Évaluation des agents IA sur Front : comment tester et noter votre agent

Kira
Écrit par

Kira

Katelin Teen
Relu par

Katelin Teen

Dernière modification 9 novembre 2026

Vérifié par un expert
Une femme devant un ordinateur portable et un homme avec un presse-papiers aux côtés d'un robot amical, entourés d'une carte liste de contrôle et d'une carte graphique, près d'une forme violette façon logo Front
TL;DR

L'évaluation des agents IA de Front est un outil appelé Compass, et la partie que vous exécutez avant la mise en ligne est son onglet Simulations, qui ne fonctionne que pour les agents Autopilot. Une simulation rejoue une vraie conversation face à des critères que vous écrivez, n'envoie rien aux clients et limite chaque exécution à 10 échanges. Après le lancement, Compass note les réponses en direct avec Smart QA et Smart CSAT. Il vérifie le comportement que vous décrivez, pas si une réponse correspond à votre centre d'aide, donc lisez aussi les transcriptions. Compass n'a pas de coût supplémentaire, alors qu'Autopilot commence à 0,05 $ par conversation.

eesel travaille dans Front comme coéquipier IA de helpdesk qui rédige sous forme de commentaires internes, et chaque déploiement est d'abord simulé sur les propres conversations passées de l'équipe. Avec la eesel CLI, un agent de codage IA peut charger des connaissances approuvées, comme des articles d'aide Front exportés et des réponses enregistrées, puis poser des questions de test et vérifier les réponses avant que rien ne passe en direct. Connecter la boîte Front elle-même nécessite toujours l'approbation d'un admin.

Qu'est-ce que l'évaluation des agents IA de Front, et où se trouve-t-elle ?

C'est Compass, et elle se trouve sur la propre page de l'agent dans les paramètres de l'entreprise. L'article Compass de Front indique qu'il aide les admins à tester les agents IA, mesurer la qualité des conversations, suivre des signaux de performance et obtenir des recommandations. Il vous faut des droits d'admin d'entreprise et un agent existant. Trois onglets font le travail : Simulations pour tester avant le déploiement, Performance pour surveiller la santé, et Replies pour lire chaque message IA.

Le nom a pris quelques mois à se stabiliser, donc les recherches de "scorecards" ou de "rapports d'évaluation" ne mènent nulle part dans la documentation de Front. En août, un community manager de Front a demandé des partenaires de design pour un ensemble d'outils qui "note chaque interaction IA, diagnostique ce qui s'est mal passé et valide les changements avant la mise en ligne". Le 6 octobre, Front a présenté Compass dans ses mises à jour produit, et le récapitulatif du 26 octobre liste l'évaluation des agents et les tests d'agents comme deux lignes distinctes.

Chronologie dessinée à la main de trois étapes d'évaluation Front : Simulations avant la mise en ligne sans rien envoyer, l'onglet Replies pendant que l'agent rédige, et Smart QA et CSAT après résolution
Chronologie dessinée à la main de trois étapes d'évaluation Front : Simulations avant la mise en ligne sans rien envoyer, l'onglet Replies pendant que l'agent rédige, et Smart QA et CSAT après résolution

Je lis l'évaluation en trois couches, et l'image ci-dessus est la façon dont je l'expliquerais à un responsable support. Avant la mise en ligne, vous exécutez des simulations, pendant que l'agent rédige vous lisez l'onglet Replies, et après qu'une conversation est résolue, Smart QA et Smart CSAT la notent. Chaque couche répond à une question différente, ce qui compte pour le widget plus bas.

De quels plans et modules Front a-t-elle besoin ?

Compass lui-même est gratuit, mais ce qu'il évalue ne l'est généralement pas. Le billet de lancement de Front indique que les agents externes sont disponibles sur tous les plans, qu'Autopilot est un module à l'usage sur tous les plans, et que Compass fonctionne pour les deux sans frais supplémentaires. Utiliser Compass avec Autopilot nécessite le module Autopilot.

