La configuration d'une base de connaissances alimentée par l'IA semble simple jusqu'à ce que vous essayiez de le faire. Vous avez des articles d'aide éparpillés dans Confluence, des FAQ enfouies dans Google Drive et des années de tickets de support dans Zendesk. Mettre tout cela dans un format qu'une IA peut réellement utiliser ? C'est là que des plateformes comme Decagon entrent en jeu.
Decagon adopte une approche axée sur l'entreprise pour la configuration de la base de connaissances, promettant d'unifier tout votre contenu dispersé en quelque chose avec lequel ses agents d'IA peuvent réellement travailler. Mais comment le processus fonctionne-t-il réellement, et est-ce la bonne solution pour votre équipe ? Voici ce que vous devez savoir.
Qu'est-ce que Decagon et comment gère-t-il les bases de connaissances ?
Decagon est une plateforme de support client AI fondée en 2023 qui crée des agents d'IA conversationnelle pour les équipes d'entreprise. Contrairement aux chatbots de base qui suivent des scripts rigides, les agents de Decagon sont conçus pour comprendre le contexte, traiter les requêtes complexes et prendre des mesures réelles comme le traitement des remboursements ou la mise à jour des informations de compte.
La plateforme a gagné du terrain auprès de clients notables, notamment Duolingo, ClassPass, Chime et Rippling. Selon leurs études de cas, certaines équipes ont atteint des taux de déviation supérieurs à 80 % et des réductions de coûts allant jusqu'à 95 %.
Au cœur de l'approche de Decagon se trouve la base de connaissances : une collection centralisée et consultable d'informations qui alimente ses agents d'IA. Mais Decagon ne se contente pas de déverser vos documents dans une base de données. Il utilise un processus appelé ingestion des connaissances pour unifier le contenu de plusieurs sources en ce qu'il appelle un graphe de connaissances (knowledge graph).
Le processus d'ingestion des connaissances
L'ingestion des connaissances de Decagon extrait le contenu de l'endroit où il se trouve actuellement : centres d'aide, pages Confluence, Google Drive, SharePoint, anciens tickets de support, voire macros d'agent. Le système lit tout cela, l'organise et crée des liens entre les éléments d'information connexes.
Le résultat est ce que Decagon appelle une « source unique de vérité » à laquelle ses agents d'IA peuvent se référer instantanément. Lorsqu'un client pose une question, l'agent ne se contente pas de rechercher des mots clés. Il comprend l'intention et extrait les parties les plus pertinentes de votre documentation.
Procédures d'exploitation des agents (AOP)
C'est là que Decagon diffère des outils d'IA plus simples. Au lieu de simplement répondre aux questions, Decagon utilise les procédures d'exploitation des agents (AOP) : des instructions en langage naturel qui sont compilées en code et indiquent à l'IA exactement comment gérer des situations spécifiques.
Considérez les AOP comme des procédures d'exploitation standard (SOP) pour l'IA. Vous écrivez des instructions en langage clair comme « Si un client demande un remboursement dans les 30 jours et n'a pas de remboursement antérieur, traitez-le automatiquement. » Le système transforme cela en logique exécutable.
Cela permet aux équipes CX non techniques de façonner directement le comportement de l'IA, tandis que les ingénieurs conservent le contrôle du code de base et de la sécurité.
Configuration de la base de connaissances Decagon : un guide étape par étape
La mise en œuvre de Decagon suit un calendrier de 6 semaines. Voici à quoi ressemble réellement le processus de configuration de la base de connaissances.
Étape 1 : Connectez vos sources de connaissances
La première phase consiste à intégrer votre contenu dans le système. Decagon se connecte à :
- Centres d'aide et pages FAQ
- Confluence et wikis internes
- Dossiers Google Drive et SharePoint
- Anciens tickets de support et historique des conversations
- Macros d'agent et réponses enregistrées
- Données CRM et enregistrements clients
Au cours de cette phase, vous configurerez également des canaux de communication (généralement Slack ou Teams) pour des boucles de rétroaction rapides avec l'équipe de Decagon, et établirez un environnement de bac à sable pour des tests sûrs.
