Description du workflow : Gestion évolutive et automatisée des emails & chats professionnels

Ce workflow est conçu pour automatiser et faire évoluer le traitement, la classification et le routage des emails et messages professionnels, en mettant particulièrement l’accent sur les scénarios de support client. Il utilise une combinaison de classification IA, logique conditionnelle, intégrations API et réponses d’agent contextuelles, ce qui le rend très utile pour les organisations souhaitant optimiser le support client, détecter le spam et intégrer des agents IA avec des systèmes externes comme LiveAgent.

Vue d’ensemble

Le flux se divise en deux branches principales :

1. Détection de spam et routage : Classe automatiquement les messages entrants comme spam ou non, puis les oriente en conséquence pour garantir un traitement efficace et limiter le filtrage manuel.
2. Agent IA contextuel pour le support client : S’appuie sur la récupération documentaire externe et un agent d’appel d’outils sophistiqué pour fournir des réponses d’assistance précises, contextualisées et conformes à la politique de l’entreprise.

Structure détaillée du flux

1. Détection de spam et routage

• Entrée : Les messages sont reçus via un nœud de saisie chat.
• Construction du prompt : Un modèle de prompt est complété avec le message reçu et envoyé à un nœud de requête API (configuré pour LiveAgent ou équivalent).
• Extraction de texte : La réponse de l’API est analysée pour extraire le contenu pertinent via un nœud de parsing.
• LLM de classification du spam : Le message extrait est envoyé à un modèle OpenAI GPT-4.1 avec un prompt système l’instruisant de renvoyer “oui” si le message est un spam (ex : promotions, offres non sollicitées) ou “non” s’il est pertinent pour l’entreprise.
• Routage conditionnel :
  • Si le message est classé comme spam (“oui”), un template génère une notification de spam standard, restituée dans le chat.
  • Si le message n’est pas un spam (“non”), il est transmis à l’agent support IA contextuel.

Tableau logique de routage du spam :

2. Agent IA contextuel pour le support client

• Récupération documentaire : Si le message n’est pas un spam, le flux récupère les documents pertinents de la base de connaissances, filtrés par catégories et dates, pour garantir l’accès à une information à jour et adaptée au contexte.
• Intégration de l’historique chat : L’historique récent est récupéré pour offrir à l’agent un contexte, assurant la continuité et la pertinence des réponses.
• Orchestration de l’agent LLM : Un modèle Anthropic Claude Sonnet 4 anime l’agent d’appel d’outils, doté d’un message système détaillant des règles strictes (ex : toujours répondre en anglais, ton professionnel, référencer exactement les URLs, éviter la spéculation, respecter un format de sortie précis).
• Intégration d’outils : L’agent peut appeler l’outil de récupération documentaire et d’autres API selon besoin pour compléter ses réponses et garantir leur factualité.
• Sortie : La réponse de l’agent est transmise au chat et peut également être relayée pour d’autres intégrations API (ex : forwarding vers LiveAgent).

Tableau logique de réponse de l’agent :

Règles du message système pour l’agent

• Toujours répondre en anglais, quelle que soit la langue d’entrée.
• Utiliser un ton professionnel mais cordial ; pas de markdown, pas d’emojis, pas de spéculation.
• Les réponses doivent référencer les URLs directement sous l’explication et respecter une structure claire, propice aux puces.
• Si aucune information pertinente n’est trouvée, demander poliment des précisions au client.

3. Intégration API et gestion des données

• Création dynamique de données : Plusieurs nœuds génèrent les dictionnaires de données nécessaires aux requêtes API, avec clés API, corps de message, paramètres de requête, etc.
• Multiples interactions API : Le workflow permet plusieurs requêtes API (ex : vers LiveAgent, autres systèmes backend) avec des méthodes flexibles (GET, POST, etc.).
• Parsing des données : Après chaque réponse API, les nœuds d’analyse extraient le texte pertinent pour la suite des traitements ou la restitution.

4. Automatisation et bénéfices d’échelle

• Filtrage automatisé du spam : Élimine la revue manuelle des messages non sollicités, fait gagner du temps et permet aux agents de se concentrer sur les vraies demandes.
• Support cohérent et conforme : L’agent suit toujours la politique interne, assurant une communication fiable et conforme à l’image de marque.
• Réponses pilotées par la connaissance : Grâce à la récupération documentaire, l’agent s’appuie sur les informations les plus à jour et pertinentes.
• Intégration API flexible : Facilement extensible à de nouveaux outils, systèmes de ticketing ou sources de connaissance selon l’évolution des besoins.
• Scalable : La conception modulaire permet le traitement parallèle de multiples conversations et une adaptation aisée à des volumes croissants.

Exemples d’utilisation

• Équipes support client : Trie automatiquement les messages, gère le spam et fournit des réponses précises et contextualisées.
• Qualification commerciale / leads : Filtre les demandes non pertinentes avant de transmettre les leads qualifiés aux commerciaux.
• Intégration omnicanale : Connexion à des plateformes comme LiveAgent ou APIs personnalisées pour unifier le support tous canaux.

Notes de configuration

• Personnalisation nécessaire : Remplacez les clés API et URLs de test (ex : “YOURLINK”) par vos valeurs de production.
• Gestion de la base de connaissances : Gardez les sources du document retriever à jour pour une performance optimale.

Ce workflow fournit une architecture robuste et évolutive pour automatiser la communication client, garantissant efficacité et qualité de réponse, conforme à la politique interne. Sa modularité permet une extension facile au fil de la croissance de votre entreprise ou de l’évolution des besoins d’automatisation.