ÉlémentCe que dit FrontSource
Agents externes (Claude, Codex, Sierra et autres)Disponibles sur tous les plansbillet de lancement de Front
Agents AutopilotModule à l'usage sur tous les plans, à partir de 0,05 $ par conversationtarifs de Front
Compass (Simulations, Performance, Replies)Pas de frais supplémentaires, module Autopilot nécessaire pour les agents Autopilotarticle Compass
Smart QA et Smart CSATInclus dans le dernier plan Enterprise sans surcoûtarticle Smart QA
Siège Enterprise105 $ par siège et par mois, facturé annuellementtarifs de Front

L'article Smart QA ajoute un essai Enterprise de 30 jours pour les équipes sur d'autres plans, lancé depuis le modèle de règle. Ce que la documentation ne dit pas, c'est si un client Professional qui ajoute Autopilot obtient des notes Smart QA sur les réponses de l'IA. L'article Compass dit que Smart QA s'active automatiquement pour les agents IA, et l'article Smart QA dit que c'est une fonctionnalité Enterprise, donc demandez à Front avant de budgéter autour de ça. Mon billet tarifs de Front a les chiffres par siège, et Front AI couvre la gamme de produits plus large.

Comment fonctionnent les simulations Front ?

Vous construisez un set de conversations de test, donnez des critères à chacune, puis les exécutez. Un set est un groupe nommé de simulations liées que vous réexécutez comme référence après chaque changement, selon l'article Compass. Les étapes :

  1. Ouvrez l'agent, sélectionnez Simulations et cliquez sur Create set. Nommez-le et choisissez éventuellement une grille Smart QA.
  2. Cliquez sur Create simulation. Choisissez une conversation ouverte récente dans les boîtes sélectionnées, ou saisissez un ID de conversation ou de ticket.
  3. Ajoutez des critères de simulation, puis cliquez sur Create and run.
  4. Pour de nombreuses conversations à la fois, collez des ID séparés par des virgules. Chacun devient sa propre simulation, et Run set les exécute toutes.
Page Simulations de Front avec un panneau de résultats montrant 0 sur 1 réussi et une simulation Reply and resolution marquée Fail avec 1 critère sur 2 réussi, tirée du Front Help Center
Page Simulations de Front avec un panneau de résultats montrant 0 sur 1 réussi et une simulation Reply and resolution marquée Fail avec 1 critère sur 2 réussi, tirée du Front Help Center

Le panneau de résultats ci-dessus compte les réussites, les échecs, l'absence de résultat, les régressions et les corrections. L'article d'aide de Front indique que chaque conversation s'exécute contre l'agent avec un client simulé, limitée à 10 échanges, et que les exécutions sont illimitées. Rien n'atteint un vrai client, aucune conversation en direct ne change, et les analyses restent intactes.

Les critères sont là où se trouve le travail. Vous écrivez un nom et une description du comportement attendu, cliquez sur Generate scale pour obtenir des conditions de réussite et d'échec, et un validateur signale tout ce qui est vague, regroupé ou invérifiable jusqu'à ce que ça devienne "Good definition". Front suggère trois critères de départ : l'agent n'affirme jamais avoir fait une action qu'il n'a pas faite, il escalade quand il le faut, et il n'escalade pas quand il ne le faut pas. Ce sont les trois mêmes défauts que je mettrais dans le premier set de test de n'importe quel agent de support.

Que peut voir une simulation Front, et que ne peut-elle pas voir ?

C'est la limite qui compte le plus. Une simulation juge le comportement à partir de preuves visibles, et l'article Compass liste ce que sont ces preuves. Le validateur peut voir les messages envoyés, les notes internes, les tags, les déplacements de boîte, l'attribution, le statut du ticket, les appels de connecteur et comment la conversation s'est terminée. Il ne peut pas voir le contenu ou l'ordre d'un Playbook, le corps d'un article de connaissance, les champs personnalisés, les fiches de contact, les brouillons ou les pièces jointes.

