Nous sommes tous passés par là. Vous êtes un agent de support qui tente de résoudre le problème d'un client, et vous savez que la réponse se trouve quelque part dans la base de connaissances de votre entreprise. Vous recherchez « aide à la connexion », mais l'article s'intitule « réinitialiser votre mot de passe », donc votre recherche ne donne rien. Ou peut-être êtes-vous un commercial à la recherche de notes sur une affaire similaire que vous avez conclue le trimestre dernier, mais vous ne vous souvenez plus des mots-clés exacts pour la retrouver. La recherche traditionnelle est obsolète et fait perdre un temps précieux aux équipes.
La solution, c'est la recherche sémantique, une méthode de recherche basée sur l'IA qui comprend votre intention et votre signification, et pas seulement les mots que vous tapez. Il n'est donc pas étonnant que les grandes plateformes déploient leurs propres versions, y compris la très médiatisée Salesforce AI Semantic Search.
Ce guide vous expliquera en détail ce que c'est, comment ça fonctionne, où cette technologie excelle vraiment et, surtout, les limites importantes à prendre en compte avant de miser toute votre stratégie de support sur l'IA d'une seule et même plateforme.
Qu'est-ce que Salesforce AI Semantic Search ?
En termes simples, Salesforce AI Semantic Search est une fonctionnalité de recherche IA intégrée directement à l'écosystème Salesforce, qui apparaît dans des outils comme Commerce Cloud et Agentforce. Contrairement à la recherche lexicale traditionnelle qui se contente de faire correspondre les mots exacts que vous tapez, elle utilise l'IA pour comprendre le contexte et la signification de votre question.
La différence est assez frappante. Par exemple, si vous effectuez une recherche par mot-clé pour « Astro », l'une des mascottes de Salesforce, vous pourriez obtenir un assortiment aléatoire de résultats sur l'astronomie ou l'équipe de baseball des Houston Astros. Une recherche sémantique, en revanche, comprend le contexte. Elle sait qu'Astro est un personnage de Salesforce et vous montrerait donc probablement d'autres personnages comme Codey et Cloudy, car elle saisit la relation qui les unit.
L'objectif est de fournir des réponses plus pertinentes, de réduire les frustrantes pages « aucun résultat trouvé » et de créer une expérience plus fluide pour tout le monde, qu'il s'agisse d'un client ou d'un membre de votre équipe interne. Pour un site e-commerce, cela peut se traduire par plus de ventes. Pour une équipe de support, cela signifie résoudre les problèmes plus rapidement. Elle utilise une IA intelligente comme le traitement du langage naturel (NLP) pour comprendre ce que vous voulez dire en langage courant et trouver la bonne information, peu importe où elle se cache dans votre organisation Salesforce.
Comment fonctionne Salesforce AI Semantic Search ?
La « magie » derrière la recherche sémantique de Salesforce n'a rien de magique. C'est un puissant framework d'IA qui repose sur quelques éléments clés fonctionnant en harmonie.
Le rôle de Data Cloud et des bases de données vectorielles dans Salesforce AI Semantic Search
La base de toute cette configuration est le Salesforce Data Cloud, une plateforme conçue pour rassembler toutes les données client d'une entreprise en un seul endroit. Salesforce a récemment mis à niveau Data Cloud pour gérer les données non structurées, ce qui est une façon élégante de désigner des éléments comme les PDF, les e-mails, les transcriptions d'appels et les articles de base de connaissances. C'est un enjeu majeur, car on estime que jusqu'à 90 % des données utiles d'une entreprise sont enfermées dans ce type de formats.
Pour donner un sens à toutes ces informations, Salesforce utilise une base de données vectorielle. En termes simples, une base de données vectorielle ne stocke pas le texte sous forme de mots ; elle le convertit en représentations numériques appelées « plongements vectoriels » (« vector embeddings »). Cela permet à une IA de comprendre la relation sémantique entre différents contenus. Les mots et les idées ayant des significations similaires sont stockés numériquement « plus près » les uns des autres, ce qui permet à l'IA de trouver facilement des informations connexes même si la formulation n'est pas parfaitement identique.
