Introduction
Tediber est le pionnier français du matelas en boîte. Fondée fin 2015 par l'entrepreneur Julien Sylvain et une équipe de cofondateurs comprenant le duo de designers Juan Pablo Naranjo et Jean-Christophe Orthlieb, la marque est née d'un constat simple : trouver un matelas de qualité, fabriqué en France et vendu à un prix juste en ligne, était quasiment impossible.
Julien, toujours CEO, a identifié une brèche entre le retail surévalué et les options en ligne décevantes. Sa stratégie — forte présence digitale et modèle direct-to-consumer — a fonctionné. Tediber a depuis vendu plus de 270 000 matelas, porté par un bouche-à-oreille exceptionnel avec plus de 80 000 avis clients. La gamme s'est élargie bien au-delà du matelas : sommiers, canapés-lits, oreillers, couettes, linge de lit, canapés et une gamme enfant complète. L'entreprise exploite 4 à 5 boutiques en propre en France et livre dans la plupart des pays de l'UE.
Avec l'élargissement de la gamme et la croissance de la base clients, les exigences sur le service client e-commerce de Tediber se sont intensifiées. Océane Turpin a rejoint Tediber comme Directrice du Service Client fin 2025, forte de plus de 11 ans d'expérience. Elle a trouvé une équipe de 6 personnes gérant le support omnicanal (email et téléphone), complétée par OnePilot, une agence de support externalisé. Dès ses premières semaines, elle a été chargée d'évaluer et de déployer Yuma AI en plein rush du Black Friday et de Noël.
Quand j'ai paramétré Yuma, j'ai comparé avec ce que j'avais dû faire pour mettre en place un autre outil IA dans mon entreprise précédente. Deux niveaux complètement différents. Yuma est tellement plus simple. Si vous avez des bases en techno, vous pouvez explorer le back-office et commencer à créer vos propres automatisations et flows. — Océane Turpin, Directrice du Service Client chez Tediber
Le problème
Environ un an et demi avant l'arrivée d'Océane, Tediber a connu un pic de ventes. Une bonne nouvelle pour l'activité, mais qui a créé une pression immédiate sur l'équipe support, composée à l'époque de seulement quatre agents sans manager dédié.
Le catalogue Tediber couvrait désormais tout, des matelas grande taille aux oreillers et au linge de lit. L'entreprise travaillait avec cinq transporteurs différents entre la France et l'UE : Edeliv pour Paris, VIR pour le reste de la France, France Express, DPD et DHL pour l'international. Chaque transporteur a son propre système de suivi et ses workflows de livraison. Quand le volume de commandes a explosé, les demandes liées au transport ont suivi, et les outils IT de l'équipe rendaient difficile le suivi des expéditions sur les cinq prestataires.
Un lundi typique, l'équipe pouvait faire face à 300 demandes entrantes. Beaucoup concernaient le statut de livraison, les dates ou les incidents d'expédition — des points de friction classiques du post-achat en e-commerce. D'autres étaient de simples demandes de facture qui s'accumulaient car le système de Tediber n'envoyait pas les factures automatiquement. Certains jours, cette seule demande générait plus de 100 tickets.
Si vous devez, en tant qu'agent, créer manuellement des factures pour 100 demandes en une journée, c'est interminable, et pour rien. — Océane Turpin, Directrice du Service Client chez Tediber
Le problème s'est aggravé en cascade. Faute de réponses rapides, les clients relançaient par email et téléphone, créant des tickets en doublon. Le temps de réponse s'est étiré à 72 heures, et chaque message sans réponse alourdissait le backlog.
En parallèle, les appels téléphoniques augmentaient aussi, et ils prennent bien plus de temps que les emails. L'équipe avait besoin de souffler côté email pour consacrer plus de temps au support téléphonique, là où la conversation humaine compte le plus.
Pour gérer le débordement, Tediber a fait appel à OnePilot, une agence de support externalisé. Mais cette solution avait ses propres coûts. Et comme les processus internes de Tediber évoluaient fréquemment, l'équipe externalisée peinait à suivre le rythme et à maintenir le même niveau de qualité que l'équipe interne.
Elise Vettel, responsable des opérations à l'époque, a alors lancé la recherche d'un outil IA capable d'absorber le volume croissant, de libérer l'équipe interne pour les demandes complexes et sensibles, et de réduire la dépendance au support externalisé.
Solution
Tediber a découvert Yuma par l'intermédiaire d'un membre du conseil d'administration qui évaluait des solutions IA pour une autre entreprise. Il a envoyé Yuma à Elise Vettel, qui a pris un rendez-vous démo. Avant cela, Elise travaillait avec Tolk AI, un chatbot IA pour le e-commerce dont elle n'était pas satisfaite en termes de qualité.
Tediber a lancé Yuma fin octobre 2025, pendant une période d'essai qui coïncidait avec le Black Friday et Noël — le rush le plus intense de l'année. Océane, arrivée à la même période, était responsable du paramétrage, de l'évaluation de l'outil, puis du rapport final : continuer avec Yuma ou non.
