Comment utiliser Freshdesk Freddy AI pour évaluer les lacunes de connaissances des bots en 2025

Il n'y a rien de plus frustrant que de lancer un nouveau robot IA pour le voir échouer. Vous y avez consacré du temps, vous l'avez connecté à votre base de connaissances et vous l'avez activé. Mais voilà que vous entendez dire qu'il donne des réponses étranges, inutiles ou tout simplement fausses. C'est le scénario classique du « à données de mauvaise qualité, résultats de mauvaise qualité », et c'est le signe infaillible que votre IA ne dispose pas des informations dont elle a besoin pour être utile.

Trouver et combler ces lacunes de connaissances est la chose la plus importante que vous puissiez faire pour que votre IA soit performante. C'est ce qui transforme un robot qui agace les clients en un robot qui les aide réellement.

Ce guide vous expliquera exactement comment utiliser les outils de Freshdesk Freddy AI pour évaluer les lacunes de connaissances des robots. Nous aborderons les fonctionnalités natives offertes par Freshdesk, mais nous nous pencherons également sur une méthode plus avancée qui vous permettra d'obtenir de bien meilleurs résultats en simulant les performances de votre IA par rapport à des milliers de questions réelles de clients.

Ce dont vous aurez besoin pour commencer

Avant de nous lancer, voyons rapidement ce que vous devrez avoir sous la main. L'ensemble de ce processus repose sur l'accès à quelques fonctionnalités spécifiques de votre configuration Freshdesk.

• Un compte Freshdesk : Vous devez disposer de leur plan Pro ou Enterprise pour avoir accès à l'agent IA Freddy.

• L'add-on Freddy AI Agent : Il s'agit d'une fonctionnalité payante. La tarification de Freshdesk est basée sur des « sessions », que vous achetez par lots. Pour vous donner une idée, cela coûte environ 100 $ pour 1 000 sessions.

• Accès administrateur : Vous devrez être administrateur de votre compte Freshdesk pour pouvoir explorer les paramètres et les analyses de Freddy AI.

• Une base de connaissances existante : Votre robot Freddy AI doit être connecté à vos articles de solution Freshdesk. Cela lui donne un point de départ de connaissances que nous pouvons vérifier.

Comment trouver les lacunes de connaissances avec les outils de Freshdesk

Freshworks a développé certaines fonctionnalités pour vous aider à identifier les points faibles de votre robot Freddy AI. Le tout consiste à analyser ses données et à utiliser l'outil d'auto-test intégré pour repérer les faiblesses.

Voici comment procéder.

1. Accédez au tableau de bord d'analyse de l'agent IA Freddy

Tout d'abord, vous devez voir comment votre robot se comporte réellement sur le terrain. Rendez-vous dans votre panneau d'administration Freshdesk et trouvez la section d'analyse pour Freddy. Ce tableau de bord vous donne les statistiques clés qui peuvent vous orienter vers les lacunes de connaissances.

Surveillez de près des indicateurs comme ceux-ci :

• Taux de résolution : Combien de chats le robot clôture-t-il réellement de lui-même ? Si ce nombre est bas, c'est un signal d'alarme important.

• Réponses inutiles : Cet indicateur suit chaque fois qu'un utilisateur a cliqué manuellement pour indiquer que la réponse du robot n'était pas utile.

• Questions sans réponse : Cela vous montre chaque requête où le robot a baissé les bras et a dû faire remonter le problème. Ce sont vos lacunes de connaissances les plus évidentes, servies sur un plateau d'argent.

Une capture d'écran du tableau de bord d'analyse de Freshdesk, utilisé avec Freshdesk Freddy AI pour évaluer les lacunes de connaissances des robots.

