Ce qui rend un chatbot général unique, c’est la connaissance de votre site web et de votre contexte particulier. Il existe plusieurs façons d’y parvenir, beaucoup restant inaccessibles aux petites entreprises. FlowHunt peut répondre aussi bien aux besoins des petites structures que des plus grandes grâce à la méthode de Génération augmentée par récupération.
Cette méthode vous permet de bénéficier pleinement des connaissances générales et des capacités de modèles comme ChatGPT, mais avec une particularité. Contrairement aux anciennes méthodes coûteuses d’alimentation du modèle en données d’entraînement, la RAG vous permet de lier et télécharger des sources de connaissances pour obtenir des réponses précises en temps réel, sans complication supplémentaire.

Qu’est-ce que la Génération augmentée par récupération
Imaginez que vous préparez un voyage dans une nouvelle ville et que vous avez beaucoup de questions sur les sites à visiter et les bons endroits où manger. Vous décidez de demander à un ami expert de la ville. Au lieu de se fier uniquement à sa mémoire, il consulte rapidement des guides de voyage et les avis en ligne les plus récents avant de vous donner une réponse personnalisée. En d’autres termes, votre ami s’assure de vous fournir l’information la plus exacte et la plus à jour.
C’est similaire à la façon dont fonctionne la Génération augmentée par récupération (RAG). Cette méthode combine de manière transparente la récupération de savoir depuis une base de données externe avec la puissance générative de modèles LLM pré-entraînés.
Comme votre ami qui consulte des guides et des avis, votre Flow consultera d’abord vos sources puis générera une réponse basée sur ces informations. Vous obtenez ainsi des réponses plus précises et adaptées au contexte.
Si vous demandez à une IA classique quels sont les meilleurs restaurants de la ville, elle utilisera uniquement ses données d’entraînement. Ces données peuvent être obsolètes ou incomplètes, entraînant de mauvaises expériences lors de votre voyage. Mais avec la RAG, l’IA peut extraire les derniers avis et recommandations depuis des URLs, Google et d’autres sources pour vous garantir les meilleurs conseils possibles.
Il vous suffit de lier et télécharger différents types de sources en quelques clics. Les sources sont indexées puis récupérées selon la requête de l’utilisateur. Vous contrôlez le contenu utilisé par le chatbot, y compris l’information venant de votre site public, de documents que vous ne souhaitez pas publier, de vidéos YouTube et de supports d’apprentissage externes.
Options de sources de connaissances
L’ami de notre exemple pourrait consulter plusieurs sources. Il pourrait lire des pages web, consulter un livre, regarder sur Google, ou même visionner une vidéo YouTube. Votre Flow peut également apprendre de toutes ces sources.
Mais il y a une différence. Lors de ses recherches, votre ami s’assurera que l’information est à jour et correcte. L’IA ne peut pas le faire, et il vous appartient de garantir la fraîcheur et la véracité des données.
Il existe trois façons d’orienter votre Flow vers la bonne information :
Plannings
Explorez et indexez périodiquement des domaines entiers ou des URLs individuelles. Réglez et oubliez. Vos Flows continueront à apprendre seuls à l’échelle et à la fréquence que vous choisissez.
En savoir plus sur la fonctionnalité Plannings.
Documents
Accédez instantanément et exploitez l’information de divers formats de documents, pages HTML et même vidéos YouTube. Téléchargez un fichier ou liez une URL.
En savoir plus sur la fonctionnalité Documents.
Questions & Réponses
Fournissez des réponses prédéfinies à des questions spécifiques. Cela garantit que le bot reste toujours cohérent pour les questions importantes et les FAQ.
En savoir plus sur la fonctionnalité Questions & Réponses.
Catégories de sources de connaissances
Chaque nouvelle source ajoutée doit être catégorisée. Ces catégories sont entièrement arbitraires et servent à vous aider à gérer votre bibliothèque grandissante.

En savoir plus sur la fonctionnalité Catégories.