Comprendre la génération augmentée par récupération (RAG) dans Salesforce AI Semantic Search
Le véritable cerveau de l'opération est un framework appelé Génération Augmentée par Récupération (RAG). Le RAG est ce qui relie la recherche intelligente de la base de données vectorielle à un grand modèle de langage (LLM), comme ceux qui font fonctionner ChatGPT. C'est ce qui garantit que l'IA vous donne des réponses basées sur les données réelles de votre entreprise, au lieu de simplement inventer des choses.
Voici comment cela fonctionne en pratique :
-
Un utilisateur pose une question. Un agent pourrait demander à Einstein Copilot : « Comment traiter un retour pour un client en Allemagne ? »
-
La recherche sémantique extrait les informations pertinentes. Le système analyse la base de données vectorielle du Data Cloud pour trouver tous les documents, cas passés et articles liés aux « retours » et à l'« Allemagne ».
-
Le prompt devient plus intelligent. Ces informations pertinentes sont automatiquement regroupées avec la question originale et envoyées à un LLM via la couche sécurisée Einstein Trust Layer.
-
Le LLM donne une réponse fondée. Le LLM utilise le contexte qui lui a été fourni pour générer une réponse fiable et précise, incluant souvent des liens qui renvoient aux documents originaux.
Ce processus ancre l'IA dans la réalité de votre entreprise, ce qui l'empêche d'« halluciner » ou de vous donner des conseils génériques et inutiles.
Les points forts de Salesforce AI Semantic Search
Comme cette technologie est directement intégrée à la plateforme Salesforce, elle bénéficie d'intégrations profondes qui sont très puissantes dans certaines situations.
Cas d'usage pour l'e-commerce et Commerce Cloud
Pour les boutiques en ligne fonctionnant sur Salesforce Commerce Cloud, la recherche sémantique peut complètement transformer l'expérience d'achat. Elle aide les clients à trouver ce qu'ils cherchent, même s'ils utilisent de l'argot, des synonymes ou décrivent un produit par son ambiance. Cela contribue à réduire les taux de rebond et à augmenter la conversion en facilitant la découverte des produits.
Voici une comparaison rapide de la manière dont elle améliore la recherche :
| Type de requête | Sans la recherche sémantique | Avec Salesforce AI Semantic Search |
|---|---|---|
| Synonymes | Une recherche pour « canapé » ne trouvera pas les produits listés comme « sofa ». | Les résultats de recherche incluent les synonymes, affichant tous les meubles pertinents. |
| Thèmes de produits | Une recherche pour « cadeau de mariage » ne trouve que les articles contenant ces mots exacts. | L'IA comprend le concept et renvoie des articles pertinents comme de la verrerie ou de la décoration, même s'ils ne sont pas explicitement étiquetés. |
| Fautes d'orthographe | Une recherche pour « cemise » pourrait ne donner aucun résultat. | Le système comprend que vous vouliez probablement dire « chemise » et vous montre les bons résultats. |
| Descriptions | « Table de couleur bleu-verdâtre » renvoie des tables bleues et vertes, mais pas les tables turquoise. | Le système comprend le concept de couleur et inclut les tables turquoise dans les résultats. |
Avantages pour les équipes de vente et de service
Les équipes internes en bénéficient également énormément. Un agent de support utilisant un outil comme Agentforce peut poser une question en langage courant et obtenir une réponse synthétisée à partir d'articles de la base de connaissances, de cas passés et de documents internes, le tout sans quitter Salesforce.
Cela présente des avantages très concrets :
-
Résolution des cas plus rapide : Les agents passent beaucoup moins de temps à chercher des informations et plus de temps à réellement aider les clients.
-
Temps de formation réduit : Les nouvelles recrues peuvent devenir opérationnelles beaucoup plus rapidement en posant simplement des questions au lieu de devoir mémoriser des arborescences complexes de bases de connaissances.
-
Support plus cohérent : Chaque agent a accès aux mêmes informations de haute qualité, sélectionnées par l'IA, ce qui signifie que les clients obtiennent la même réponse correcte, quel que soit leur interlocuteur.
