Un guide pratique de Salesforce AI Apex en 2025

Si vous êtes un développeur ou un administrateur Salesforce, vous ne pouvez pas échapper à l'effervescence autour de l'IA. Cette conversation nous ramène presque toujours à Apex, le langage qui exécute toute la logique personnalisée dans nos orgs. Désormais, c'est aussi notre sésame pour créer des fonctionnalités basées sur l'IA.

Mais voilà le hic : "Salesforce AI Apex" n'est pas une seule et même chose. Il s'agit en réalité de deux concepts complètement différents. D'une part, vous avez une IA qui essaie d'écrire du code Apex pour vous. D'autre part, vous avez du code Apex que vous écrivez pour faire appel à des modèles d'IA, alimentant des automatisations intelligentes à l'intérieur de votre org.

Les deux ont leur place, mais ce second chemin, celui de la création d'automatisations véritablement intelligentes, est semé d'embûches cachées qui peuvent mettre un projet à l'arrêt brutal. Dans ce guide, nous examinerons les deux facettes de la médaille, explorerons les casse-têtes liés à la création d'IA de manière native et vous présenterons une alternative beaucoup plus saine et plus puissante.

Qu'est-ce que Salesforce AI Apex pour le développement ?

"IA Salesforce" est en réalité un terme fourre-tout désignant un ensemble d'outils et d'API différents. Lorsque vous parlez de développement Apex, vous rencontrerez principalement deux types d'IA.

Une capture d'écran de la page de présentation de l'IA Salesforce, illustrant les différents outils et API disponibles.

Einstein for Developers : l'assistant de codage

Premièrement, vous avez les outils conçus pour vous aider à écrire du code plus rapidement. Considérez-les comme un acolyte de codage. Le plus important ici est Einstein for Developers. Il a été créé pour résoudre un problème que beaucoup d'entre nous ont rencontré : les IA généralistes comme ChatGPT ne comprennent tout simplement pas Salesforce. Elles généreront avec assurance du code Apex qui est en réalité du Java déguisé ou produiront du code LWC qui casse le shadow DOM.

Une capture d'écran de la page d'accueil d'Einstein for Developers, présentant ses fonctionnalités pour le développement avec Salesforce AI Apex.

Einstein for Developers vise à résoudre ce problème en étant entraîné sur les propres langages de Salesforce. Ses principales fonctionnalités incluent :

• Langage naturel vers code : Vous lui dites ce que vous voulez en anglais simple, et il produit une fonction Apex.

• Auto-complétion de code : Il vous donne des suggestions de code en temps réel pendant que vous tapez, directement dans votre IDE.

• Génération de cas de test : Il peut écrire des tests unitaires pour vos classes Apex, ce qui peut être un gain de temps considérable.

C'est un bon début, mais comme vous le découvrirez, ce n'est pas une solution miracle. Il agit plus comme un développeur junior qui a besoin d'une supervision constante.

Oui, c'est le plus gros problème. Ils n'ont pas une compréhension assez profonde des bizarreries d'Apex ou des limites de gouverneur. Il vous donnera avec assurance un code qui semble plausible mais qui plantera dès qu'il arrivera dans une org réelle. L'outil Einstein for Developers de Salesforce s'améliore car il est spécifiquement entraîné sur leurs propres données. J'ai aussi trouvé que GitHub Copilot est un peu plus fiable que ChatGPT de base, mais il faut quand même le surveiller. L'essentiel est de lui donner beaucoup de contexte. Il faut pratiquement lui fournir toute la classe et lui dire spécifiquement de faire attention aux SOQL dans les boucles ou à d'autres limites courantes. Ça permet d'économiser de la frappe mais on ne peut pas lui faire confiance pour écrire une fonctionnalité complète.

Reddit

Vous devez toujours lui fournir une tonne de contexte et examiner attentivement tout ce qu'il produit. Il vous fait gagner du temps de frappe, mais vous ne pouvez pas vraiment lui donner une demande de fonctionnalité et vous en aller.

L'API Models : utiliser Apex pour l'automatisation par l'IA

C'est là que les choses deviennent vraiment puissantes. Cette deuxième approche ne consiste pas à écrire du code ; il s'agit d'utiliser Apex pour appeler des grands modèles de langage (LLM) afin d'intégrer des fonctionnalités d'IA générative directement dans vos automatisations Salesforce.

L'outil principal pour cela est l'API Models de Salesforce, accessible via la classe aiplatform.ModelsAPI en Apex. Cela débloque la possibilité de créer des automatisations personnalisées vraiment géniales qui peuvent :

• Résumer l'historique d'un cas de support incroyablement long et complexe.

• Rédiger un e-mail personnalisé pour un client avec le ton juste.

• Déterminer si les commentaires d'un client issus d'une enquête sont positifs ou négatifs.

• Créer des plongements vectoriels à partir de vos articles de la base de connaissances pour construire une recherche plus intelligente.