Étape 2 : Préparez vos données pour la formation
Les données brutes ne suffisent pas. Decagon recommande de nettoyer votre documentation avant la formation :
- Assurez-vous que les articles d'aide sont clairs, précis et faciles à comprendre
- Utilisez une terminologie cohérente pour les produits et les fonctionnalités dans tous les documents
- Supprimez ou archivez les informations obsolètes
- Mettez en œuvre le contrôle de version afin que l'IA fasse toujours référence aux documents actuels
Cette étape compte plus que la plupart des équipes ne le pensent. L'IA ne peut être aussi bonne que les informations que vous lui fournissez.
Étape 3 : Configurez les procédures d'exploitation des agents
Une fois vos connaissances ingérées, il est temps d'écrire vos AOP. Cela implique de convertir les SOP existantes en instructions prêtes pour l'IA qui définissent :
- Comment traiter les différents types de demandes des clients
- Quand passer à des agents humains
- Quelles actions l'IA peut entreprendre de manière autonome
- Les garde-fous pour les opérations sensibles comme les remboursements
L'équipe de Decagon travaille avec vous au cours de cette phase pour rédiger et affiner ces procédures en fonction de vos flux de travail spécifiques.
Étape 4 : Testez et affinez
Avant de passer en direct, vous effectuerez des tests internes sur les flux de travail de base. Decagon fournit des outils pour les conversations simulées et les tests unitaires. L'équipe teste :
- La précision et le ton de la réponse
- L'exécution correcte du flux de travail
- Les cas extrêmes et la gestion des erreurs
- La fiabilité de l'intégration
En fonction des résultats des tests, vous itérerez sur les AOP et les invites pour améliorer la précision. Cette phase se déroule généralement en parallèle avec les tests d'intégration technique.
Quelles sources de données pouvez-vous connecter à Decagon ?
Decagon s'intègre à la plupart des principaux systèmes d'entreprise. Voici ce qui est pris en charge :
Plateformes de service d'assistance : Zendesk, Freshdesk, Gorgias, Help Scout
CRM : Salesforce Service Cloud
Bases de connaissances : Confluence, Google Drive, SharePoint
Communication : Slack, Microsoft Teams
Personnalisé : Connexions API pour les systèmes internes
La profondeur de ces intégrations est importante. Decagon ne se contente pas de lire les données, il peut également écrire dans vos systèmes. Cela signifie que lorsqu'un agent d'IA traite un remboursement, il met réellement à jour votre système de paiement. Lorsqu'il transmet un ticket, il crée le ticket dans votre service d'assistance avec le contexte complet.
Amélioration continue et lacunes dans les connaissances
Une base de connaissances n'est pas un projet à configurer et à oublier. Decagon comprend des fonctionnalités pour la maintenance continue.
Analyse des lacunes dans les connaissances
La fonctionnalité Suggestions de Decagon analyse les conversations où l'IA a eu des difficultés ou n'a pas fourni de réponses complètes. Elle identifie les modèles et met en évidence les connaissances manquantes ou obsolètes dans votre documentation.
Génération automatisée d'articles
Lorsque le système identifie des lacunes, il peut automatiquement rédiger de nouveaux articles d'aide en fonction de la façon dont vos meilleurs agents humains ont résolu des problèmes similaires. Ces brouillons sont basés sur des conversations réelles avec les clients, et non sur des conjectures.
Boucles de rétroaction
L'IA apprend continuellement des corrections. Lorsque des agents humains modifient les réponses générées par l'IA ou gèrent les transmissions, cette rétroaction est réintégrée dans le système. Au fil du temps, l'IA s'améliore dans le traitement des types spécifiques de questions que vos clients posent.
Tarification et calendrier de mise en œuvre de Decagon
Parlons de ce que cela coûte réellement et du temps que cela prend.
