Charge de travail admissions : combien d'heures perdues ?

Combien d'heures votre équipe admissions perd-elle vraiment ? Voici la formule

La réponse tient en une ligne : heures perdues par mois ≈ (demandes prospects par mois) × 72 % × (minutes moyennes par réponse manuelle) ÷ 60. Le 72 % n'est pas une estimation de coin de table — c'est la part de questions purement répétitives mesurée par Skolbot sur 12 000 conversations chatbot classifiées en 2025 (frais de scolarité, débouchés, alternance, logement, etc.).

Sur ces 12 000 échanges, 72 % étaient des questions simples de type FAQ, répondables sans aucun contexte propre à l'école. 21 % nécessitaient un contexte spécifique (une date, une modalité propre à un programme). Seuls 7 % justifiaient réellement l'intervention d'un humain — un cas particulier, une situation administrative complexe, une hésitation à lever.

Ce ratio 72/21/7 change la question que vous devriez vous poser. Ce n'est pas « combien de temps mon équipe passe-t-elle à répondre aux prospects ? » mais « quelle part de ce temps sert-elle vraiment à conseiller, plutôt qu'à répéter la même information trente fois par semaine ? ». EDUCAUSE documente une tendance similaire dans l'enseignement supérieur nord-américain : les tâches d'assistance à fort volume et faible complexité sont celles où l'automatisation produit le gain de temps le plus mesurable pour les équipes administratives. Le reste de cet article vous donne de quoi chiffrer précisément votre propre cas, avec une méthode que vous pouvez reproduire dans un tableur en dix minutes.

Pourquoi ce sont toujours les mêmes dix questions qui reviennent

Ce n'est pas un hasard si votre équipe a l'impression de répondre en boucle : sur 12 000 conversations analysées, dix questions concentrent l'essentiel du volume, et leur ordre varie peu d'une école à l'autre. Les frais de scolarité arrivent en tête (89 % des conversations), suivis des débouchés après diplôme (84 %) et de l'alternance (78 %).

Ce classement a une implication directe sur votre organisation : si dix sujets couvrent la quasi-totalité des sollicitations, il devient possible de traiter le gros du volume sans mobiliser un conseiller à chaque fois. Un prospect qui demande le montant des frais de scolarité ou la durée du stage n'a pas besoin d'un rendez-vous téléphonique — il a besoin d'une réponse exacte, tout de suite. C'est précisément la logique derrière l'automatisation ciblée des 72 % de questions simples, sans toucher aux 7 % qui méritent un vrai échange humain.

Le coût caché n'est pas seulement en heures — c'est le temps d'attente du prospect

Le vrai coût de la répétition ne se limite pas aux heures internes : c'est aussi le délai avant qu'un prospect obtienne sa réponse, et ce délai varie énormément selon le canal utilisé. Un audit mystery shopping mené par Skolbot sur 80 établissements français en 2025 mesure des écarts considérables entre les canaux.

Un prospect qui envoie un email un dimanche soir n'attend pas 47 heures les bras croisés : il ouvre un autre onglet et regarde l'école concurrente. C'est particulièrement vrai pour les questions qui n'ont rien de complexe — les frais, l'alternance, les conditions d'admission — celles où l'attente est la moins justifiable puisque la réponse est toujours la même. Notre benchmark détaillé du temps de réponse des écoles françaises creuse ces écarts canal par canal, avec la méthodologie complète de l'audit.

Le formulaire de contact, souvent présenté comme le canal « professionnel » par défaut, est en réalité le plus lent des cinq testés. Et le téléphone, malgré une rapidité réelle une fois décroché, échoue deux fois sur trois à seulement produire une conversation. Le chatbot IA n'élimine pas ces canaux — il absorbe la part des demandes qui n'avaient de toute façon pas besoin d'attendre un humain. Forrester souligne depuis plusieurs années que la vitesse de première réponse est devenue un critère de sélection à part entière pour un public habitué aux interactions instantanées, bien au-delà du seul secteur éducatif.

Ce que récupèrent les écoles qui automatisent les 72 % répétitifs

Sur 18 écoles suivies par Skolbot entre 2024 et 2025, les résultats médians après déploiement d'un chatbot montrent une progression nette sur les trois indicateurs qui comptent pour une direction des admissions : le volume de prospects qualifiés, le coût par prospect, et le taux de transformation en inscription JPO. Les prospects qualifiés mensuels passent de 120 à 195 (+62 %), le coût par prospect recule de 42 € à 26 € (-38 %), et le taux d'inscription aux journées portes ouvertes grimpe de 6,2 % à 18,4 %. L'amortissement médian se situe autour de 5 mois, pour un ROI à 12 mois de 280 %.

Une précision s'impose ici, et elle est importante : ce sont des résultats médians qui incluent l'effet combiné du chatbot ET d'optimisations de funnel menées en parallèle sur ces 18 écoles — refonte de pages, ajustements de campagnes, changements de process internes. Le chatbot seul n'explique pas 100 % de ce gain. Ce qu'on peut affirmer avec plus de certitude, c'est le mécanisme sous-jacent : en absorbant les 72 % de questions répétitives en 3 secondes au lieu de 47h ou 72h, l'équipe admissions libère du temps pour les candidats qui ont vraiment besoin d'un accompagnement — les 7 % de cas complexes, les hésitants à relancer, les dossiers atypiques. Pour une décomposition ligne par ligne de ces gains, notre article sur le calcul détaillé du ROI d'un chatbot étudiant reprend chaque poste séparément.

