Un courtier chinois d'assurance santé en ligne a appliqué la stratégie de routage IA des leads que recommande toute présentation opérationnelle : l'agent vocal sur les leads à faible intention, les leads à forte intention pour les humains. Sur les trois premiers appels de la journée d'un téléconseiller, la probabilité qu'un appel soit un lead à forte intention a augmenté d'environ 23 points de pourcentage. L'acquisition de clients sur ces mêmes appels a chuté d'environ 5 points de pourcentage (Fu, Luo, Ramasubbu et al., 2026).
Les mêmes personnes. De meilleurs intrants. Un moins bon résultat. La baisse s'est produite précisément là où l'amélioration était la plus forte, et les deux effets se sont annulés plus tard dans la journée — le détail qui écarte la plupart des explications rassurantes.
C'est sur cette association qu'il faut s'arrêter. Elle dit que l'agent n'a pas échoué. L'agent a fait exactement ce pour quoi il a été déployé, et les humains en aval ont changé de comportement d'une manière qu'aucun business case de routage ne valorise.
Ce que l'étude a réellement mesuré
L'article est « When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition », déposé sur arXiv le 19 octobre 2026 par Xinyu Fu, Shulong Luo, Narayan Ramasubbu et trois coauteurs. Il couvre plus d'un demi-million d'enregistrements de contacts clients autour du déploiement d'un seul agent vocal IA, identifié par un design de régression avec discontinuité temporelle — en comparant le comportement des téléconseillers juste avant et juste après le basculement, et non contre un groupe témoin auto-sélectionné.
Le choix de design utile est que les auteurs suivent les effets au fil de la journée de travail au lieu de les moyenner. C'est ce qui produit la signature du phénomène :
- Probabilité de forte intention sur les trois premiers appels : en hausse d'environ 23 points de pourcentage, s'annulant plus tard dans la journée.
- Acquisition de clients sur les trois premiers appels : en baisse d'environ 5 points de pourcentage, s'aplatissant au fil de la journée.
- Les téléconseillers ont réaffecté leurs premiers leads environ 8 points de pourcentage plus souvent, et ont raccourci ces appels d'environ 13 %.
Une décomposition calibrée dans l'article conclut que le gain modeste issu d'un meilleur ordonnancement des leads est dépassé par une réponse comportementale négative bien plus importante. Notez les précautions : chaque chiffre dans la source est donné comme « environ ». Ne laissez personne y ajouter une décimale dans votre présentation interne.
Pourquoi le routage IA des leads déplace la conversion : valeur de réserve, pas compétence
C'est ici que le résultat cesse d'être une curiosité et devient un principe opérationnel.
Les auteurs le cadrent avec la théorie de la recherche séquentielle. Quand un téléconseiller tient un lead, la décision de continuer à le travailler est une comparaison avec ce qui attend dans la file. Enrichissez la file et vous relevez la valeur de réserve du téléconseiller — le seuil de qualité que le lead en cours doit désormais franchir pour mériter cinq minutes de plus. Le lead en main ne s'est pas dégradé. Sa concurrence s'est améliorée.
Alors il l'abandonne plus tôt. D'où la hausse de 8 points des réaffectations et les appels 13 % plus courts. Le comportement est individuellement rationnel et collectivement coûteux : la persévérance est la source d'une conversion marginale en vente sortante, et la persévérance est la première chose qu'une file abondante taxe.
Ce n'est pas une perte de compétences. Ce n'est pas du moral au sens vague des enquêtes. C'est une réponse spécifique et prévisible à une distribution des opportunités modifiée, et la vraie contribution de l'article aux operations de service est de nommer la distribution des opportunités comme variable d'état à côté des deux que toute équipe opérationnelle surveille déjà : la charge et la congestion.
Pourquoi votre tableau de bord ne vous le montrera pas
Trois instruments présenteront le changement de routage comme une réussite :
- Qualité du lead par appel traité par un humain : en nette hausse.
- Volume traité par l'agent : capacité nouvelle, aucun effectif supplémentaire.
