Eden AI

Le défi

De nombreuses demandes de support technique nécessitaient l’accès à des informations que seuls les développeurs pouvaient récupérer. Lorsqu’un utilisateur signalait un solde incorrect, un appel API échoué, un message d’erreur peu clair ou un comportement incohérent d’un fournisseur, l’équipe support devait souvent solliciter l’équipe technique pour mener l’enquête.

Le processus suivait généralement le même schéma :

1. Un utilisateur ouvrait un ticket de support.
2. Le support examinait la demande mais n'avait pas accès aux données internes nécessaires.
3. Le problème était transmis à un développeur.
4. Le développeur interrompait son travail en cours pour inspecter les journaux, les bases de données ou le code source.
5. Les conclusions étaient renvoyées au support.
6. Le support reformulait l'explication technique pour l'utilisateur.

Ce circuit rallongeait les délais de réponse et interrompait régulièrement les développeurs dans leur travail produit.

Pourtant, une grande partie de ces investigations restait relativement simple dès lors que les bons systèmes étaient accessibles : confirmer un solde de crédits, retracer une requête API, identifier une erreur provenant d’un fournisseur ou expliquer le fonctionnement d’un endpoint particulier.

Le problème ne venait donc pas d’un manque d’expertise. L’équipe support savait quelles questions poser, mais pas toujours où trouver les réponses. Les développeurs savaient où chercher, mais ils devenaient progressivement un point de blocage.

La solution

Eden AI a déployé un assistant interne de support technique basé sur Claude et directement connecté aux outils utilisés par ses développeurs.

Cet assistant agit comme un pont entre les équipes support et engineering. Il peut analyser de manière autonome les problèmes techniques reposant sur des éléments objectivement vérifiables, puis ne transmettre aux développeurs que les cas nécessitant un jugement humain, une investigation plus approfondie ou une modification du code.

Grâce à des connexions MCP, l’assistant peut accéder à :

• Metabase pour vérifier les soldes de crédits, l’historique de consommation et les paiements
• Sentry et AWS CloudWatch pour retracer les erreurs et analyser les logs applicatifs
• GitHub pour lire et comprendre le code source d’Eden AI
• Linear pour identifier les bugs connus et les tickets techniques associés
• Intercom pour prendre en compte le contexte complet des échanges avec les clients

L’assistant ne se contente pas de récupérer des informations dans différents tableaux de bord. Son accès en lecture à la base de code lui permet de suivre le parcours d’un appel API, de comprendre le comportement réel d’une fonctionnalité et de fournir des explications précises fondées sur l’implémentation effective du produit.

Sa mémoire persistante lui permet également de conserver les schémas d’erreur récurrents, les conventions internes et les méthodes d’investigation. Une fois qu’un problème technique a été résolu, les connaissances acquises peuvent être réutilisées par l’ensemble de l’équipe support.

Les résultats

Depuis le déploiement de cet assistant, Eden AI a considérablement raccourci le parcours entre une question client et l’obtention d’une réponse technique fiable.

• Résolution plus rapide des tickets : les demandes techniques courantes peuvent être traitées en quelques minutes, au lieu de plusieurs heures.
• Moins d’interruptions pour les développeurs : le support n’a plus besoin de solliciter l’équipe technique pour chaque vérification de solde, analyse de logs ou erreur API.
• Un support plus autonome : l’équipe peut accéder directement à des explications précises, étayées par des données internes.
• Des réponses plus fiables : les réponses reposent sur les données, les logs applicatifs, la documentation et le code source réel.
• Des escalades plus pertinentes : les développeurs n’interviennent que lorsqu’une modification du code ou une véritable expertise technique est nécessaire.
• Une connaissance technique réutilisable : les méthodes d’investigation et les schémas d’erreur sont mémorisés et partagés avec toute l’équipe.
• Davantage de temps consacré au produit : les développeurs et les profils techniques peuvent se concentrer sur les intégrations, les exemples de code, les contenus techniques et les bugs complexes.