Une base de connaissances IA pour donner à SANIA le contexte de votre organisation

Pour accueillir ou informer correctement un visiteur, une IA doit disposer de données qui correspondent réellement au lieu où elle est utilisée. Les connaissances générales ne suffisent pas lorsqu’une question porte sur les horaires d’un service, l’emplacement d’un accueil, les prestations d’un établissement, une procédure, un produit ou une règle propre à une organisation.

La base de connaissances permet de définir ce contexte. L’organisation choisit les informations qu’elle souhaite rendre accessibles et fournit à SANIA les contenus nécessaires. L’avatar peut alors construire ses réponses à partir de ce périmètre, au lieu de se comporter comme une IA généraliste déconnectée du terrain.

Cette logique est particulièrement importante dans un espace physique. Le visiteur attend une réponse directement exploitable : où aller, quel service contacter, quels horaires s’appliquent, quelle information est disponible ou quelle démarche suivre. Plus le contenu fourni est clair et à jour, plus l’expérience peut rester cohérente avec la réalité de l’établissement.

Le rôle de la base de connaissances n’est pas de créer un script de conversation pour chaque question possible. SANIA utilise une intelligence artificielle conversationnelle : le visiteur peut formuler sa demande naturellement, avec ses propres mots, et l’avatar cherche à répondre à partir du contexte et des informations qui lui ont été fournis.

Cela permet de sortir d’une logique de menus ou d’arbres de dialogue rigides. L’organisation n’a pas besoin d’anticiper chaque formulation exacte. Elle doit surtout définir les informations utiles, leur périmètre et leur qualité. Les questions réelles posées sur le terrain peuvent ensuite aider à identifier les contenus qui méritent d’être complétés.

Selon le projet, plusieurs moteurs LLM peuvent être utilisés. Le choix du moteur ne remplace toutefois pas le travail sur la connaissance métier : un modèle performant ne peut pas inventer correctement les informations propres à votre établissement. La qualité de la réponse dépend donc aussi de la qualité du contexte mis à disposition.

Ajouter beaucoup de contenu n’est pas nécessairement synonyme de meilleure qualité. Une base utile repose d’abord sur des informations pertinentes pour le rôle de l’avatar. Le périmètre doit rester compréhensible : ce que SANIA peut expliquer, ce qui doit être confié à une équipe humaine et ce qui dépend éventuellement d’un système externe.

La maintenance éditoriale est donc importante. Lorsqu’un horaire change, qu’un service évolue, qu’une offre disparaît ou qu’une procédure est modifiée, les contenus concernés doivent pouvoir être mis à jour. Une organisation peut définir son propre processus de validation en fonction de ses équipes et de la sensibilité des informations.

Il est également utile de tester des questions représentatives avant un déploiement et après des mises à jour importantes. L’objectif n’est pas de rédiger toutes les conversations à l’avance, mais de vérifier que les informations essentielles sont présentes et suffisamment explicites pour répondre aux demandes attendues.

Il faut distinguer la connaissance fournie à SANIA d’une intégration temps réel avec un système métier. Ajouter des documents ou des informations dans la base ne signifie pas que l’avatar interroge automatiquement un CRM, un ERP, une billetterie, un système de réservation ou un logiciel interne.

Lorsqu’un projet nécessite des données provenant d’un système tiers ou une action dans ce système, la connexion doit être étudiée séparément. Une intégration spécifique peut être envisagée selon le besoin et le système concerné, mais elle ne doit pas être confondue avec le fonctionnement natif de la base de connaissances.

Cette distinction permet de construire un périmètre crédible : la base de connaissances sert à rendre accessibles les informations que l’organisation fournit, tandis que les échanges avec des outils externes relèvent d’un besoin d’intégration spécifique.