Les complexités cachées d'une approche native à la plateforme
Bien que les avantages semblent excellents, une solution native comme celle de Salesforce comporte des compromis sérieux auxquels il faut réfléchir avant de se lancer tête baissée.
Le défi des connaissances en silo
Voici le plus gros hic : Salesforce AI Semantic Search est conçue pour fonctionner avec des données qui se trouvent à l'intérieur de Salesforce. Mais qu'en est-il de toutes les autres informations essentielles sur lesquelles vos équipes comptent au quotidien ? La documentation de votre équipe d'ingénierie se trouve probablement dans Confluence, vos supports marketing dans Google Docs, et vos FAQ internes pourraient être dans Notion ou SharePoint.
Cela crée un « silo de connaissances pour l'IA ». Si la réponse parfaite à la question d'un client se trouve dans un Google Doc qui n'a pas été intégré au Data Cloud, l'IA de Salesforce ne la trouvera jamais. Vos agents se retrouvent alors au point de départ, cherchant manuellement à travers différents onglets et systèmes pour assembler une réponse.
Une infographie montrant comment une couche d'IA universelle se connecte à diverses sources de connaissances, surmontant les limitations d'une solution mono-plateforme comme Salesforce AI Semantic Search.La réalité de la configuration et de la maintenance
Mettre en place Salesforce AI Semantic Search n'est pas aussi simple que d'appuyer sur un bouton. Il faut beaucoup de travail pour configurer Data Cloud, construire une base de données vectorielle et tout paramétrer correctement. Ce processus nécessite souvent des experts techniques et un long calendrier de mise en œuvre, ce qui signifie que vous attendrez un certain temps avant de voir une réelle valeur ajoutée.
C'est un monde totalement différent des plateformes d'IA modernes et en libre-service. Par exemple, des outils comme eesel AI sont conçus pour être incroyablement simples. Vous pouvez être opérationnel en quelques minutes, et non en quelques mois, grâce à des intégrations en un clic qui se connectent à votre service d'assistance et à toutes vos sources de connaissances sans nécessiter un projet de migration de données massif.
Un flux de travail illustrant la mise en œuvre simple et en libre-service d'eesel AI, en contraste avec la configuration complexe requise pour Salesforce AI Semantic Search.Comprendre le coût total de possession
Lorsque vous jetez un œil à la page de tarification de Salesforce, vous verrez une phrase familière pour ses produits d'IA : « Contacter le service commercial ». Il n'y a pas de tarif transparent et initial. Le coût total n'est pas seulement le prix de la licence pour Einstein ; il inclut le coût de Data Cloud, le temps de développement potentiel pour la configuration et la maintenance continue pour que tout fonctionne. Cela peut entraîner des dépenses imprévisibles difficiles à budgétiser.
Unifiez vos connaissances avec une couche d'IA universelle
La réponse à ces problèmes est une plateforme d'IA universelle qui se superpose aux outils que vous utilisez déjà, au lieu de vous enfermer dans un seul écosystème. C'est là que eesel AI propose une approche fondamentalement meilleure.
eesel AI se connecte directement à votre service d'assistance (comme Zendesk, Freshdesk, ou Intercom) et, en même temps, se connecte à toutes vos sources de connaissances, où qu'elles se trouvent.
Voici ce qui rend cette approche si différente :
-
Unifiez vos connaissances, instantanément : Connectez-vous à Salesforce, mais aussi à Confluence, Google Docs, Notion, aux anciens tickets et à plus de 100 autres sources. Il n'y a pas de projet de migration de données compliqué. Votre IA obtient une vue complète des connaissances de votre entreprise dès le départ.
-
Soyez opérationnel en quelques minutes : Au lieu d'une mise en œuvre de Data Cloud sur plusieurs mois, eesel AI est une plateforme véritablement en libre-service. Vous pouvez connecter vos sources, configurer votre agent IA et commencer à voir des résultats en un seul après-midi.