- Durée moyenne de traitement : en baisse, parce que les appels abandonnés sont courts.
Le taux de conversion est le seul qui joue contre vous, et dans la plupart des reportings mid-market il est attribué au mix de sources de leads, à la saisonnalité ou au commercial. La chaîne causale entre « nous avons routé le travail facile ailleurs » et « l'équipe a cessé d'insister sur les appels difficiles » traverse deux tableaux de bord détenus par deux personnes différentes.
L'estompement intrajournalier aggrave la chose. Un effet qui apparaît sur les appels un à trois et disparaît en début d'après-midi survit à presque toute agrégation quotidienne ou hebdomadaire. Moyenné sur un poste, vous obtenez une petite baisse bruitée de conversion qui ressemble à de la variance. Moyenné sur un mois, il disparaît dans le cycle de rémunération. Le signal est réel, c'est la granularité de votre reporting qui est inadaptée.
C'est la même forme que l'erreur sur le coût de supervision
Le schéma dépasse les agents vocaux, et la littérature adjacente est assez cohérente pour être traitée comme un a priori et non comme une coïncidence.
Les données de production du produit agentique de Perplexity ont montré le temps d'achèvement sur tâches comparables passer de 269 minutes à 36 — une réduction de 87 % du temps et de 94 % du coût — tandis que le travail humain de suivi s'est déplacé vers le haut, vers la vérification, l'extension et des tâches franchissant les frontières professionnelles (Perplexity / HBS, 2026). Le travail n'a pas disparu ; il s'est relocalisé dans une partie de l'organigramme que personne n'avait dotée en personnel.
McKinsey QuantumBlack a chiffré le même déplacement du côté des coûts : pour un agent effectuant une tâche de service client dans la banque, les coûts de tokens ne représentent fréquemment que 20 à 25 % des coûts variables d'exploitation, tandis que la supervision humaine en représente 70 à 75 % (McKinsey QuantumBlack, 2026). Les dirigeants optimisent le quart visible de la facture.
Et au niveau du poste de travail, 42 % des travailleurs du savoir déclarent passer plus de temps à vérifier la production de l'IA qu'ils n'en gagnent à l'utiliser, et 52 % corrigent régulièrement du travail généré par l'IA produit par des collègues (Adaptavist, 2026). L'économie et le coût tombent sur des personnes différentes, de sorte qu'une vue de productivité par poste enregistre le gain et manque entièrement la contrepartie.
Trois traditions de recherche différentes, une seule structure : le déploiement d'agents déplace un coût au lieu de le supprimer, et le déplacement franchit une frontière comptable. L'étude du courtier est la version où le coût tombe dans la motivation humaine plutôt que dans les heures humaines — ce qui le rend plus difficile à voir et plus facile à mal attribuer.
Où la même forme apparaît dans un travail qui n'est pas de la vente
Cette partie relève de l'inférence, pas du résultat — l'étude ne couvre que des appels d'assurance sortants. Mais les conditions qui produisent l'effet sont énoncées assez clairement pour être vérifiées contre vos propres files, et elles ne sont pas spécifiques à la vente. Les voici : le travailleur tient une unité de travail à la fois, il a le pouvoir de décider quand l'abandonner, et il peut voir ou sentir ce qui attend derrière.
Cela décrit une part surprenante des operations mid-market. Les agents de support traitant une file de tickets qu'ils peuvent réordonner. Le personnel financier qui solde des exceptions de comptes fournisseurs. Les gestionnaires de sinistres. Les analystes crédit. Quiconque travaille une liste de tri où les éléments faciles vont être absorbés par un agent et où le pouvoir de décider de la séquence reste humain.
Là où les conditions ne tiennent pas, le résultat n'a pas à vous inquiéter. Le travail à séquence fixe sans latitude d'abandon, le travail où la file est invisible pour le travailleur, et le travail réellement non substituable (un dossier, un responsable, jusqu'à la clôture) brisent tous le mécanisme. La question diagnostique est simple : après ce changement de routage, la personne qui tient l'élément difficile peut-elle voir quelque chose de mieux en attente ? Si oui, vous avez le dispositif. Si non, vous ne l'avez pas.