Liste dessinée à la main sur deux colonnes : une simulation voit les messages envoyés, les tags, l'attribution et les transferts, et ne voit pas le texte des articles, les étapes du Playbook, les champs personnalisés ni les instructions
Liste dessinée à la main sur deux colonnes : une simulation voit les messages envoyés, les tags, l'attribution et les transferts, et ne voit pas le texte des articles, les étapes du Playbook, les champs personnalisés ni les instructions

Les instructions de l'agent, les lignes directrices et les réglages de ton sont aussi cachés, sauf si l'agent s'y réfère sans les énoncer. La FAQ de Front dit clairement que les critères ne peuvent pas vérifier les réponses contre des sources de connaissance ou des Playbooks, donc son conseil est d'écrire des critères basés sur le comportement et de lire la transcription pour l'exactitude. Une simulation réussie prouve que l'agent s'est comporté comme vous l'avez décrit, pas que sa réponse était correcte. L'article classe le ton et le formatage comme le travail de la grille Smart QA et dit de les garder hors des critères.

Pour une question de remboursement, cela veut dire que "escalade vers une personne quand le client demande un remboursement" est un bon critère, et que "cite la bonne fenêtre de 30 jours" n'est pas testable, parce que le texte de l'article est invisible pour le validateur. Le second, vous le repéreriez en lisant la transcription, et mon guide sur l'adversarial testing ainsi que les entrées du glossaire sur AI hallucination et AI grounding expliquent pourquoi cette lecture compte.

Comment lire le résultat d'une simulation ?

Vous ouvrez une simulation, et vous obtenez la transcription, les critères et un verdict. L'article de Front indique que la vue détaillée montre un aperçu de conversation et des résultats, avec l'historique des exécutions et des réexécutions dans le menu à trois points, et des flèches qui comparent l'exécution actuelle aux précédentes pour montrer progrès ou régressions.

Détail de simulation Front pour un test d'annulation de réservation montrant 5 critères sur 5 réussis, un critère Was reply sent marqué comme corrigé depuis son exécution précédente, et une grille Smart QA avec Compréhension, Solution proposée, Ton 5 sur 5 et Concision, tirée du Front Help Center
Détail de simulation Front pour un test d'annulation de réservation montrant 5 critères sur 5 réussis, un critère Was reply sent marqué comme corrigé depuis son exécution précédente, et une grille Smart QA avec Compréhension, Solution proposée, Ton 5 sur 5 et Concision, tirée du Front Help Center

Sur la capture, un critère qui a échoué à la dernière exécution et réussi à celle-ci porte une infobulle disant qu'il a été corrigé, et la grille Smart QA est attachée en dessous. C'est la boucle pour laquelle Front conçoit : changer les instructions ou la connaissance, réexécuter le même set, et surveiller à la fois les régressions et les corrections. Smart QA n'évalue que les réponses, donc si l'agent reste correctement silencieux et escalade, la grille ne s'applique pas, mais vos critères si.

Que mesure Compass une fois l'agent en direct ?

Compass note chaque réponse comme Pas de signal, Bonne, Correcte ou Mauvaise, construite à partir de cinq signaux. L'article Compass les nomme :

  • Smart CSAT. S'exécute automatiquement sur les réponses IA dans les conversations résolues et déduit la satisfaction. Les coéquipiers humains ne sont pas évalués par cette voie.
  • Smart QA. S'exécute 24 heures après la résolution sur les réponses IA, avec une grille par défaut de Concision, Ton, Solution proposée et Compréhension.
  • Niveau d'édition du brouillon. Détecte si un brouillon IA a été envoyé tel quel, légèrement édité, fortement édité ou abandonné.
  • Retour des coéquipiers. Pouce levé ou baissé sur les brouillons et les réponses, avec des détails optionnels que seuls les admins peuvent voir.
  • Retour déduit. L'IA de Front déduit un signal à partir des corrections ou des éditions lourdes.

L'onglet Performance réunit tout cela avec des métriques de résolution et d'implication et une liste appelée Opportunities. Front dit que cela aide à juger si un agent est assez sain pour élargir sa couverture ou passer des brouillons aux réponses automatiques, et ce qu'il faut corriger en premier.

