---
sourceDocument: Australie : activer l’IA
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/intelligent-experiences

 Release :

    - australia

ft:locale :

    - fr-FR

ft:publication_title :

    - Australie : activer l’IA

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Flux d'évaluation pour les évaluations par lots

# Flux d'évaluation pour les évaluations par lots {#ariaid-title1}

* Rversion finale: Australia
* 
* Mis à jour 12 mars 2026
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 5 minutes de lecture

L'évaluation par lots permet aux administrateurs Eval d'évaluer jusqu'à 100 conversations d'Agent virtuel terminées à la fois, en fonction d'une requête enregistrée.
Nom du flux : Exécuter l'évaluation du lot.

Le flux crée des enregistrements d'évaluation et appelle des Now Assist compétences pour chaque conversation éligible, reflétant la logique d'évaluation de conversation unique, mais à l'échelle. Il applique les exclusions de champ d'application RH, la validation des rubriques/catégories, les règles de construction des transcriptions, les exclusions précoces des agents actifs et la notation asynchrone par compétences.

Les évaluations des lots sont effectuées selon la logique suivante :  
Déclencheur

* Table : Jeu d'évaluation \[sn_na_conv_eval_evaluation_set\]
* Condition : l'état devient En cours et Type d'évaluation = Conversation
{#ai-eval-flow-batch__ul_pbd_hrl_ngc}  
Entrées

* Ensemble d'évaluation avec :
  * Filtre de requête : requête qui cible les conversations à évaluer (par exemple, sys_cs_conversation filtres).
  * Type d'évaluation : conversation
  * État : En cours (jusqu'à démarrer)
  {#ai-eval-flow-batch__ul_hvp_lrl_ngc}
* LLM/Skills : classifieur de rubriques de messagerie instantanée, ainsi que les compétences d'évaluation énumérées ci-dessous.
{#ai-eval-flow-batch__ul_qkj_krl_ngc}  
Comportement de haut niveau

* Lit le filtre de requête et échantillonne aléatoirement jusqu'à 100 conversations.
* Ignore les conversations déjà évaluées.
* Exclut les interactions dans le champ d'application des RH.
* Utilise le classifieur de rubriques de messagerie instantanée pour valider l'éligibilité à l'évaluation et extrait la rubrique et la catégorie.
* Crée une transcription avec inclusion contrôlée d'articles et de sources de catalogue, et applique des exclusions précoces d'agents Knowledge actifs.
* Crée un enregistrement d'évaluation et invoque de façon asynchrone toutes les compétences d'évaluation sélectionnées, en écrivant les scores et la justification des mesures.
{#ai-eval-flow-batch__ul_pfc_trl_ngc}

Séquence d'exécution :  
Action 1 : si le filtre de requête n'est pas vide

* Objet : Clause de garde.
* Logique : recherchez l'enregistrement de l'ensemble d'évaluation et vérifiez le champ de filtre de requête.
* Si le filtre de requête est présent : Passez à l'action 2.
* Si vide : Arrêter et éventuellement journaliser Aucune requête fournie.
{#ai-eval-flow-batch__ul_b45_msl_ngc}  
Action 2 : randomiser les conversations

* Objectif : sélectionnez un échantillon aléatoire et limité de conversations dans la requête fournie.
* Logique:
  * Exécutez la requête pour obtenir les enregistrements de conversation correspondants.
  * Sélectionnez au hasard jusqu'à 100 conversations.
    * Si \>100 correspondent, plafonnez à 100.
    * Si \<100, sélectionnez Tout.
    {#ai-eval-flow-batch__ul_f4j_xsl_ngc}
  * Validez la requête ; Si elle n'est pas valide, renvoie la valeur Faux et un tableau vide ou partiel.
  {#ai-eval-flow-batch__ul_lnd_wsl_ngc}
* Sorties:
  * Réussite : Vrai/Faux
  * conversation_ids : tableau de sys_ids (max. 100)
  {#ai-eval-flow-batch__ul_vyz_ctl_ngc}
* Si réussite = vrai : Passer à l'action 3 ; Sinon, arrêtez et enregistrez l'erreur de validation.
{#ai-eval-flow-batch__ul_xwk_tsl_ngc}  
Action 3 : Consulter la table d'évaluation pour vérifier l'évaluation précédente

* Objectif : Éviter les évaluations en double.
* Logique : pour chaque conversation sys_id, recherchez sn_na_conv_eval_evaluation d'enregistrements existants indiquant qu'elle est déjà évaluée ou en cours (choix d'implémentation : état différent d'Annulé/Échoué).
* S'il n'a pas été évalué précédemment : Passez à l'action 4 pour cette conversation.
* S'il a déjà été évalué : ignorez cette conversation ou consignez éventuellement Déjà évalué.
{#ai-eval-flow-batch__ul_pls_j1m_ngc}  
Action 4 : rechercher l'enregistrement d'interaction

* Objectif : appliquer l'exclusion du champ d'application RH.
* Logique : résolvez l'interaction liée à la conversation. Si son périmètre d'application contient hr, ignorez la conversation.
* Si le champ d'application ne contient pas hr : Passez à l'action 5.
{#ai-eval-flow-batch__ul_zxy_41m_ngc}  
Action 5 : buildTranscript