Calendrier de mise en œuvre typique
La mise en œuvre standard de Decagon prend environ 6 semaines :
- Semaine 1 : Découverte et fondation (audit de la pile technologique, configuration du bac à sable)
- Semaine 2 : Lancement et flux de travail parallèles (définition des mesures de succès, rédaction des AOP)
- Semaines 3 à 4 : Construction et tests (configuration, tests internes, affinement)
- Semaine 5 : Convergence et préparation (examen de la conformité, formation de l'équipe)
- Semaine 6 : Mise en service et mise à l'échelle (déploiement contrôlé, surveillance, déploiement complet)
Modèle de tarification
Decagon ne publie pas de prix publics. Vous devrez contacter son équipe de vente pour obtenir un devis personnalisé en fonction de votre volume de conversations, de vos canaux et de la complexité de l'intégration.
Le modèle est axé sur l'entreprise. Vous obtenez des « gestionnaires de produits d'agent » dédiés qui vous guident tout au long de la mise en œuvre et de l'optimisation continue. Cette approche de gants blancs est logique pour les grandes équipes, mais peut être excessive si vous recherchez quelque chose que vous pouvez configurer vous-même.
Une approche alternative : la configuration de la base de connaissances d'eesel AI
L'approche de Decagon fonctionne bien pour les grandes entreprises disposant de ressources de mise en œuvre dédiées. Mais que faire si vous avez besoin de quelque chose de plus rapide et de plus flexible ?
Nous avons créé eesel AI avec une philosophie différente : au lieu de configurer un système d'IA, vous embauchez un coéquipier d'IA qui apprend automatiquement votre entreprise.
Voici comment notre approche diffère :
Apprentissage automatique à partir des données existantes
Avec eesel, il n'y a pas de processus d'ingestion manuel. Connectez-nous à votre service d'assistance (Zendesk, Freshdesk, Gorgias ou l'une de nos plus de 100 intégrations), et nous commencerons immédiatement à apprendre de vos anciens tickets, macros et articles du centre d'aide. Pas de migration, pas de préparation des données, pas de tickets d'ingénierie.
Déploiement progressif
Au lieu d'une mise en œuvre de 6 semaines, vous pouvez commencer avec eesel en quelques minutes. Commencez par l'IA qui rédige des réponses que vos agents peuvent examiner. Une fois que vous êtes confiant dans la qualité, passez à l'autonomie complète. Vous contrôlez le rythme en fonction des performances réelles, et non d'un calendrier prédéterminé.
Personnalisation en langage clair
Définissez le comportement en langage naturel sans écrire d'AOP ni d'instructions techniques. Vous voulez changer la façon dont nous traitons les remboursements ? Dites-nous simplement : « Si la demande de remboursement date de plus de 30 jours, refusez poliment et offrez un crédit en magasin. » Pas de code, pas de langages de configuration.
Notre tarification est transparente et évolue avec votre utilisation, et non avec votre effectif. Payez pour les interactions avec l'IA, pas pour les postes.
Choisir la bonne approche de base de connaissances pour votre équipe
Alors, quelle approche est la plus logique pour vous ?
Decagon pourrait être une bonne solution si :
- Vous êtes une grande entreprise avec des opérations de support complexes et multi-produits
- Vous disposez de ressources d'ingénierie à consacrer à la mise en œuvre et à la maintenance
- Vous préférez une approche de service géré et de gants blancs
- Vous avez besoin d'une personnalisation étendue et êtes prêt à investir plus de 6 semaines dans la configuration
eesel AI pourrait être une meilleure solution si :
- Vous voulez démarrer rapidement sans une longue mise en œuvre
- Vous préférez un modèle de coéquipier où l'IA apprend automatiquement de vos données existantes
- Vous voulez commencer de manière supervisée et passer à l'autonomie en fonction des performances
- Vous avez besoin d'une tarification transparente, basée sur l'utilisation, sans cycles de vente d'entreprise
En fin de compte ? Les deux approches peuvent fonctionner. Le bon choix dépend de la taille de votre équipe, de vos ressources techniques, de votre calendrier et du niveau de contrôle que vous souhaitez exercer sur le processus de mise en œuvre.
Foire aux questions
Partager cet article
Article by
Stevia Putri
Stevia Putri is a marketing generalist at eesel AI, where she helps turn powerful AI tools into stories that resonate. She’s driven by curiosity, clarity, and the human side of technology.
