Comment un assistant Telegram basé sur Claude a soulagé le CEO et repris une partie du travail de l'équipe

Une petite équipe SaaS a intégré un assistant IA directement à son chat Telegram de travail et, en quelques mois, l'a fait passer du stade d'expérience à celui d'outil opérationnel à part entière. Le bot répond aux product managers, lit le code, crée des tâches dans GitHub et prend en charge une partie de la charge qui reposait auparavant presque entièrement sur le CEO.

Comment fonctionne l'assistant

L'équipe décrit un fonctionnement tout à fait typique d'un petit SaaS : cinq développeurs, quatre managers, le CEO, et une stack PHP, Vue, MySQL, GitHub et Telegram. Le problème n'était pas le manque d'outils, mais le fait que presque toute l'expertise interne convergeait vers une seule personne. Le dirigeant répondait à la main à des questions répétitives, expliquait le fonctionnement du produit et passait sans cesse des ventes au support, puis au développement. Résultat : même des demandes clients simples restaient des heures en attente.

L'assistant a été placé dans le chat commun pour travailler là où la communication quotidienne a déjà lieu. Il repose sur un bot Claude qui reçoit non pas un message isolé, mais le contexte du fil, avec accès à la base de code, aux données clients, aux issues GitHub et aux documents internes. Les auteurs insistent sur un point clé : ce n'est pas le fine-tuning qui a été décisif, mais un contexte bien construit. Le modèle n'est utile que s'il voit des données réelles et la situation de travail en cours.

Où il aide vraiment

Le scénario le plus évident, ce sont les questions rapides des managers, quand un client a besoin d'une réponse tout de suite. Au lieu de la chaîne « demander au CEO, attendre le développeur, vérifier le code, revenir avec la réponse », le bot trouve lui-même la partie pertinente du projet et donne une indication pratique. L'article cite l'exemple d'un modèle dans lequel un client tentait de coller un lien : l'assistant a vérifié le traitement du texte et expliqué que les liens HTML sont supprimés, tandis qu'une URL ordinaire est conservée sans problème.

« 90% de la magie ne tient pas au modèle, mais au contexte qu'on lui fournit. »

Le mode de rédaction de tâches s'est révélé tout aussi utile. Quand le CEO demande de « rédiger une tâche », l'assistant ne recopie pas la conversation dans l'issue : il transforme la discussion en description technique avec des étapes de mise en œuvre. Dans le cas de l'analyse de photos d'appartements, le bot a lui-même relié le hachage existant au nouveau scénario de comparaison, en ajoutant la distance de Hamming, des seuils de correspondance, un score combiné et une validation sur un large échantillon. Le développeur reçoit en une minute une tâche de niveau tech lead, et non un échange brut.

• Répond aux questions courantes des managers en 15–40 secondes
• Crée des issues GitHub avec un responsable et des labels
• Donne des indications sur le code et réduit le périmètre de recherche des bugs
• Rédige le changelog après les releases directement dans le chat
• Aide à préparer une réponse au client, même tard le soir

Le troisième scénario, ce sont les messages après déploiement. Le bot indique automatiquement dans le chat quelles évolutions figurent dans la release : de la logique des messages non lus et des changements d'interface jusqu'au blocage des e-mails de contacts indésirables. Pour une petite équipe, ce n'est pas cosmétique mais une discipline opérationnelle : moins de temps perdu en comptes rendus manuels, une trace claire des changements dans la conversation, et des managers qui comprennent plus vite ce qui est déjà livré et ce qu'ils peuvent promettre aux clients.

Où il se trompe

Les auteurs reconnaissent honnêtement que l'assistant ne gère pas les bugs complexes à la jonction de plusieurs services de façon aussi fiable qu'un humain. Il peut trouver des morceaux de code pertinents, avancer une hypothèse convaincante et pourtant se tromper sur la manière dont les systèmes interagissent en runtime réel. L'exemple le plus gênant : le bot a affirmé avec assurance à un manager que la fonction d'import depuis Excel existait déjà, alors que le produit ne l'avait pas, et l'équipe a dû s'excuser séparément auprès du client.

Certaines limites ne se résolvent pas simplement en améliorant le prompt. L'assistant peut rassembler des informations pour une décision business, mais ne doit pas la prendre à la place du dirigeant. Il peut proposer le texte d'une réponse à un client irrité, mais ne remplacera ni l'assurance ni le soutien d'un manager. De plus, les longues discussions dans le chat de travail restent risquées : si un sujet s'étire sur plusieurs jours, le modèle perd le fil, car même une grande fenêtre de contexte n'est pas infinie.

Pour réduire le risque, l'équipe a instauré une règle simple mais importante : en cas de doute, le bot doit écrire clairement que la réponse doit être vérifiée auprès des développeurs. En trois mois, l'assistant a laissé environ 2500 messages, créé près de 120 tâches et aidé à clore sans le CEO environ 60% des questions des managers. Mais il y a eu aussi trois incidents critiques dus à des hallucinations. C'est un bon résultat pour un accélérateur de processus, mais une piètre raison de considérer un tel système comme une source de vérité autonome.

Ce que cela signifie

Ce cas montre bien où va concrètement l'IA en entreprise. Le format le plus utile aujourd'hui n'est pas une vitrine isolée avec une fenêtre de chat, mais un agent intégré à l'environnement de travail existant, avec accès au code, au CRM, aux tâches et à l'historique des discussions. Dans cette configuration, l'IA décharge réellement le dirigeant de la routine et accélère l'équipe. Mais la confiance qu'on lui accorde ne repose pas sur la qualité de présentation des réponses : elle repose sur la qualité du contexte, sur les garde-fous et sur le droit de l'humain d'arrêter l'erreur à temps.