Une adresse de contact ou de support reçoit de tout : une demande de devis, un « où en est ma commande ? », une réclamation, une sollicitation commerciale. Quelqu’un lit chaque message, le classe et le transmet, des dizaines de fois par jour. Automatiser le traitement des emails avec un agent IA, c’est confier cette première lecture à un système qui comprend le message, le relie à vos outils et prépare la suite, sans règle écrite pour chaque cas.
Chez Mink, agence de développement web et IA, nous concevons des agents IA sur mesure pour des PME et des ETI, branchés sur leurs outils existants. Notre position tient en une phrase : l’IA traite, propose et prépare, et un humain valide les décisions critiques.
Ce qu’un agent IA change par rapport aux règles de messagerie
Les règles Outlook et les filtres Gmail reposent sur des critères fixes : expéditeur, mot de l’objet, pièce jointe. Quand un client écrit « je n’ai toujours rien reçu » sans numéro de commande, la règle ne voit rien. Un agent lit le message comme un collègue, consulte le fil de discussion et agit dans vos outils. Il peut aussi répondre faux avec aplomb : ce qu’on l’autorise à faire compte autant que le modèle choisi.
Automatiser le traitement des emails : ce qu’on confie à l’agent, ce qu’on garde
Nous raisonnons en trois niveaux, du plus sûr au plus délicat.
Trier et router les messages entrants
L’agent attribue une catégorie et une urgence, puis crée un ticket, complète la fiche du CRM ou prévient la bonne personne avec un résumé. Rien ne part à l’extérieur, et une erreur de classement se rattrape en quelques secondes. C’est de l’automatisation de processus appliquée à l’email, et c’est ce que nous avons déployé pour Fraîcheur de Paris, où un agent qualifie les demandes d’avenant reçues par email, avec un contrôle humain aux étapes critiques (le cas client).
Préparer des brouillons : l’IA propose, un humain envoie
C’est le niveau que nous recommandons pour démarrer. Pour les demandes récurrentes, l’agent rédige une réponse à partir de vos contenus de référence et la dépose en brouillon. Chez nous, un point de contrôle humain est défini dès la conception, et l’agent passe la main quand le cas dépasse son périmètre.
Exemple fictif : un négociant reçoit « Ma livraison de jeudi n’est pas arrivée ». L’agent retrouve la commande, lit le statut dans l’ERP et prépare un brouillon avec le nouveau créneau. Si l’adresse correspond à deux clients ou si le statut signale un litige, il ne rédige rien et transmet avec un résumé.
Répondre seul : un périmètre à mériter, catégorie par catégorie
Quand les brouillons sont fiables sur une catégorie précise, l’agent peut envoyer sans relecture : accusé de réception, réponse qui figure noir sur blanc dans vos conditions, confirmation de rendez-vous. Au moindre doute, le message part à un humain. Nous structurons toujours les projets par phases, pour que vous mesuriez les résultats avant d’engager la suite.
Reste la question d’informer l’interlocuteur : l’article 50 du règlement européen sur l’IA impose aux fournisseurs de systèmes destinés à interagir directement avec des personnes de les informer qu’elles dialoguent avec une IA, sauf si cela ressort clairement du contexte.
Les limites d’un agent IA sur une boîte mail
Sur une boîte mail, n’importe qui peut vous écrire, vous ne contrôlez pas le contenu reçu, et une réponse envoyée ne se rappelle pas.
Des réponses fausses données avec assurance
Un modèle produit un texte plausible même quand l’information manque : un délai inventé, une condition mal citée. La parade est structurelle : l’agent ne répond qu’à partir de sources validées (conditions de vente, CRM, ERP) et passe la main s’il ne trouve pas la réponse.