2. Testez le robot avec la fonctionnalité « s'évaluer lui-même »

Freshdesk dispose d'une fonctionnalité où Freddy peut s'interroger sur ses propres connaissances. Vous pouvez la trouver dans les paramètres de configuration de l'agent IA Freddy. Lorsque vous la lancez, Freddy élabore une liste de questions qu'il juge pertinentes en fonction de vos articles d'aide, puis vous montre comment il y répondrait.

C'est un bon moyen de déceler certaines failles évidentes. Par exemple, si vous avez un article sur votre politique de retour mais rien sur les échanges, l'auto-évaluation pourrait poser une question sur les échanges et échouer, signalant ainsi une lacune claire dans votre documentation.

L'assistant Freddy AI dans le système de tickets automatisé de Freshdesk, qui aide à utiliser Freshdesk Freddy AI pour évaluer les lacunes de connaissances des robots.

3. Analysez en détail les réponses « inutiles » et « sans réponse »

Honnêtement, vos meilleurs retours proviennent directement de vos utilisateurs. Le tableau de bord d'analyse divise les échecs du robot en deux catégories utiles :

• Réponses inutiles : Celles-ci valent de l'or. Un client a pris la peine de vous dire « cela n'a pas aidé ». Passez-les en revue une par une. La réponse était-elle techniquement correcte mais simplement confuse ? Ou était-elle carrément fausse ? Cela vous indique quels articles ont besoin d'une bonne réécriture.

• Questions sans réponse : C'est là que Freddy a tout simplement abandonné. Cette liste est essentiellement votre liste de tâches pour de nouveaux articles de base de connaissances. Si une douzaine de personnes ont demandé comment suivre une commande et que le robot est resté sans voix, vous savez exactement quel article écrire ensuite.

4. Ajoutez ou mettez à jour manuellement vos articles de solution

Après avoir trouvé les lacunes à partir des rapports et des auto-tests, la dernière étape consiste à les corriger. Cette partie est entièrement manuelle. Vous devrez vous rendre dans votre base de connaissances Freshdesk et soit écrire de nouveaux articles de solution, soit modifier ceux qui existent déjà.

Une bonne pratique consiste à créer un nouvel article ciblé pour chaque lacune distincte que vous trouvez. Et voilà, vous avez terminé le processus natif de Freddy pour trouver et corriger les lacunes de connaissances.

Limites des outils d'évaluation natifs de Freshdesk

Suivre les étapes ci-dessus apportera certainement quelques améliorations. Mais si vous essayez d'automatiser une part importante de vos tickets de support, vous vous heurterez probablement assez vite à un mur avec cette approche.

• Les questions simulées ne sont pas de vraies questions : Freddy qui se teste lui-même, c'est un peu comme un étudiant qui rédige son propre examen. Il ne peut tester que ce qu'il sait déjà être au programme. Il ne peut pas imiter les façons désordonnées, étranges et complètement inattendues dont les vrais clients demandent de l'aide. Il n'utilisera pas d'argot, ne fera pas de fautes d'orthographe et ne posera pas de questions sur ce tout nouveau bug qui vient d'apparaître.

• Il ne consulte qu'une seule source de connaissances : Freddy est presque entièrement limité à la consultation de votre base de connaissances officielle de Freshdesk. Mais pensez à l'endroit où se trouvent les vraies réponses dans votre entreprise. La plupart du temps, elles sont enfouies dans un Google Doc, une page Confluence ou dans les notes de résolution d'un ancien ticket de support. Freddy ne peut rien voir de tout cela, ce qui laisse d'énormes angles morts.

• C'est réactif, pas proactif : L'ensemble du processus consiste à attendre que l'IA échoue devant un client (ce qui vous donne une réponse « sans réponse ») ou à effectuer des tests manuels. Il ne vous donne pas une véritable prévision de la performance de votre robot dans des milliers de scénarios réels avant de le laisser parler à un seul client.