C'est là que vous pouvez avoir un réel impact sur l'entreprise. Mais, comme nous allons le voir, c'est aussi là que les vrais maux de tête commencent. Voici un aperçu rapide de ce à quoi ressemble un appel de base en Apex :

// Un exemple simplifié pour générer du texte  

aiplatform.ModelsAPI.createGenerations_Request request = new aiplatform.ModelsAPI.createGenerations_Request();  

request.modelName = 'sfdc_ai__DefaultOpenAIGPT4OmniMini';  

aiplatform.ModelsAPI_GenerationRequest requestBody = new aiplatform.ModelsAPI_GenerationRequest();  

requestBody.prompt = 'Rédiger un e-mail de suivi à un client qui a signalé un problème de facturation.';  

request.body = requestBody;  

try {  

    aiplatform.ModelsAPI modelsAPI = new aiplatform.ModelsAPI();  

    aiplatform.ModelsAPI.createGenerations_Response response = modelsAPI.createGenerations(request);  

    System.debug('Brouillon d\'e-mail généré : ' + response.Code200.generation.generatedText);  

} catch(aiplatform.ModelsAPI.createGenerations_ResponseException e) {  

    System.debug('Une erreur est survenue : ' + e);  

}  

Ce petit extrait donne l'idée, mais passer de là à une fonctionnalité fiable et prête pour la production est un chemin beaucoup plus long.

Créer des automatisations IA avec Salesforce AI Apex

Ok, nous savons donc que nous pouvons utiliser Apex pour communiquer avec un LLM. Voyons concrètement ce qu'il faut pour créer une fonctionnalité d'IA utile avec cette approche native.

Le processus natif et sa promesse

Le flux de travail typique d'un développeur ressemble à ceci : écrire une classe Apex, appeler l'ModelsAPI, élaborer soigneusement une requête avec une invite super détaillée, l'envoyer, puis analyser la réponse pour l'utiliser dans un déclencheur, un flux ou un LWC.

La promesse est un contrôle total. Vous pouvez intégrer l'IA profondément dans votre configuration Salesforce existante. Mais ce contrôle a un prix très, très élevé.

Les casse-têtes cachés de l'approche native

Une fois que vous commencez à construire, vous vous heurtez à un mur de problèmes pratiques qui vous ralentissent, frustrent vos collègues du métier et introduisent une quantité surprenante de risques.

• Des cycles de développement terriblement lents : Chaque fonctionnalité d'IA, aussi petite soit-elle, nécessite qu'un développeur écrive, teste et déploie du nouveau code Apex. Si l'équipe de support veut changer le ton d'un e-mail automatisé, c'est un ticket de développement. Si le marketing a besoin de peaufiner une invite de résumé, c'est un autre ticket. Cela crée un goulot d'étranglement massif et rend impossible pour les équipes métier d'expérimenter et d'améliorer les résultats de l'IA par elles-mêmes.

• Des connaissances déconnectées : L'API Models n'est qu'un tuyau vers un LLM générique. Il ne sait rien des produits de votre entreprise, de vos politiques internes ou des conversations passées avec les clients. Pour obtenir des réponses utiles, vous devez lui fournir le contexte au compte-gouttes. Construire un système pour cela (un processus appelé Génération Augmentée par Récupération, ou RAG) est un projet d'ingénierie monstrueux. Cela signifie écrire des appels Apex personnalisés pour extraire des données de sources comme Confluence, Google Docs, votre centre d'aide, et des cas Salesforce passés, tout ça juste pour poser une seule question.

Diagramme Mermaid

graph TD  

    A[Requête utilisateur dans Salesforce] --> B{Appel Apex};  

    B --> C[Récupérer données de Confluence];  

    B --> D[Récupérer données de Google Docs];  

    B --> E[Récupérer données du Centre d'aide];  

    B --> F[Récupérer données des cas passés];  

    C --> G{Combiner & Ajouter Contexte};  

    D --> G;  

    E --> G;  

    F --> G;  

    G --> H[Envoyer au LLM via l'API Models];  

    H --> I[Recevoir réponse du LLM];  

    I --> J[Afficher à l'utilisateur dans Salesforce];  

• Des flux de travail rigides et ingérables : Toute votre logique d'IA est enfouie dans le code Apex. Il n'y a pas de tableau de bord convivial où un responsable du support ou un chef de projet informatique peut gérer le comportement de l'IA. Ils ne peuvent pas définir de nouvelles règles d'escalade, ajuster la personnalité de l'IA ou lui dire quelles questions éviter sans soumettre une demande et attendre le prochain sprint de développement.

• Un manque total de tests et de simulation : Comment savoir si votre toute nouvelle invite de "résumé de cas" fonctionnera bien sur des milliers de cas réels ? Avec une approche purement Apex, vous ne le savez pas. Il n'y a aucun moyen de simuler les performances de l'IA sur des données historiques avant de passer en production. Vous déployez essentiellement en espérant que tout se passe bien, ce qui est une perspective terrifiante pour toute automatisation en contact avec le client.

• Tarification et gouvernance opaques : La tarification de Salesforce pour ses outils d'IA est souvent cachée derrière un bouton "Contacter le service commercial", ce qui rend presque impossible de prévoir les coûts. De plus, essayer de gérer les limites de taux d'API, la sécurité et les différents modèles d'IA pour chaque fonctionnalité personnalisée se transforme rapidement en un cauchemar de gouvernance.