Le timing était difficile. Océane découvrait simultanément les processus internes de Tediber, gérait sa nouvelle équipe en plein pic, et configurait une IA dans une entreprise qu'elle venait de rejoindre. Ce qui a fait la différence, dit-elle, c'est l'expérience de mise en place comparée aux autres outils qu'elle avait connus.
Dans son entreprise précédente, Océane avait déployé Volubile, un outil de voice IA. Ce processus nécessitait de remplir des fichiers Excel avec plusieurs onglets : un pour les intents, un autre pour les intégrations API nécessitant une revue sécurité IT, et un pour rédiger chaque commande de processus dans une liste non triée. Pas de classement par sujet, pas d'interface visuelle, pas d'accompagnement guidé. Un paramétrage complexe et difficile à naviguer. En comparaison avec Yuma :
Quand j'ai commencé à paramétrer Yuma dans le back-office, j'ai réalisé que c'était tellement plus simple. Il y a plein de réglages, mais ils sont tous faciles d'accès et à mettre à jour. Même le Playground et la fonctionnalité Ask Why, où l'on peut analyser un ticket et comprendre comment l'IA l'a traité — ça, je ne l'avais vu nulle part ailleurs. — Océane Turpin, Directrice du Service Client chez Tediber
Nour, Account Manager Yuma pour Tediber, a pris en charge l'essentiel de la configuration initiale et est restée étroitement impliquée pendant toute la période d'essai. Océane la décrit comme « une experte du back-office Yuma » qui répond dans la journée, communique clairement sa disponibilité et construit des solutions tout en expliquant comment elles fonctionnent pour qu'Océane puisse les gérer en autonomie.
L'onboarding pendant la période d'essai était très bien organisé. On sentait clairement la qualité du travail, et le potentiel que l'IA pouvait avoir en quelques mois en termes d'automatisation. — Océane Turpin, Directrice du Service Client chez Tediber
L'agent IA de Tediber (que l'équipe a baptisé Sébastien) se connecte directement à Shopify et opère dans Gorgias, leur helpdesk e-commerce. Océane gère le back-office, crée et met à jour les autopilots, les processus et la base de connaissances. Le reste de l'équipe interagit avec Sébastien quand il escalade des tickets — soit parce que la demande nécessite un jugement humain, soit parce que le client exprime une insatisfaction émotionnelle.
Quand une conversation nécessite un geste commercial, une lecture nuancée de la frustration du client, ou une décision hors processus, le ticket passe à un agent humain. Océane revoit régulièrement les tickets escaladés pour identifier où les connaissances ou les workflows de Yuma doivent être mis à jour — une responsabilité permanente.
L'IA c'est super, mais ça ne va pas remplacer notre métier. Si on améliore l'agent IA au point où il résout la plupart des demandes basiques, ça libère du temps pour les humains, et les humains peuvent investir ce temps pour augmenter encore la qualité. — Océane Turpin, Directrice du Service Client chez Tediber
Quatre mois après, Océane estime avoir atteint sa vitesse de croisière avec l'outil, car elle maîtrise désormais les processus Tediber suffisamment pour savoir exactement ce qu'elle veut que Yuma apprenne ensuite. Son focus récent : le Flow Builder, qu'elle considère particulièrement utile pour configurer des workflows plus complexes.
Résultats
64 % des demandes clients automatisées
Quatre mois après le déploiement, Yuma traite 64 % de toutes les demandes entrantes de manière automatisée. Les cas les plus fréquemment automatisés incluent les demandes de retour, les problèmes produit, le suivi et les dates de livraison, les demandes d'échange, les questions avant-vente et produit, et les modifications de livraison. Beaucoup de ces demandes, comme les factures qui monopolisaient autrefois des journées entières d'agents, sont désormais résolues sans aucune intervention humaine.
De 72 heures à moins d'1 heure de temps de réponse
Avant Yuma, les clients devaient attendre jusqu'à trois jours (72 heures) pour une première réponse. Ce délai déclenchait un cycle de relances par email et téléphone, créant des tickets en doublon qui alourdissaient encore le backlog. Avec Yuma traitant une part significative des demandes entrantes, la première réponse arrive désormais en moins d'une heure (instantanée pour les demandes simples, jusqu'à 1 heure si un humain est nécessaire). Pour l'équipe, moins de doublons et une file d'attente allégée signifient aussi des réponses plus rapides sur les tickets qui leur sont assignés.
Il y a quelques mois, la première réponse d'un humain prenait 72 heures. Maintenant, pour une grande partie des tickets, la réponse arrive en moins d'une heure. C'est une vraie différence indéniable. — Océane Turpin, Directrice du Service Client chez Tediber
~900 € d'économies hebdomadaires vs. le support externalisé
L'un des indicateurs financiers les plus parlants est la comparaison entre Yuma et OnePilot, le prestataire externalisé de Tediber. OnePilot facture au ticket email — en comparant, sur une semaine récente, Tediber a économisé environ 900 € en coûts d'emails externalisés. À mesure que Yuma prend en charge de nouveaux types de demandes, ces économies continuent de croître, et le plan d'Océane est que Yuma absorbe progressivement le volume qui irait sinon à OnePilot.
