Qualification des leads étudiants par un agent IA en Suisse

Ce que fait un agent IA quand il qualifie un candidat

Un agent IA qualifie un candidat en lui posant, dans le chat, les questions d'un conseiller aux admissions : quelle filière, quel titre d'accès, quelle rentrée, quel financement. Il consigne les réponses, calcule une priorité et remet à l'équipe un dossier lisible. Il n'admet et ne refuse personne.

La Suisse n'a pas de plateforme d'admission nationale unique. Chaque haute école ou université a sa procédure, ses délais et ses conditions, et les demandes arrivent en trois langues nationales sur les sites de plusieurs écoles. En Suisse romande, elles tombent souvent le soir, avant les délais d'inscription et la veille d'une journée d'information.

Cet article présente les critères utiles, un scoring auditable, les règles de passage à un humain et les garde-fous suisses (nLPD, PFPDT, LCD) ainsi que le repère européen que les écoles recrutant dans l'UE doivent connaître. Pour les bases, lisez notre guide du chatbot IA pour le recrutement étudiant. Pour un angle écoles de management, voyez la qualification de leads par l'IA en école de commerce.

Précision de méthode : aucune donnée payante de volume de recherche n'était disponible. Le texte s'appuie sur des recherches publiques et des sources officielles, sans chiffre de performance.

Les critères à recueillir : adéquation, intention, faisabilité, contact

Gardez les critères que vos conseillers posent déjà au téléphone, et seulement ceux qui changent la suite.

Trois règles évitent les dérives. Chaque question appuie une décision. Les questions facultatives le restent. Aucun critère sensible ou discriminatoire ne sert à prioriser.

Les particularités suisses

Les candidats parlent de maturité gymnasiale ou professionnelle, de passerelles vers les HES et de formation duale. Pour l'accès aux hautes écoles spécialisées, swissuniversities coordonne les hautes écoles, et chaque établissement garde ses propres critères. L'agent explique la procédure à partir des pages publiées par l'école et renvoie à la source officielle, sans promettre de place. Les prix s'affichent en francs suisses, et pour les écoles privées, la reconnaissance et l'accréditation doivent suivre exactement ce que l'école publie, sur la base du cadre de l'Agence suisse d'accréditation et d'assurance qualité (AAQ). Le multilinguisme compte aussi : un candidat alémanique doit pouvoir poursuivre dans sa langue ou être aiguillé.

Un scoring en deux axes que l'équipe peut auditer

Un score utile tient en deux axes lisibles, adéquation et intention. Pour chaque dossier, l'équipe doit pouvoir dire pourquoi la personne est en haut de la liste.

L'exemple est illustratif et doit être calibré sur vos propres conversions. Les pondérations ne sont pas des références de marché.

Le total classe la personne dans un niveau d'action, jamais dans une décision d'admission.

• Prioritaire : rappel rapide, avec résumé de la conversation.
• À suivre : séquence d'information, invitation à une journée d'information ou un webinaire.
• À nourrir : projet lointain, contenus utiles, relance planifiée.
• Hors périmètre : réponse utile et orientation vers l'offre adaptée.

Fixer les règles avant le lancement

Quand le score s'écarte du réel, corrigez-le. Demandez aux conseillers de signaler les dossiers mal classés, relisez les conversations chaque semaine au départ et ajustez. Gardez l'historique des changements : un candidat, votre conseiller à la protection des données ou le préposé peuvent le demander. Notre article sur le scoring des leads étudiants détaille la calibration côté CRM.

Le passage à l'équipe

Le passage suit des déclencheurs explicites, et le conseiller reçoit un dossier exploitable sans relire tout l'échange.

Déclencheurs

Transférez tout de suite si la personne demande un humain, décrit une situation sensible ou une plainte, ou si l'agent n'a pas de réponse fiable. Transférez en priorité quand le score atteint le niveau le plus haut ou qu'un entretien est demandé.

Contenu du dossier

1. Coordonnées que la personne a choisi de donner.
2. Filière, titre d'accès, rentrée et régime visés.
3. Score et signaux qui l'expliquent.
4. Résumé de la conversation et questions sans réponse.
5. Consentement recueilli, canal et date.

Un délai de rappel par niveau, fixé par l'école, complète le tout. Voir notre guide du routage et des SLA.

Skolbot suit ce schéma : l'agent web répond à partir du contenu publié par l'école, qualifie le candidat, envoie la conversation et la qualification au CRM, puis l'équipe reprend. Le suivi par WhatsApp ou téléphone part de la fiche CRM. Les connexions précises avec votre CRM se confirment en démonstration.

Garde-fous suisses : nLPD, LCD et repère européen

Qualifier des candidats, c'est traiter des données personnelles et parfois profiler. Quatre décisions écrites sont nécessaires avant la mise en ligne.

Données personnelles. La nouvelle loi fédérale sur la protection des données (nLPD), en vigueur depuis le 1er septembre 2023, s'applique aux écoles privées comme aux organes privés en général. Le Préposé fédéral à la protection des données et à la transparence est l'autorité de référence. La loi impose notamment une information claire sur la collecte et le respect de principes comme la proportionnalité. Les établissements cantonaux relèvent aussi du droit cantonal de protection des données. Faites valider le dispositif par votre conseiller à la protection des données.

Publicité par courriel ou SMS. Un chat ne vaut pas consentement. La loi contre la concurrence déloyale (LCD) encadre la publicité de masse par télécommunication : consentement préalable, indication claire de l'expéditeur et possibilité de refus simple. Consignez ce à quoi la personne a consenti, par quel canal et quand.

Décision automatisée. La nLPD prévoit d'informer la personne d'une décision individuelle automatisée qui a des effets juridiques ou l'affecte de manière significative, et de lui permettre de faire valoir son point de vue. Principe de conception : le score ordonne la liste de rappel, un humain décide de tout ce qui touche à l'admission, et personne n'est écarté sans regard humain.

Repère européen. La Suisse n'a pas, à ce jour, d'équivalent de l'AI Act ; l'IA relève du droit existant et du suivi du PFPDT. Si votre école recrute aussi dans l'Union européenne, le règlement européen sur l'IA et le RGPD peuvent s'appliquer à ces candidats. L'AI Act classe à haut risque les systèmes qui déterminent l'accès à l'enseignement. Un score de simple priorité de rappel est un autre usage, mais ne l'utilisez jamais pour restreindre l'information ou une candidature, et dites dès le premier message qu'on parle à une IA.

La plateforme Skolbot applique côté serveur une résidence des données dans l'Union européenne ; vérifiez avec votre conseiller si votre école exige un hébergement en Suisse. L'analyse que vous conservez reste la vôtre.

Mesurer sans s'illusionner

Suivez ce que votre service suit déjà : délai du premier rappel après une demande nocturne, part des dossiers transmis avec filière et rentrée renseignées, présence aux journées d'information réservées, fréquence des corrections du score. Établissez votre propre référence avant le lancement. Le taux d'une autre école dit peu de votre entonnoir, et nous ne publions aucun chiffre sans source vérifiée.

Par où commencer

Commencez par un parcours, par exemple les masters ou les demandes internationales, avec trois à cinq questions. Chargez les pages filières, taxes et calendrier, testez l'agent devant vos conseillers et corrigez le contenu avant l'ouverture.

Étendez ensuite. Notre grille pour choisir un agent IA de recrutement étudiant aide à comparer, et les agents IA pour le recrutement dans l'enseignement supérieur couvrent tout le parcours.