La contre-lecture honnête
Je ne présenterais pas cela comme établi. Quatre limites comptent :
C'est une seule entreprise, un seul pays, un seul type de travail. La vente d'assurance sortante est à fort volume, structurée par la commission, et inhabituellement sensible à la valeur de réserve parce que la file est le mécanisme de rémunération. Une équipe opérationnelle salariée traitant un backlog de services partagés subit une version plus faible de la même incitation.
C'est une prépublication. v1, déposée le 19 octobre 2026, pas encore évaluée par des pairs.
La régression avec discontinuité temporelle est une identification, pas un essai contrôlé. Une discontinuité dans le temps est vulnérable à tout ce qui a changé au moment du déploiement — une révision de script, un nouveau plan de commissionnement, un changement de fournisseur de leads. Le motif d'estompement intrajournalier en est la meilleure défense, car un facteur de confusion devrait expliquer pourquoi l'effet n'apparaît que sur les trois premiers appels.
Le net est une décomposition, pas un compte de résultat. La conclusion de l'article, selon laquelle la réponse comportementale dépasse le gain d'ordonnancement, provient d'un exercice de calibration. C'est une estimation crédible du signe et de l'ordre de grandeur, pas une marge auditée.
Ce qui survit aux quatre : le routage change la distribution des opportunités, et une rémunération et des métriques conçues pour une file rare valorisent mal une file riche. Cette affirmation est directionnellement solide même si les 5 points ne sont pas vos 5 points.
Ce qu'il faut inspecter avant votre prochaine décision de routage
L'unité sur laquelle agir n'est pas le modèle. C'est la file et le poste.
Mesurez la persévérance, pas seulement la qualité. Avant la mise en production de l'agent, établissez une baseline des tentatives par lead, de la durée d'appel et du taux de réaffectation — segmentée par position dans la journée. Si vous ne détenez que des moyennes quotidiennes, l'effet de cet article vous est invisible par construction, car il vit dans les trois premiers appels et meurt l'après-midi.
Relisez l'incitation à l'aune de la nouvelle file. Une commission par conversion sur une file abondante paie les gens pour survoler. Si l'agent est sur le point d'élever la qualité moyenne des leads, la question de rémunération est de savoir si quelque chose récompense encore la onzième minute sur un appel difficile. Des planchers de persévérance, des minimums de tentatives, ou un objectif pondéré par la qualité plutôt que par le volume sont les réparations habituelles.
Décidez du mode d'occupation du poste, pas de la liste des tâches. C'est là que la plupart des projets de routage mid-market se trompent : ils cadrent les tâches absorbées par l'agent et ne réécrivent jamais ce dont le poste humain répond désormais. Une décision d'occupation oblige à écrire ce que fait l'humain avec une file enrichie ; une décision de répartition des tâches permet de le laisser implicite et de le découvrir par le taux de conversion. La surface AUGMENT de Scovai suit cette voie explicitement — chaque poste de l'organigramme est noté de 0 à 100 % sur son degré d'augmentabilité, et le mode est fixé poste par poste : personne seule, personne plus un Digital Employee, ou le Digital Employee pilotant le rôle de bout en bout sous un superviseur humain nommé, le plafond étant fixé par l'entreprise plutôt que par un défaut d'autonomie totale (Scovai AUGMENT).
Faites tourner l'agent d'abord sur un segment et observez les humains, pas l'agent. Les métriques de l'agent seront bonnes. L'instrumentation qui mérite son coût porte sur les travailleurs dont la file vient de changer.
La décision de ce trimestre
Une décision de routage IA des leads n'est pas une décision de capacité avec un effet secondaire sur la motivation. C'est une décision de motivation déguisée en capacité.
Alors arrêtez de demander quel travail votre agent devrait prendre. Demandez ce pour quoi vos collaborateurs sont payés une fois que le travail que vous leur avez laissé commence à paraître abondant — et si vous verrez la réponse dans vos chiffres avant qu'elle n'apparaisse dans votre pipeline.