Charge de travail réduite et moral de l'équipe en hausse
Avant Yuma, les lundis matins pouvaient signifier 300 tickets entrants. Après déploiement, ce chiffre a baissé de 33 %. Océane décrit le poids psychologique d'une file d'attente surchargée comme un vrai facteur de bien-être pour son équipe : quand on sait que le volume est gérable, on a plus de temps et d'énergie à investir dans la qualité du service client et la relation client. L'équipe sait aussi que Yuma gère les demandes répétitives, ce qui la libère pour le travail qui bénéficie le plus de la touche humaine — le support téléphonique et les problèmes produit complexes.
Yuma aide à diminuer cette charge de travail, ce qui joue aussi sur le moral de l'équipe. Ils savent qu'ils auront plus de temps pour se concentrer sur leurs propres tickets, parce que Yuma prend les autres. — Océane Turpin, Directrice du Service Client chez Tediber
Un Customer Success réactif et impliqué
Océane attribue une grande part de la fluidité du déploiement à Nour, son account manager chez Yuma. Nour est connue pour répondre dans la journée, communiquer de manière proactive et construire des configurations tout en expliquant leur fonctionnement pour qu'Océane puisse les gérer en autonomie. Pour Océane, qui a travaillé avec des account managers dans d'autres entreprises, ce niveau d'engagement sort du lot.
C'est une experte du back-office Yuma. Je sais que si j'ai un souci, elle va me créer une solution et m'aider à comprendre comment elle l'a fait, pour partager ses connaissances. Ça a été une expérience incroyable. — Océane Turpin, Directrice du Service Client chez Tediber
Les conseils de Tediber aux entreprises qui envisagent l'IA pour leur service client e-commerce
Nous avons demandé à Océane quels conseils elle donnerait aux entreprises qui évaluent l'IA pour leur service client. Deux recommandations se sont démarquées :
Mettez vos outils internes en ordre
Avant de demander à un agent IA de récupérer des données de commande, vérifier un statut de livraison ou générer une facture, les systèmes en amont doivent fonctionner correctement. Océane cite l'outil de préparation de commandes de Tediber : un système ancien sans accès API, ce qui empêche Yuma de récupérer directement le statut des commandes. Comme cet outil ne transmet pas non plus les bonnes informations à Shopify, le suivi de commande est l'un des points qui devait être corrigé. Son conseil : auditez et corrigez votre stack IT avant le déploiement, car l'IA n'est aussi performante que les systèmes auxquels elle se connecte.
Mon premier conseil, c'est que vos outils — votre Shopify, vos outils d'emailing comme Klaviyo, tout le reste de l'IT — fonctionnent bien. Si vous avez des problèmes dans votre stack IT, l'IA ne pourra pas trouver de réponse pour le client. — Océane Turpin, Directrice du Service Client chez Tediber
Dédiez quelqu'un au pilotage de l'IA
La seconde recommandation d'Océane : assignez au moins une personne dans l'équipe pour piloter le déploiement de l'IA et la gérer au quotidien. Cette personne doit analyser les tickets escaladés, comprendre pourquoi ils l'ont été, puis créer des mises à jour, des corrections ou de nouveaux flows dans le back-office. Sans ce suivi constant, l'IA ne progressera pas.
Conclusion
Le service client de Tediber n'en est qu'au début de son parcours IA — quatre mois — et Océane est la première à dire qu'il reste beaucoup à construire. Elle étend la couverture de Yuma aux workflows qualité produit via le Flow Builder, transfère progressivement le volume email d'OnePilot vers Yuma, et enrichit la base de connaissances à mesure qu'elle approfondit sa maîtrise des processus Tediber.
Ce qui rend l'histoire de Tediber remarquable, ce sont les conditions dans lesquelles ces résultats ont été obtenus — et ce que cela révèle sur le potentiel concret de l'IA générative dans le retail et le e-commerce. Une nouvelle directrice CX, dans son premier mois en poste, a déployé un agent IA pendant le Black Friday et Noël, avec une équipe réduite et des opérations de transport multi-transporteurs complexes, pour atteindre 64 % d'automatisation en seulement quatre mois. Le temps de réponse est passé de trois jours à moins d'une heure. Les économies hebdomadaires par rapport au prestataire externalisé sont déjà mesurables.
Pour les marques confrontées à des pressions similaires — volume de commandes croissant, équipes support sous tension, coûts d'externalisation en hausse — l'expérience de Tediber montre que les bonnes solutions IA pour le retail et le e-commerce peuvent produire des résultats significatifs rapidement, même dans des conditions loin d'être idéales.
Deployer une IA pendant le Black Friday, avec une directrice CX en poste depuis un mois et cinq transporteurs differents -- et atteindre 64 % d'automatisation malgre tout. Pour comprendre le produit derriere cette histoire, visitez Support AI. Si vous hesitez entre l'IA native de votre helpdesk et une solution dediee, notre comparatif Yuma AI vs Zendesk AI pose les differences. Ou contactez-nous et parlez-nous de votre contexte -- on vous dira franchement si Yuma est le bon choix.
