Entrez dans un souk marocain et vous entendrez trois langues en dix minutes : le Darija, le français, et parfois l'anglais — souvent dans la même phrase. Vos clients changent constamment de langue. Ils commenceront un message WhatsApp en français, glisseront en Darija par familiarité, et ajouteront un mot français quand l'équivalent en Darija ne leur vient pas naturellement. Ce n'est pas un défaut de la communication marocaine ; c'est l'une de ses caractéristiques.
Le problème : la plupart des outils d'automatisation du service client ont été conçus dans la Silicon Valley pour des marchés anglophones. Ils se cassent dès qu'un client tape "wach kayn delivery l dar ?" (est-ce qu'il y a la livraison à domicile ?) à la place de "proposez-vous la livraison à domicile ?"
Voici ce qui fonctionne vraiment pour les entreprises marocaines qui automatisent leur support WhatsApp.
Pourquoi les chatbots génériques échouent au Maroc
Les constructeurs de chatbots standard s'appuient sur la correspondance d'intentions : le bot lit ce que le client a tapé et essaie de le faire correspondre à une phrase prédéfinie. Cela fonctionne raisonnablement bien quand les clients écrivent en français standard ou en arabe littéraire. Ça échoue lamentablement avec le Darija marocain parce que :
- Le Darija n'est pas standardisé à l'écrit. Le même mot peut s'écrire de cinq façons différentes. "شحال" (combien) peut apparaître comme "shhal", "ch7al", "ch-hal", ou juste des chiffres et des emojis.
- Les messages à scripts mixtes désorientent les analyseurs. Une seule phrase peut contenir des caractères arabes, des caractères latins et des chiffres.
- Le vocabulaire régional varie. Un client de Marrakech et un client de Nador utilisent des mots quotidiens différents pour la même chose.
Ce qui fonctionne vraiment : l'automatisation basée sur des flux avec escalade humaine
L'approche la plus fiable pour les PME marocaines n'est pas d'essayer de comprendre chaque phrase en Darija — c'est de réduire la quantité de texte libre que les clients doivent taper.
Les messages interactifs WhatsApp vous permettent de présenter des boutons et des menus au lieu d'attendre une saisie textuelle. Au lieu qu'un client tape "fin kayn l delivery dyalkom ?", vous lui envoyez un menu :
👋 Mrhba ! Kifach nqdrk n3awn ? 1️⃣ Delivery w taman 2️⃣ Wein kayn l magasin 3️⃣ Aji nkelm m3a wahd min l freeq
Pas besoin de NLP. Le client appuie, vous répondez avec la bonne information. Cela fonctionne parfaitement quelle que soit la langue, parce que les boutons sont neutres linguistiquement.
Les messages modèles pour les scénarios courants couvrent la majorité des requêtes répétitives :
- Mises à jour du statut de commande (envoyées automatiquement quand le statut change)
- Estimations de délai de livraison (déclenchées quand la commande est prise en charge)
- Demandes de confirmation de paiement à la livraison
- Notifications "votre commande est prête pour le retrait"
Ce sont des messages proactifs sortants que votre système envoie — le client n'a même pas besoin de demander.
Escalade humaine pour tout le reste. Quand un client tape quelque chose de complexe — une réclamation, une demande de retour, une négociation — le bot transfère immédiatement à un agent humain. L'objectif n'est pas d'automatiser entièrement le service client ; c'est de gérer les 60–70 % de conversations qui sont routinières pour que votre équipe puisse se concentrer sur les 30 % qui nécessitent vraiment une personne.
Réponses rapides adaptées au Darija
Là où vous avez quand même besoin que le bot comprenne du texte tapé, gardez la surface restreinte et entraînez-le avec de vrais exemples marocains.
Au lieu de vous entraîner sur "où est ma commande", entraînez-vous sur les messages réels que vous recevez :
- "fin l commande dyali"
- "wach l colis wsel"
- "kifach nsuivi l order"
- "3afak fin hiya"
- "commande number [X] fine hiya"
Extrayez 50 vrais messages de votre historique WhatsApp dans chaque catégorie et utilisez-les comme exemples d'entraînement. C'est plus précieux qu'un jeu de données générique.
La règle de la langue en premier
Une règle pratique qui fonctionne bien : détecter la langue du premier message et la refléter.
Si le client ouvre en français, répondez en français. S'il écrit en Darija (même en script mixte), répondez en Darija. S'il écrit en anglais, répondez en anglais. Les clients se sentent plus à l'aise quand le bot correspond à leur registre — même imparfaitement.
Cela ne nécessite pas de NLP complexe. Vous pouvez implémenter une heuristique simple : si le message contient des caractères arabes, répondez avec votre modèle Darija. S'il est entièrement en caractères latins avec des mots-clés français, utilisez le français. Sinon, le français par défaut.
Configuration pratique pour une PME
Pour une petite entreprise marocaine, une configuration d'automatisation WhatsApp opérationnelle ressemble à ceci :
- Flux d'accueil — menu interactif en Darija/français couvrant vos 5 principales FAQ
- Flux de statut de commande — mises à jour automatiques déclenchées par votre système de traitement des commandes
- Transfert humain — tout message hors menu va immédiatement à un membre de l'équipe, avec le contexte préservé
- Message hors heures — un chaleureux "on vous répond demain matin" en Darija
C'est tout. Vous n'avez pas besoin de l'IA pour ça. Vous avez besoin de flux structurés construits autour de la façon dont vos clients communiquent réellement.
AidGens est conçu spécifiquement pour cela. Si vous souhaitez voir à quoi ressemble un flux d'automatisation Darija-first pour votre activité, contactez-nous sur WhatsApp ou par email.