Une meilleure façon de trouver les lacunes de connaissances

Bien que les outils de Freddy soient un début, une solution beaucoup plus efficace est une plateforme conçue spécifiquement pour des tests intensifs et une intégration approfondie des connaissances. Au lieu de deviner, vous pouvez utiliser un outil qui vous montre exactement comment votre IA se comportera et où elle trébuchera avant même de la mettre en service.

Testez par rapport à des milliers de tickets réels et historiques

C'est là qu'un outil comme eesel AI brille vraiment. Au lieu de laisser l'IA inventer ses propres questions, le puissant mode de simulation d'eesel AI l'exécute par rapport à des milliers de vos anciens tickets Freshdesk réels.

Il prend de vraies questions de clients et vous montre précisément comment l'IA aurait répondu. Cela vous donne une image étonnamment précise de votre véritable potentiel d'automatisation et vous montre instantanément où vos connaissances sont faibles. Vous ne devinez plus ; vous utilisez votre propre historique comme l'antisèche ultime.

Connectez toutes vos connaissances, où qu'elles se trouvent

La plupart du temps, une « lacune de connaissances » n'est pas du tout une lacune. L'information existe, elle n'est tout simplement pas dans le seul endroit que votre IA est autorisée à consulter.

eesel AI se connecte à plus de 100 sources, vous pouvez donc le brancher à tout, pas seulement à votre centre d'aide. Tirez des connaissances de Google Docs, Confluence, Notion, et même du texte d'anciens tickets de support. Cela donne à votre IA l'accès à toutes les réponses possibles, ce qui réduit massivement le nombre de fois où elle est prise au dépourvu.

Laissez l'IA vous aider à combler les lacunes automatiquement

Corriger les lacunes de connaissances ne devrait pas être une corvée purement manuelle. Après avoir exécuté une simulation, vous obtiendrez un rapport clair des questions que l'IA n'a pas pu traiter. Avec eesel AI, vous pouvez aller plus loin.

La plateforme peut générer automatiquement des ébauches d'articles de base de connaissances à partir de résolutions humaines réussies. Si un agent résout un problème délicat que l'IA n'a pas pu résoudre, eesel AI signale cette conversation et prépare une ébauche d'article basée sur la réponse de l'agent. Cela vous aide à améliorer constamment votre base de connaissances avec des solutions éprouvées, transformant le travail acharné de votre équipe en quelque chose que vous pouvez utiliser encore et encore.

Un exemple du copilote d'eesel AI rédigeant une réponse dans Freshdesk, montrant une alternative à la correction manuelle des problèmes trouvés lorsque vous utilisez Freshdesk Freddy AI pour évaluer les lacunes de connaissances des robots.

Comparaison : Freshdesk Freddy AI vs. eesel AI

Arrêtez de deviner, commencez à simuler

En fin de compte, trouver et corriger les lacunes de connaissances est la seule façon de construire un robot de support IA qui fonctionne vraiment. Bien que l'outil intégré de Freshdesk Freddy AI pour évaluer les lacunes de connaissances des robots vous donne quelques outils de base pour commencer, ses auto-tests et ses sources de connaissances cloisonnées ne vous mèneront pas bien loin. Vous finirez par passer la plupart de votre temps à réagir aux problèmes au lieu de les anticiper.

Une approche plus moderne et efficace consiste à simuler les performances de votre IA par rapport à vos propres données historiques et à rassembler toutes les connaissances de votre entreprise. C'est ainsi que vous construisez un agent IA auquel vous pouvez réellement confier vos clients. Il est temps d'arrêter d'éteindre des incendies et d'adopter une stratégie proactive et basée sur les données.

Passez à l'étape suivante

Prêt à découvrir quel est votre véritable potentiel d'automatisation ? Lancez une simulation gratuite et sans risque sur vos tickets historiques avec eesel AI. Vous pouvez être opérationnel en quelques minutes et obtenir une prévision précise du nombre de tickets que vous pouvez automatiser, ainsi qu'un rapport clair sur les éventuelles lacunes de connaissances à combler.