zendesk illustre parfaitement avec son concept d’Autonomous Service Workforce comment l’intelligence artificielle s’insère désormais dans chaque maillon de la chaîne du service client. Adrian McDermott définit cette révolution comme une recomposition totale des métiers du secteur : l’IA ne se limite pas à automatiser des tâches existantes, elle permet de créer de nouveaux cas d’usage, auparavant réservés à la réflexion humaine. Par exemple, les agents IA, alimentés par des modèles avancés comme GPT‑4o intégrés via des plateformes telles que Model Context Protocol, savent mener des conversations complexes en s’adaptant au contexte et aux attentes spécifiques du client.
Cela redéfinit les rôles humains dans les centres de contact. Là où auparavant l’application mécanique de scripts guidait l’assistance, aujourd’hui une collaboration dynamique entre l’agent humain et l’agent intelligent s’installe. Cette alliance, loin de supprimer des emplois, transforme les fonctions : les agents expérimentés se concentrent davantage sur des tâches complexes et stratégiques, tandis que l’IA prend en charge une grande part du tri et du traitement des requêtes simples.
Acquisitions stratégiques et innovation continue au cœur de la stratégie Zendesk
Adrian McDermott gère avec acuité la stratégie de fusion-acquisition de Zendesk, instrument clé dans le développement rapide et efficace de ses capacités IA. Parmi les rachats récents, on compte des acteurs spécialisés tels que Klaus (Quality Assurance), Tymeshift (Workforce Management), et Forethought, intégrés directement aux agents IA natives de Zendesk. Chaque acquisition apporte un triple bénéfice : innovation pointue, équipes spécialisées aguerries, et surtout un gain de temps précieux, évitant de repartir de zéro.
Parallèlement à ces intégrations, Zendesk développe en interne des solutions inédites comme sa plateforme IT Asset Management (ITAM) construite de toutes pièces. Cette méthode combinée d’acquisition et de développement s’inscrit dans une volonté claire : ne pas se contenter d’utiliser l’IA pour automatiser l’ancien modèle, mais plutôt créer des expériences client jusqu’alors inaccessibles.
Une expérience client réimaginée grâce à l’IA agentique
La mise en œuvre concrète des agents intelligents au sein du service client provoque un bouleversement silencieux mais palpable. Le concept de « service debt » popularisé par McDermott illustre parfaitement ce paradoxe : automatiser une partie du service révèle un volume d’interactions clients supérieur aux attentes avec une augmentation régulière des demandes complexes qui nécessitent une escalade humaine.
Un exemple concret présenté lors du RAISE Summit illustre ce phénomène : un retailer ayant automatisé les demandes de retour produit a vu son volume d’interactions global augmenter de 176 %, une conséquence directe de clients exploitant plus facilement les services. Pour y répondre efficacement, la boucle d’apprentissage continue, Resolution Learning Loop, analyse en permanence chaque interaction pour affiner les réponses du système et proposer aux administrateurs des améliorations immédiates.
Cette démarche itérative, accompagnée d’indicateurs de qualité tels que le Quality Score, garantit que l’optimisation du service ne se fait pas au détriment de la satisfaction client. Zendesk démontre ainsi qu’il est possible d’automatiser jusqu’à 70 % des requêtes tout en augmentant les scores de satisfaction comme le NPS ou le CSAT, un véritable tournant dans la manière de concevoir la performance du service client.
Une architecture technique ouverte grâce au Model Context Protocol
Le protocole MCP, au cœur de l’innovation technique portée par Zendesk, joue un rôle essentiel dans la flexibilité et l’interopérabilité des agents IA. La dualité MCP Client et MCP Server permet à Zendesk de se positionner à la fois comme consommateur et fournisseur de données et workflows, ouvrant la porte à des intégrations avec des plateformes tierces telles que les assistants OpenAI ou Gemini.
Cette architecture ouverte ouvre de vastes possibilités, notamment dans les interactions agent à agent, où des agents IA spécialisés – customer success, community, support – collaborent pour offrir une expérience fluide et personnalisée. Cette flexibilité technique illustre parfaitement l’adhésion de Zendesk aux standards modernes, consolidant sa place de leader dans le domaine du service client à l’ère de l’IA.
Transformation des métiers du service client face à l’IA : une recomposition plutôt qu’une disparition
Le discours d’Adrian McDermott se veut rassurant et visionnaire à la fois. Si la tentation pourrait être de craindre une suppression massive des emplois, la réalité du terrain montre une évolution des métiers plutôt qu’une extinction. Les agents tiers 0 et 1, chargés des tâches basiques, sont désormais largement confiés aux agents IA. En revanche, les niveaux 2 et 3, plus qualifiés, voient leur rôle s’élargir et se complexifier, faisant appel à une gestion plus stratégique et humaine.
L’émergence de nouveaux rôles comme celui d’AI Service Architect, chargé de penser les processus, les intégrations et la connaissance à l’échelle des agents intelligents, symbolise cette transformation. Les équipes humaines collaborent désormais à la formation des agents IA, orientant leur apprentissage vers des tâches hautement spécialisées, tandis que l’IA traite efficacement les demandes répétitives.
