Passer au contenu principal

​
Vue d’ensemble

Lorsque tu attribues des connaissances à ton agent, tu dois choisir comment l’agent accède à ces informations. itellicoAI offre deux méthodes d’accès : Mode Contexte (injection de prompt) et Mode RAG (Génération Augmentée par Récupération). Comprendre la différence entre ces approches t’aidera à optimiser les performances et la précision de ton agent.

​
Les Deux Méthodes d’Accès

Mode Contexte

Injection de PromptToutes les connaissances sont injectées directement dans le contexte de conversation de l’agent au début de chaque interaction.Idéal pour : Les petites bases de connaissances avec des informations critiques dont l’agent a besoin pour chaque conversation.

Mode RAG

Génération Augmentée par RécupérationL’agent recherche et récupère dynamiquement les connaissances pertinentes en fonction du sujet de conversation.Idéal pour : Les grandes bases de connaissances où seules des sections spécifiques sont nécessaires par conversation.

​
Mode Contexte (Injection de Prompt)

​
Comment Ça Fonctionne

En Mode Contexte, le contenu de ta base de connaissances est chargé directement dans le prompt système de l’agent au début de chaque conversation : 
Prompt Système :
Vous êtes un agent de service client utile.

[Vos instructions d'agent...]

==== BASE DE CONNAISSANCES : FAQ Support Client ====

### Facturation & Paiements
- Question : Comment mettre à jour mon mode de paiement ?
  Réponse : Vous pouvez mettre à jour votre mode de paiement en...

- Question : Quand serai-je facturé ?
  Réponse : La facturation se fait le même jour chaque mois...

### Politique de Retour
[Contenu complet de la politique de retour]

### Informations d'Expédition
[Informations complètes d'expédition]

==== FIN BASE DE CONNAISSANCES ====

Maintenant, aidez le client avec sa question.
L’agent voit TOUTES les connaissances dès le départ et peut les référencer tout au long de la conversation.

​
Sortie Formatée

Par défaut, les connaissances sont injectées avec un formatage structuré : 
========================================
# Nom de la Base de Connaissances
Description de la base de connaissances

## Nom du Dossier
Description du dossier

### Titre de l'Élément
----------------------------------------
Contenu de l'élément ici
----------------------------------------
========================================
Ce formatage aide l’agent à comprendre la structure et l’organisation des connaissances.

​
Quand Utiliser le Mode Contexte

Si ta base de connaissances est compacte, le Mode Contexte garantit que l’agent a toujours le contexte complet.Exemple de cas d’usage : Un agent support avec une base de connaissances contenant :
  • 10 FAQ courantes
  • Politique de retour (500 mots)
  • Coordonnées
  • Options d’expédition
Total : ~3 000 mots - s’intègre facilement dans le contexte.
Informations que l’agent doit référencer lors de la plupart ou de tous les appels.Exemple de cas d’usage : Un agent de réservation qui a besoin de :
  • Politiques d’entreprise (toujours)
  • Services disponibles (toujours)
  • Structure de tarification (toujours)
  • Procédures de réservation (toujours)
Lorsque les éléments de connaissance se référencent les uns aux autres ou forment un tout cohérent.Exemple de cas d’usage : Agent de configuration produit avec :
  • Dépendances d’options (“S’ils choisissent X, proposer Y”)
  • Matrice de compatibilité
  • Bundles de packages
  • Tarification qui dépend des combinaisons

​
Avantages du Mode Contexte

Toujours Disponible

L’agent a un accès immédiat à toutes les connaissances sans délai de recherche

Meilleur pour Petits Ensembles

Efficace lorsque les connaissances s’intègrent confortablement dans la fenêtre de contexte

Déterministe

L’agent voit exactement les mêmes connaissances à chaque fois

Fonctionne avec Variables

Les connaissances peuvent inclure des variables Jinja qui se résolvent dans le contexte

​
Limitations du Mode Contexte

Le Mode Contexte est limité à 10 000 tokens au total pour toutes les connaissances attribuées.
Limitations :
  • Garder les bases de connaissances petites (< 1 000 mots)
  • Toutes les connaissances sont envoyées avec chaque requête (coût plus élevé)
  • Toutes les connaissances sont traitées à chaque fois (latence plus élevée)
  • La base de connaissances entière est incluse même si seule une petite partie est pertinente

​
Mode RAG (Génération Augmentée par Récupération)

​
Comment Ça Fonctionne

En Mode RAG, ta base de connaissances est stockée dans une base de données vectorielle. Lorsque l’agent a besoin d’informations :
  1. L’utilisateur pose une question : “Quelle est ta politique de retour ?”
  2. L’agent identifie le besoin : L’agent détermine qu’il a besoin de connaissances sur les retours
  3. Le système recherche : Le système RAG recherche dans la base de connaissances le contenu pertinent
  4. Le contenu pertinent est récupéré : Seule la section politique de retour est récupérée
  5. L’agent répond : L’agent utilise les connaissances récupérées pour répondre
L’agent ne voit que les connaissances dont il a besoin, quand il en a besoin.