Des instructions cachées dans un message
Un email est un contenu externe que le modèle lit, et il peut contenir des instructions que le modèle appliquera. L’OWASP place l’injection de prompt en tête des risques des applications fondées sur des modèles de langage et admet qu’aucune prévention n’est infaillible au niveau du modèle. D’où des mesures d’architecture : droits limités, messages traités comme non fiables, validation humaine avant toute opération sensible. Un message qui demande d’envoyer l’historique d’un client à une adresse externe doit échouer, faute de droit d’envoi.
Des actions irréversibles et des boucles
La note de la CNIL et du Conseil de l’IA et du numérique sur l’IA agentique rapporte le cas d’une salariée dont l’agent a supprimé de nombreux emails professionnels, et qui a eu du mal à interrompre le processus à distance (note CNIL, juillet 2026). On restreint donc les actions (étiqueter et préparer des brouillons, pas supprimer) et on prévoit un arrêt d’urgence. Contre la boucle de deux réponses automatiques, on ignore les messages automatiques et on plafonne les réponses par interlocuteur.
Des données personnelles et des accès trop larges
La même note relève qu’un agent à qui l’on ouvre la messagerie peut consulter tout ce qui s’y trouve. Il ne doit lire que les dossiers concernés : seules les données strictement nécessaires à une tâche devraient être traitées. Nous intégrons la conformité dès la conception (traçabilité, documentation, contrôle humain) et définissons avant le déploiement ce qui peut transiter vers une API tierce, avec un hébergement en France possible pour les données sensibles.
Quels emails automatiser en premier ?
Notre audit IA en 5 jours identifie où automatiser et ce que cela rapporte, avant d’investir dans le moindre développement.
Intégrer un agent IA à Gmail, Outlook ou à une boîte partagée
L’agent n’a pas à remplacer votre messagerie : il s’y connecte par les API de Google et de Microsoft, puis agit dans vos autres outils. Chez Mink, nos intégrations IA et LLM suivent cette logique : l’IA s’ajoute en couche, sans remplacer l’existant.
Recevoir les messages au bon moment
L’agent s’abonne aux changements plutôt que d’interroger la boîte en continu. Côté Gmail, via Pub/Sub, le watch doit être renouvelé au moins tous les 7 jours, Google recommandant un appel quotidien (documentation Gmail API). Côté Microsoft 365, Graph propose des abonnements aux messages Outlook, à prolonger avant leur expiration (documentation Microsoft Graph). Un abonnement expiré sans bruit laisse un agent muet : une alerte en cas de silence anormal s’impose, et la maintenance applicative de l’agent se prévoit dès le départ.
Donner les bons droits
Chez Microsoft, la lecture des messages demande au minimum Mail.ReadBasic ou Mail.Read, et les boîtes partagées ou déléguées passent par des permissions d’application. Le principe vaut partout : lecture seule pour le tri, brouillons pour la rédaction, envoi réservé aux catégories validées, compte de service dédié, chaque action tracée.
Relier l’agent à vos outils métier
L’email n’est que l’entrée : la valeur vient du statut lu dans l’ERP, de l’historique du CRM, du ticket créé. Nous passons par des connecteurs API en lecture comme en écriture ; si l’outil métier doit évoluer, c’est un chantier de développement d’application métier sur mesure. Les pièces jointes se traitent plutôt avec l’automatisation documentaire.
Par où commencer
Nous commençons par analyser le processus métier, avant de parler de modèle ou d’outil. Pour une boîte mail, cela veut dire choisir une catégorie à fort volume et à faible enjeu, comme les demandes de documents ou de statut de commande, plutôt que les réclamations. Chez Mink, un projet d’agent commence par un test sur un périmètre limité, et nous annonçons 6 à 10 semaines pour un agent simple sur un périmètre défini.
Reste une possibilité qu’on assume : dire non. Si personne ne sait quelle catégorie de messages coûte du temps, ou si le retour attendu ne se chiffre pas, un agent est prématuré. Chez nous, le déploiement ne se lance pas s’il n’est pas rentable, et l’audit IA sert à le vérifier avant d’investir.