Onglet Performance de Front pour un Travel Agent montrant des métriques clés incluant CSAT 4,1 et un score Smart QA de 99,4 pour cent, avec une carte Opportunities sur des détenteurs de passeport américain ayant besoin d'un visa pour le Brésil et un panneau latéral proposant Create note ou Add external source, tirée du Front Help Center
Onglet Performance de Front pour un Travel Agent montrant des métriques clés incluant CSAT 4,1 et un score Smart QA de 99,4 pour cent, avec une carte Opportunities sur des détenteurs de passeport américain ayant besoin d'un visa pour le Brésil et un panneau latéral proposant Create note ou Add external source, tirée du Front Help Center

Une Opportunity montre un résumé, un type de lacune et le nombre de réponses concernées, et la correction suggérée pointe en général vers la connaissance ou les instructions de l'agent. Dans l'exemple de Front, les réponses sur une exigence de visa pour le Brésil étaient fausses, et le panneau propose de créer une note ou d'ajouter une source externe. L'onglet Replies liste chaque brouillon et réponse automatique avec des filtres par boîte, type de réponse, sujet et signal, et montre les sources derrière chacun. Si vous vous appuyez sur CSAT comme métrique principale, rappelez-vous qu'il est déduit ici, et mon billet AI CSAT explique jusqu'où lui faire confiance.

Les articles Smart QA et Smart CSAT de Front fixent les limites. Seules les conversations de boîte partagée comptent, chacune nécessite au moins un message entrant et un sortant, et la conversation doit être Resolved ou Archived. L'anglais est la seule langue officiellement prise en charge. Les règles ne sont pas rétroactives, donc l'historique antérieur à l'existence d'une règle n'est pas noté. Front rapporte environ 99 % de précision sur le contenu factuel pour Smart QA et environ 90 % d'alignement avec le CSAT client pour Smart CSAT, qui sont les propres chiffres de Front.

L'évaluation fonctionne-t-elle pour des agents externes comme Claude ou Sierra ?

En partie. Le billet de lancement de Front dit que Compass évalue chaque conversation traitée par des agents sur Autopilot ou chez un autre fournisseur, et que Compass est gratuit pour les deux. L'article Compass dit que le test des agents, l'onglet Simulations, est réservé aux agents Autopilot, et pour les agents externes les sources de l'onglet Replies sont la connaissance transmise via le MCP. Un agent externe obtient donc une notation en direct, mais vous le testez avec votre propre système avant de le connecter. Le billet de lancement de Front cite un client, Next Level Sports, disant que Compass donne à ses équipes support et ingénierie un seul endroit pour revoir les réponses IA et mesurer la qualité.

Quel outil Front répond à quelle question ?

Choisissez la question que vous essayez de répondre, et l'outil change. Ce widget est mon propre résumé des articles de Front, donc la dernière ligne de chaque panneau indique où lire le détail.

Je veux savoir...

Onglet Simulations. Rejoue une conversation face à vos critères avec un client simulé, rien n'est envoyé, 10 échanges par exécution. Agents Autopilot uniquement.
Smart QA. Note les réponses IA contre une grille 24 heures après la résolution. Les critères par défaut sont Concision, Ton, Solution proposée et Compréhension.
Smart CSAT. Déduit la satisfaction à partir du sentiment, de l'effort et de la résolution. Elle est ignorée quand un score CSAT client existe déjà, et l'anglais est la langue prise en charge.
Niveau d'édition du brouillon. Montre si un brouillon est sorti tel quel, légèrement édité, fortement édité ou abandonné. Les éditions lourdes alimentent aussi le retour déduit.
Opportunities. Dans l'onglet Performance, les mauvaises réponses deviennent des éléments avec un type de lacune et un nombre de réponses, pointant généralement vers la connaissance ou les instructions.
Rule testing. Une fonctionnalité séparée sur tous les plans qui fait passer une conversation par les conditions et actions d'une règle. Elle teste la règle, pas les réponses de l'agent IA.