Ce cadrage compte parce qu'un directeur des admissions qui présente ce chiffre en comité de direction doit pouvoir le défendre. Attribuer 280 % de ROI au seul chatbot serait inexact et fragiliserait votre argumentaire dès la première question critique. Présenter le mécanisme — temps de réponse divisé, volume de prospects traités en plus, équipe recentrée sur la conversion — est plus solide et plus vrai. McKinsey Education arrive à une conclusion voisine sur les projets d'automatisation dans l'enseignement supérieur : les gains durables viennent rarement d'un seul outil isolé, mais de la combinaison entre automatisation des tâches répétitives et refonte des process qui l'entourent.

Pas à pas : calculez ce chiffre pour votre propre école

Vous n'avez besoin ni d'un logiciel ni d'un data analyst pour obtenir votre propre estimation — juste d'un tableur et de trois chiffres. Voici la méthode, réplicable en moins de 15 minutes.

Étape 1 : comptez vos demandes prospects mensuelles. Additionnez les échanges reçus sur tous les canaux — emails, formulaires, appels, messages sur les réseaux, échanges en salon si vous les tracez. Une estimation grossière suffit pour démarrer ; vous l'affinerez ensuite.

Étape 2 : appliquez 72 %. C'est la part mesurée par Skolbot comme répondable sans contexte spécifique à votre école — les frais, l'alternance, le logement, les débouchés, les conditions d'admission. Vous pouvez vérifier ce ratio sur votre propre historique en relisant un échantillon de 100 échanges récents et en comptant combien auraient pu être traités par une FAQ bien construite.

Étape 3 : estimez le temps moyen par réponse manuelle. C'est ici la seule variable qui n'est pas dans notre base de données — et il ne faut pas la traiter comme un chiffre magique. Si votre équipe passe en moyenne 3 à 5 minutes à rédiger chaque réponse (rechercher l'information, la reformuler, l'envoyer), utilisez cette fourchette pour démarrer. Mesurez ensuite votre propre chiffre sur deux semaines en chronométrant un échantillon réel de réponses — le temps varie beaucoup selon que l'équipe copie-colle un modèle existant ou rédige chaque fois à la main.

Étape 4 : appliquez la formule. Prenons un exemple illustratif avec un volume rond de 500 demandes par mois et une hypothèse de 4 minutes par réponse manuelle. Le calcul donne : 500 × 72 % × 4 ÷ 60 = 24 heures par mois. Sur une année, cela représente près de 288 heures — soit environ 1,8 mois de travail à temps plein consacré à répéter les mêmes dix réponses.

Ce chiffre n'est illustratif que dans ses paramètres d'entrée — la formule elle-même s'applique telle quelle à votre établissement. Une école qui reçoit 800 demandes par mois avec des réponses moyennes de 5 minutes obtient : 800 × 72 % × 5 ÷ 60 = 48 heures mensuelles, soit plus d'une semaine de travail à temps plein. Refaites le calcul avec vos propres chiffres avant de tirer des conclusions — l'écart entre écoles peut être considérable selon la saisonnalité (pic Parcoursup en mars, pic post-bac en juin) et la taille de l'équipe.

Le pilier complet sur le chatbot IA pour école détaille ensuite comment traduire ce nombre d'heures en cahier des charges concret, si vous cherchez à cadrer un projet au-delà du seul calcul.

FAQ

Le calcul change-t-il selon le type d'école (commerce, ingénieur, université) ?

La formule reste identique, mais le volume de demandes et le temps moyen par réponse varient selon le type d'établissement. Une école de commerce avec un fort volume international reçoit généralement plus de demandes sur les échanges et les admissions parallèles, tandis qu'une école d'ingénieurs concentre davantage de questions sur les stages et le RNCP — le ratio 72 % de questions simples reste globalement stable dans les deux cas.

Faut-il inclure les demandes reçues en salon ou en JPO dans le calcul ?

Oui, si votre équipe y consacre un temps de suivi mesurable après l'événement — relances par email, réponses différées aux questions non traitées sur place. Beaucoup d'écoles sous-estiment ce volume parce qu'il n'est pas tracé dans le même outil que les demandes du site, ce qui fausse le calcul vers le bas.

Le chiffre obtenu correspond-il à des heures qu'on peut réellement supprimer ?

Non, il correspond à des heures qu'on peut réaffecter, pas supprimer purement et simplement. L'objectif n'est pas de réduire l'équipe admissions mais de recentrer ce temps sur les 7 % de cas qui nécessitent vraiment une intervention humaine et sur le suivi qualitatif des candidats les plus avancés dans leur réflexion.

Comment vérifier que 3 à 5 minutes par réponse est réaliste pour mon équipe ?

En chronométrant un échantillon réel plutôt qu'en devinant : demandez à deux ou trois membres de l'équipe de noter le temps passé sur chaque réponse pendant deux semaines, y compris la recherche d'information si elle n'est pas immédiate. Ce chiffre varie fortement selon que l'équipe dispose déjà de modèles de réponse prêts à l'emploi ou rédige chaque message depuis zéro.

Ce calcul fonctionne-t-il aussi pour une petite équipe de 2 personnes ?

Oui, la formule ne dépend pas de la taille de l'équipe — elle mesure un volume d'heures, pas un nombre de postes. Pour une petite équipe, le résultat est souvent plus parlant en pourcentage d'un temps plein : 24 heures par mois représentent près de 15 % du temps de travail d'une seule personne, ce qui rend l'arbitrage plus visible.