​
Récupération Intelligente

RAG utilise la recherche sémantique avec des embeddings vectoriels pour trouver les connaissances pertinentes : 
Utilisateur : "Je dois renvoyer les chaussures que j'ai achetées la semaine dernière"

Le système RAG pense :
- Mots-clés : "renvoyer", "chaussures", "achetées"
- Signification sémantique : Retours, possiblement échange
- Rechercher dans les connaissances : politique de retour, expédition, échanges

Connaissances récupérées :
- Aperçu Politique de Retour
- Instructions Expédition Retour
- Procédures d'Échange

PAS récupéré :
- FAQ Facturation
- Spécifications Produit
- Gestion de Compte

​
Avantages du Mode RAG

Évolue Infiniment

Supporte des bases de connaissances massives sans limites de contexte

Plus Rapide pour Grandes Connaissances

Réduit les tokens du prompt système pour les grandes bases de connaissances

Efficace

Ne récupère que ce qui est nécessaire pour le sujet actuel

Meilleur pour Diversité

Gère bien une grande variété de sujets non liés

​
Considérations du Mode RAG

RAG repose sur la qualité des embeddings vectoriels. Si tes éléments de connaissance ne sont pas clairement écrits, la récupération peut manquer des informations pertinentes.
La qualité de récupération dépend de :
  • Titres d’éléments de connaissance clairs et descriptifs
  • Contenu bien structuré
  • Catégorisation appropriée dans les dossiers
  • Éviter les informations dupliquées ou contradictoires

​
Indicateur de Tokens de Contexte Restants

Lors de l’utilisation du Mode Contexte, surveille tes tokens de contexte restants pour t’assurer d’avoir suffisamment d’espace pour les conversations.

​
Comprendre l’Indicateur

Le tableau de bord affiche ton utilisation du contexte dans les paramètres de Connaissance :
Paramètres de connaissance montrant l'utilisation du contexte
Paramètres de connaissance montrant l'utilisation du contexte
Tu peux voir :
  • Mode RAG : Recherche vectorielle dynamique avec taille de connaissance illimitée
  • Mode Contexte : Ajouté au prompt système avec une limite de 10 000 tokens

​
Choisir le Bon Mode

Utilise ce guide de décision pour sélectionner la meilleure méthode d’accès :

​
Approche Hybride

Tu peux utiliser les deux modes pour différentes bases de connaissances sur le même agent : Exemple de configuration :
  • Mode Contexte : Petite base de connaissances “Politiques de Base” (toujours nécessaire)
  • Mode RAG : Grande base de connaissances “Catalogue Produit” (récupérer selon besoin)
Cela te donne le meilleur des deux mondes.

​
Tester Ta Configuration

1

Attribuer la base de connaissances

Configure ton agent avec une base de connaissances en Mode Contexte ou RAG.
2

Démarrer un appel test

Utilise la fonctionnalité Appel Test dans le tableau de bord.
3

Poser des questions sur le contenu des connaissances

Pose des questions qui devraient être répondues depuis ta base de connaissances.Exemples de questions :
  • “Quelle est ta politique de retour ?”
  • “Combien coûte le plan Pro ?”
  • “Quelles sont tes heures d’ouverture ?”
4

Vérifier les réponses

Confirme que l’agent utilise correctement le contenu des connaissances dans les réponses.
5

Tester les cas limites

Pose des questions sur des sujets NON dans ta base de connaissances pour garantir que l’agent répond de manière appropriée (“Je n’ai pas cette information”).

​
Meilleures Pratiques

En cas de doute, utilise le Mode RAG. C’est plus sûr pour les grandes bases de connaissances et tu peux toujours passer au Mode Contexte si nécessaire.
RAG utilise la recherche sémantique pour trouver les connaissances pertinentes. Rédige un contenu complet et bien écrit qui inclut naturellement les termes et concepts que les utilisateurs interrogeront.Bon : “Notre politique de retour permet les retours dans les 30 jours suivant l’achat pour les produits physiques. Les produits numériques ne peuvent pas être retournés une fois téléchargés.”Mauvais : “Voir document politique” ou fragments de phrases incomplets
Essaie à la fois le Mode Contexte et le Mode RAG avec ta base de connaissances et vois lequel fonctionne le mieux pour ton cas d’usage.
Utilise le Mode Contexte pour les informations critiques et fréquemment nécessaires et le Mode RAG pour les matériaux de référence étendus.

​
Dépannage

Vérifier :
  • Tous les éléments de connaissance sont-ils en statut COMPLETED ?
  • Le contexte restant est-il suffisant (non tronqué) ?
Solution :
  • Corriger les éléments échoués
  • Réduire la taille des connaissances ou passer à RAG
Vérifier :
  • Le contenu est-il bien organisé ?
  • Poses-tu des questions qui correspondent aux connaissances ?
Solution :
  • Ajouter un contenu plus détaillé
  • Tester avec différentes formulations
  • Envisager d’ajouter des mots-clés au contenu
Vérifier :
  • Le contenu des connaissances est-il correct et actuel ?
  • As-tu des informations contradictoires dans plusieurs éléments ?
Solution :
  • Mettre à jour le contenu des connaissances
  • Supprimer les doublons et les conflits
Solutions :
  • Passer au Mode RAG pour les grandes bases de connaissances
  • Diviser les connaissances en bases plus petites et ciblées
  • Réduire la longueur des instructions de l’agent
  • Supprimer le contenu verbeux ou redondant

​
Prochaines Étapes

Créer des Bases de Connaissances

Construire et organiser ton contenu de connaissances

Types de Contenu

Découvrir les éléments texte, PDF et URL

Variables & Contenu Dynamique

Utiliser les références de connaissances dans les instructions

Tester Ton Agent

Tester comment ton agent utilise les connaissances