Rule testing est l'exception, c'est pour ça que je le liste. L'article rule testing de Front vérifie si une conversation passe les conditions et actions d'une règle, sur n'importe quel plan, avec l'option de construire une conversation simulée de zéro. Cela vaut la peine de l'exécuter sur la règle qui assigne les conversations à votre agent, comme l'explique mon billet Front load balancing pour les limites d'attribution.

Comment déployer un agent IA Front avec ces outils ?

Commencez par des brouillons, testez par sets, et n'élargissez que quand les signaux s'accordent. L'article sur les agents Autopilot de Front décrit un agent rédacteur qui crée des brouillons sur les nouvelles conversations, configuré avec des consignes de rédaction uniquement et une règle construite à partir du modèle Assign to AI agent. À partir de là :

  1. Construisez un set de 15 à 20 conversations. Mélangez des questions simples, des demandes de remboursement, des clients fâchés et des choses que l'agent devrait refuser. Front dit qu'un échantillon varié donne une couverture plus large, et je puiserais dans votre dernier mois de trafic réel.
  2. Ajoutez les trois critères de départ. N'affirme jamais avoir fait une action qu'il n'a pas faite, escalade quand il le faut, n'escalade pas quand il ne le faut pas.
  3. Exécutez, lisez chaque transcription, corrigez, réexécutez. Surveillez les flèches de régression après chaque changement d'instructions ou de connaissance.
  4. Passez en direct comme agent rédacteur. Vérifiez l'onglet Replies pour le niveau d'édition du brouillon et les pouces des coéquipiers, pas seulement le score moyen.
  5. Faites passer les sujets aux réponses automatiques un par un. Utilisez l'onglet Performance et la liste Opportunities pour décider, et gardez règles et objectifs de temps comme tableau de bord. Mes billets Front time goal rules et SLA best practices couvrent ce volet.

Le comportement de transfert mérite ses propres critères. Si l'agent escalade, la conversation doit arriver à la bonne personne avec du contexte, ce que mes billets AI agent handoff best practices et AI escalation détaillent. Le glossaire a des entrées sur escalation rate et AI guardrails.

Que ne dit pas la documentation de Front sur l'évaluation des agents IA ?

Pas mal de choses, et chaque lacune est quelque chose que je demanderais à Front ou que je testerais avant de m'y fier.

  • Restriction de plan pour Smart QA sur les réponses IA. Inclus dans Enterprise selon un article, activé automatiquement selon un autre, et aucune page ne réconcilie cela pour un client Professional avec Autopilot.
  • Si les simulations appellent des systèmes en direct. Le validateur peut voir les appels de connecteur, mais la documentation ne dit pas si une exécution simulée touche de vrais outils ou des outils isolés.
  • Un seuil de réussite. Il n'y a pas de taux de réussite ou de taille de set suggérée au-delà de "utiliser un échantillon varié".
  • Comparaison avec ce qu'a envoyé votre équipe. Les critères décrivent le comportement. L'article ne décrit pas de notation contre la réponse qu'une personne a réellement écrite sur cette conversation.
  • Langues dans Compass. L'article Compass n'en dit rien. Les articles Smart QA et Smart CSAT disent que seul l'anglais est officiellement pris en charge.
  • Export ou accès API. Je n'ai trouvé aucune mention d'export des résultats de simulation ni d'exécution de sets via l'API.
  • Voix extérieures. Le billet Compass de Front dans la communauté avait 0 réponse et 122 vues quand je l'ai lu, donc je n'ai pas encore d'avis de praticien à citer.

Rien de tout cela ne fait de Compass un outil faible. Un simulateur basé sur des critères avec validateur, historique d'exécutions et flèches de régression est un vrai système de test. C'est une conception différente du rejeu de l'historique, qui est la comparaison qui m'intéresse ensuite.

Comment eesel teste-t-il un agent IA avant qu'il ne réponde aux clients Front ?

eesel teste contre vos propres conversations passées, et Front teste contre des critères que vous écrivez. Les deux sont complémentaires, et je ne choisirais pas l'un pour cette seule raison. La simulation eesel rejoue des tickets passés avec l'envoi désactivé, rédige une réponse pour chacun, la compare à ce que votre équipe a réellement envoyé, regroupe les résultats par thème et classe les corrections par impact. Le rapport sépare les correspondances, les correspondances partielles, les transferts corrects et les échecs nets. L'exemple de la propre documentation d'eesel compte 20 tickets résolus, dont 17 correspondent à la qualité de réponse de l'équipe.