-
Testez en toute confiance : eesel AI est doté d'un puissant mode de simulation qui vous permet de tester votre IA sur des milliers de vos anciens tickets avant même qu'elle ne parle à un client. Vous pouvez prévoir avec précision ses performances et prouver votre retour sur investissement sans aucun risque.
-
Tarification transparente et prévisible : Contrairement aux plateformes d'entreprise aux tarifs mystérieux, eesel AI propose des forfaits clairs et flexibles sans frais cachés pour les résolutions. Vos coûts sont prévisibles et n'exploseront pas à mesure que votre volume de support augmente.
Une capture d'écran de la page de tarification transparente d'eesel AI, soulignant une différence clé avec le modèle de tarification opaque de Salesforce AI Semantic Search.Allez au-delà de Salesforce AI Semantic Search avec une IA véritablement unifiée
Salesforce AI Semantic Search est un outil réellement puissant pour les entreprises qui sont entièrement investies dans l'écosystème Salesforce. Si la moindre parcelle de vos connaissances se trouve au même endroit, il peut faire des merveilles.
Mais pour la plupart des entreprises, les connaissances sont réparties sur des dizaines d'applications et de services différents. Dans cette réalité, sa conception native à la plateforme crée des silos de données frustrants, des projets de configuration compliqués et des coûts difficiles à prévoir.
Une couche d'IA universelle comme eesel AI offre un moyen plus flexible, puissant et rentable d'obtenir un véritable support alimenté par l'IA. Elle fonctionne avec les outils que vous aimez déjà, rassemblant toutes vos connaissances pour donner à vos clients et à vos agents la bonne réponse, à chaque fois.
Ne laissez pas vos silos de connaissances freiner votre IA. Commencez votre essai gratuit d'eesel AI pour unifier les connaissances de votre entreprise et automatiser le support en quelques minutes.
Foire aux questions
Salesforce AI Semantic Search est une fonctionnalité de recherche alimentée par l'IA et intégrée à l'écosystème Salesforce, comme dans Commerce Cloud et Agentforce. Elle utilise l'IA pour comprendre le contexte et la signification d'une requête, plutôt que de simplement correspondre à des mots-clés, afin de fournir des résultats plus pertinents.
Contrairement à la recherche lexicale traditionnelle qui correspond aux mots exacts, Salesforce AI Semantic Search utilise le traitement du langage naturel (NLP) pour comprendre l'intention de l'utilisateur et la signification de sa requête. Cela lui permet de trouver des informations pertinentes même si des mots-clés spécifiques ne sont pas utilisés, en reconnaissant les synonymes, les thèmes et les relations conceptuelles.
Elle brille dans le domaine de l'e-commerce en aidant les clients à trouver plus facilement des produits, et pour les équipes de vente et de service en permettant aux agents de trouver rapidement des réponses à partir des connaissances internes. Cela conduit à une résolution plus rapide des cas, à une réduction du temps de formation et à un support client plus cohérent.
Les principales limitations incluent sa concentration sur les données internes à Salesforce, ce qui conduit à des silos de connaissances pour l'IA si des informations critiques sont externes. Elle implique également des efforts de configuration et de maintenance importants, et son coût total de possession peut être imprévisible.
Salesforce AI Semantic Search est principalement conçue pour fonctionner avec les données stockées dans Salesforce Data Cloud. Cela signifie qu'elle pourrait ne pas accéder aux informations critiques résidant sur des plateformes externes comme Confluence, Google Docs ou Notion, créant potentiellement des silos de connaissances.
La configuration de Salesforce AI Semantic Search nécessite de paramétrer Data Cloud et de construire une base de données vectorielle, ce qui exige souvent une expertise technique et un calendrier de mise en œuvre conséquent. Il ne s'agit pas d'un déploiement simple et instantané, ce qui peut retarder le retour sur investissement.
Salesforce AI Semantic Search utilise la Génération Augmentée par Récupération (RAG). Ce framework garantit qu'un LLM fonde ses réponses sur les données réelles de votre entreprise extraites de la base de données vectorielle du Data Cloud, empêchant les « hallucinations » et fournissant des réponses fiables avec des liens vers les sources.