Une capture d'écran de la page de tarification de Salesforce, mettant en évidence le bouton « Contacter le service commercial » pour les outils d'IA.

Une meilleure approche : l'unification avec une plateforme d'IA dédiée

La bonne nouvelle, c'est que vous n'avez pas à construire toute cette plomberie à partir de zéro. Au lieu de vous enliser dans d'interminables projets Apex, vous pouvez utiliser une plateforme d'IA dédiée qui fait le gros du travail pour vous.

Présentation d'eesel AI : le moteur d'automatisation en libre-service

C'est là qu'un outil comme eesel AI entre en jeu. Ce n'est pas un remplacement de Salesforce ; c'est une plateforme intelligente et en libre-service qui s'y connecte directement. Son rôle est de se connecter à toutes les connaissances de votre entreprise, de vous offrir un moteur de flux de travail puissant mais convivial, et de vous permettre de construire, tester et déployer des agents d'IA sans écrire une seule ligne de code.

Une capture d'écran de la page d'accueil d'eesel AI, présentant le moteur d'automatisation en libre-service.

Comment eesel AI résout les défis du développement natif

Revenons sur ces casse-têtes cachés et voyons comment une plateforme comme eesel AI résout chacun d'entre eux.

• Mise en service en quelques minutes, pas en mois : Au lieu de passer des semaines sur un projet Apex personnalisé, eesel AI utilise des intégrations en un clic. Vous pouvez connecter Salesforce, votre centre d'aide et d'autres bases de connaissances et avoir un agent d'IA fonctionnel en quelques minutes. Le tout est en libre-service, vous n'avez donc pas à subir un appel commercial ou à attendre un long processus d'intégration.

• Unifiez les connaissances instantanément : Oubliez ce système RAG compliqué que vous redoutiez de construire. eesel AI se connecte à vos connaissances où qu'elles se trouvent, que ce soit dans les cas Salesforce, Confluence, Google Docs, ou plus de 100 autres sources. Il donne automatiquement à l'IA le contexte dont elle a besoin pour fournir des réponses précises et pertinentes dès le premier jour.

Une infographie démontrant comment eesel AI unifie les connaissances de plusieurs sources pour améliorer les capacités de Salesforce AI Apex.

• Un contrôle total pour tous : Avec eesel AI, les utilisateurs métier disposent d'un éditeur d'invites puissant et d'une interface sans code pour définir la personnalité de l'IA, établir des règles et déclencher des actions (comme étiqueter un ticket dans Zendesk ou escalader un cas). Cela permet aux équipes qui connaissent réellement les flux de travail de gérer elles-mêmes l'IA, vous libérant ainsi pour travailler sur des problèmes plus complexes.

• Testez en toute confiance : C'est un avantage énorme. eesel AI dispose d'un mode de simulation puissant qui vous permet de tester votre configuration d'IA sur des milliers de vos tickets Salesforce historiques réels. Vous pouvez voir exactement comment elle aurait répondu, obtenir des prévisions solides sur les taux de résolution et calculer votre retour sur investissement potentiel avant de l'activer. Fini les suppositions risquées.

Une capture d'écran montrant le mode de simulation d'eesel AI, une fonctionnalité clé pour tester les automatisations Salesforce AI Apex.

Salesforce AI Apex : Misez sur l'automatisation intelligente, pas seulement sur le code complexe

Quand on parle de "Salesforce AI Apex", il est important de séparer les deux mondes : l'IA qui vous aide à écrire du code et l'IA qui alimente votre entreprise.

Bien que les assistants de codage IA s'améliorent, la vraie valeur pour la plupart des entreprises provient de la création d'automatisations intelligentes. La voie native, qui consiste à les construire de A à Z avec Apex et l'API Models, est lente, rigide et étonnamment risquée. Elle vous oblige à consacrer énormément de temps de développement juste pour construire les pièces fondamentales dont tout bon système d'IA a besoin.

Une plateforme dédiée comme eesel AI offre une voie plus rapide, plus flexible et finalement plus puissante. Elle s'occupe des parties fastidieuses comme l'intégration des connaissances, les tests et la gestion des flux de travail, afin que vous puissiez vous concentrer sur ce qui compte vraiment : livrer des automatisations intelligentes qui font gagner du temps aux gens et rendent les clients plus heureux.

Cette vidéo explique comment surcharger votre code Apex avec Einstein for Developers de Salesforce AI.

Au lieu de lancer un projet Apex personnalisé complexe et coûteux, vous pouvez atteindre vos objectifs d'automatisation par l'IA beaucoup plus rapidement. Vous pouvez donner à vos équipes de support et d'informatique des outils qu'elles peuvent réellement gérer elles-mêmes, libérant ainsi votre précieux temps de développeur pour le travail qui nécessite vraiment votre expertise.

Prêt à voir à quel point cela peut être facile ? Commencez votre essai gratuit d'eesel AI et connectez votre instance Salesforce en quelques minutes seulement.