Simulations Front CompassSimulation eesel
Ce qui est testéComportement contre des critères que vous écrivezRéponses contre ce que votre équipe a réellement envoyé
Entrée de testID de conversation de vos boîtesTickets passés, ou cas générés sans helpdesk
Côté clientClient simulé, 10 échanges maximumUne réponse rédigée par ticket passé
S'applique àAgents Autopilot uniquementL'agent eesel
Envoie aux clientsNonNon
Après une exécutionRéexécuter le set, lire les flèchesCorrections enregistrées comme règles en phrases simples, puis réexécuter

Le client simulé multi-tours de Front est ce que le rejeu d'eesel ne reproduit pas, et la propre page de simulation d'eesel dit que les chats multi-tours avec des personas joués par IA sont mieux servis par le propre simulateur d'un helpdesk. À l'inverse, l'article de Front ne décrit pas de vérification d'une réponse contre une réponse de référence, ce qui est là où le rejeu de l'historique aide.

La partie gagnée, pour moi, est l'ordre du déploiement. eesel fait tourner de l'IA sur des files de support en direct depuis des années, et l'habitude qui est restée, c'est que rien ne répond à un client avant d'avoir été rejoué sur le propre historique de cette équipe puis rédigé sur des tickets en direct pendant une à deux semaines. Norden-Frisia, une compagnie de ferries allemande, a utilisé une semaine d'essai avec les trois derniers mois de tickets et de macros avant de s'abonner. Textla a commencé par un essai où eesel ne laissait que des notes internes pour que l'équipe voie ce qu'il aurait dit, et Innr vérifie encore chaque brouillon et travaille vers des réponses autonomes pour un ensemble choisi de sujets. Aucun des trois n'utilise Front, donc lisez cela comme la même méthode sur d'autres helpdesks.

Sur Front, les documents d'intégration d'eesel listent des déclencheurs pour un message client, un premier message, une mention @eesel et une conversation archivée, avec des actions pour répondre, laisser un commentaire interne, taguer, assigner, mettre à jour des champs et archiver. La documentation recommande de commencer par des commentaires internes et ne décrit pas de simulation spécifique à Front, donc j'exécuterais le rejeu sur un petit lot et je lirais le rapport. La CLI aide dans cette boucle. eesel files upload ./refund-policy.pdf ajoute de la connaissance approuvée, eesel chat "what's our refund policy?" teste une réponse, eesel approvals liste les actions en attente, et --dry-run montre un aperçu d'une écriture. La documentation de la CLI ne mentionne pas de simulations, donc ces exécutions se font dans le dashboard.

Essayez eesel dans votre boîte Front

Si vous voulez la version de ce processus centrée sur le rejeu, eesel rejoint votre boîte partagée Front comme coéquipier IA de helpdesk. Il lit votre centre d'aide et vos conversations passées, rédige des réponses sous forme de commentaires internes, et peut taguer et assigner, donc votre équipe revoit de vrais brouillons avant que rien ne soit envoyé. Exécutez la simulation sur votre propre historique, gardez vos règles et objectifs de temps comme tableau de bord, et élargissez vers des réponses directes une fois que les brouillons correspondent à ce qu'écrirait une personne. Les plans payants commencent à 299 $ par mois pour 500 crédits, et il existe un plan gratuit avec 100 crédits pour l'essayer sur quelques vraies conversations (tarifs eesel).

Une conversation Front où eesel a laissé sa réponse rédigée comme commentaire interne pour que l'équipe la revoie et l'envoie, comme montré dans la documentation eesel
Une conversation Front où eesel a laissé sa réponse rédigée comme commentaire interne pour que l'équipe la revoie et l'envoie, comme montré dans la documentation eesel

Pour la configuration, voir mon guide adding AI to Front, le comparatif best AI for Front et Front vs eesel. Pour comparer les outils, voir mon Front review et Front alternatives. Pour le reste de la configuration Front, Front ticket status rules, Front shared inbox ownership et Front required resolution fields montrent où atterrit le travail d'un agent, et le glossaire explique shared inbox, support quality assurance et resolution rate. Try eesel sur quelques vraies conversations avant de décider.

Questions fréquentes

Comment évaluer l'agent IA de Front avant sa mise en ligne ?
Ouvrez l'agent dans les paramètres de l'entreprise, allez dans l'onglet Simulations et créez un set. L'article Compass de Front vous permet d'ajouter de vraies conversations par ID, d'écrire des critères de comportement comme "escalade quand il le faut" et d'exécuter le set. Les simulations ne fonctionnent que pour les agents Autopilot. Mon guide sur AI support simulation testing explique comment construire un bon set de test.
L'évaluation des agents IA sur Front coûte-t-elle un supplément ?
Front indique que Compass ne facture rien en plus, ni pour Autopilot ni pour les agents externes, mais Autopilot lui-même est un module à l'usage qui commence à 0,05 $ par conversation selon sa page de tarifs. Smart QA et Smart CSAT sont inclus dans Enterprise, listé à 105 $ par siège et par mois facturé annuellement. Mon décompte dans Front pricing détaille le calcul par siège.
Puis-je exécuter des simulations sur un agent IA externe dans Front ?
Pas d'après la documentation. L'article Compass indique que le test des agents est réservé aux agents Autopilot. Le billet de lancement de Front dit que Compass note les conversations des agents sur Autopilot ou chez un autre fournisseur, donc un agent externe obtient une notation en direct mais pas d'onglet Simulations. Mon comparatif best AI for Front compare les options.
Une simulation Front envoie-t-elle quelque chose à mes clients ?
Non. La FAQ de Front indique qu'aucune réponse n'est envoyée, qu'aucune conversation en direct n'est modifiée, que les clients ne voient jamais les résultats et que les analyses ne sont pas affectées. Chaque conversation simulée est limitée à 10 échanges. Si vous voulez ensuite que les brouillons apparaissent sur des tickets en direct, lisez how to add AI to Front.
Que note Front Smart QA sur les réponses d'un agent IA ?
Dans Compass, Smart QA s'exécute 24 heures après la résolution sur les réponses IA, et sa grille par défaut comprend Concision, Ton, Solution proposée et Compréhension. Vous pouvez modifier les critères dans les paramètres de Smart QA, et Front indique que la notation IA elle-même ne peut pas être rendue plus stricte ou plus souple. Mon billet best AI QA assistant compare les outils de notation.
Front évalue-t-il les réponses IA dans des langues autres que l'anglais ?
Les articles Smart QA et Smart CSAT indiquent que seul l'anglais est officiellement pris en charge et que d'autres langues peuvent donner des résultats inattendus. L'article Compass ne mentionne pas les langues du tout, donc une équipe multilingue devrait d'abord tester ses propres langues. Mon guide AI hallucinations in support explique quoi vérifier.
En quoi Compass diffère-t-il du centre de réponses IA ?
Le centre de réponses IA est un onglet historique qui liste les brouillons IA et les réponses envoyées avec leurs sources. L'article de Front sur ce centre indique que les clients qui vérifient les réponses IA après le 6 octobre 2026 devraient utiliser Compass, dont l'onglet Replies remplit le même rôle et ajoute des signaux de qualité. Voir Front AI Copilot pour le côté rédaction.
Comment eesel teste-t-il un agent IA avant qu'il ne réponde aux clients Front ?
La simulation d'eesel rejoue vos conversations passées à travers l'agent et note chaque réponse par rapport à ce que votre équipe a réellement envoyé, sans rien envoyer aux clients. Son intégration Front rédige ensuite d'abord sous forme de commentaires internes. Les détails sont sur la page eesel Front integration, et mon billet AI support agent testing détaille le plan de déploiement complet.

Share this article