* Objectif : Construire la transcription finale, au niveau de la minute, et déterminer les compétences et les garde-fous en aval.
* Étapes :
  * Regrouper tous les messages de conversation.
  * Balisez les messages utilisateur en tant que \[Utilisateur\] : et les messages de Virtual Agent en tant que \[Agent virtuel\] :
  * Knowledge des articles :
    * Si les résultats Genius font référence à Knowledge des articles, interrogez l'article Knowledge et remplacez l'extrait Genius par le corps entier de l'article.
    * Annoter avec \[Virtual Agent\] : articles d'aide pour la requête utilisateur : et envelopper le contenu dans Article_Start et Article_End.
    * Contraintes :
      * Si la base de connaissances est incluse dans le périmètre RH ou inaccessible, ne l'évaluez pas (ignorez la conversation).
      * Tronquez le corps de l'article à un maximum de 10 000 mots.
      * Si la source du contenu de la base de connaissances est constituée de fichiers joints (PDF/Word/Txt), revenez au résultat Genius plutôt qu'au contenu complet du fichier.
      {#ai-eval-flow-batch__ul_tyy_rbm_ngc}
    {#ai-eval-flow-batch__ul_n3q_nbm_ngc}
  * Éléments de catalogue :
    * Si les résultats Genius font référence à des éléments de catalogue, interrogez sc_cat_item et créez une chaîne : nom du catalogue, description brève, description.
    * Annoter avec \[Virtual Agent\] : choisissez l'une des options ci-dessous et incluez l'ordre de citation.
    {#ai-eval-flow-batch__ul_nh4_zbm_ngc}
  * Exclusions des agents actifs :
    * Si le premier message utilisateur demande un agent actif, ignorez l'évaluation.
    * Si un agent actif est invoqué dans les 120 premiers mots, ignorez l'évaluation.
    {#ai-eval-flow-batch__ul_yph_2cm_ngc}
  {#ai-eval-flow-batch__ul_s2y_3bm_ngc}
* Sorties:
  * ExecuteEvaluation : vrai/faux (résultat post-garde-fou)
  * Transcription de la messagerie instantanée
  * Knowledge Articles référencés
  * Éléments de catalogue référencés
  * Première occurrence d'agent actif : Sys_id du message de conversation (le cas échéant)
  * Compétences à invoquer :
    * Évaluation de la messagerie instantanée Coherence
    * Clarté Évaluation de messagerie instantanée
    * Rétention du contexte
    * Remplissage inadéquat des créneaux Évaluation de messagerie instantanée
    * Précision de l'intention Évaluation de la messagerie instantanée
    * Conversation fluide Évaluation de messagerie instantanée
    * Hallucination de véracité Évaluation de messagerie instantanée
    {#ai-eval-flow-batch__ul_wtx_lpm_ngc}
  * Journaux supplémentaires
  {#ai-eval-flow-batch__ul_z33_ggm_ngc}
* Si ExecuteEvaluation = true : Passer à l'action 7 ; Sinon, ignorez la conversation.
{#ai-eval-flow-batch__ul_tkd_fbm_ngc}  
Action 6 : Si bloquer

* Objectif : création d'une branche vers l'enregistrement.
* Logique : Si ExecuteEvaluation de l'action 6 est vrai, passez à l'action 8.
{#ai-eval-flow-batch__ul_vzs_spm_ngc}  
Action 7 : évaluation du classifieur de messagerie instantanée

* Objectif : valider si la conversation doit être évaluée et extraire des étiquettes de haut niveau.
* Logique:
  * Créez une transcription légère à partir de sys_cs_message pour l'entrée de classification.
  * Invoquez la compétence de classifieur de rubriques de messagerie instantanée avec la transcription.
  * Recevoir:
    * Exécuter l'évaluation : vrai/faux
    * Nom de la rubrique
    * Catégorie : IT ou RH
    {#ai-eval-flow-batch__ul_mnn_1bm_ngc}
  {#ai-eval-flow-batch__ul_in2_x1m_ngc}
* Si Exécuter l'évaluation = vrai : Passer à l'action 6.
* Si faux : ignorer la conversation et consigner la décision du classifieur.
{#ai-eval-flow-batch__ul_vr1_v1m_ngc}  
Action 8 : créer ou mettre à jour un enregistrement d'évaluation

* Objectif : conserver une entrée d'évaluation pour cette conversation.
* Tableau : sn_na_conv_eval_evaluation
* Population sur le terrain :
  * Conversation de document : référence de conversation
  * État : traitement
  * Sujet : à partir de l'action 5
  * Catégorie : à partir de l'action 5
  * Base de connaissances référée : à partir de l'action 6
  * Catalogue référencé : à partir de l'action 6
  * Première occurrence d'agent actif : à partir de l'action 6
  * Type : synthèse de la messagerie instantanée
  * Utilisateur : initiateur de la conversation
  * Journal des messages : journaux supplémentaires de l'action 6
  {#ai-eval-flow-batch__ul_j4m_ypm_ngc}
* En cas de réussite : Passez à l'action 9.
{#ai-eval-flow-batch__ul_s5y_vpm_ngc}  
Action 9 : Pour les compétences de boucle

* Objectif : exécuter chaque compétence d'évaluation sélectionnée.
* Pour chaque compétence de la liste de l'action 6 :
  * Action 10 : invokeApiDefinition
    * Entrées : nom de la compétence, conversation, transcription, ID d'évaluation
    * Comportement:
      * Invoquez la compétence de Now Assist manière asynchrone.
      * Le post-processeur écrit les résultats dans sys_generative_ai_response_validator.
      * Extraire les champs de réponse JSON :
        * Score
        * Motif du score
        * Exemples à l'appui du raisonnement
        {#ai-eval-flow-batch__ul_rph_mrm_ngc}
      * Créez des enregistrements de mesures enfants dans sn_na_conv_eval_evaluation_metrics liés à l'évaluation parente.
      {#ai-eval-flow-batch__ul_ins_3rm_ngc}
    {#ai-eval-flow-batch__ul_bmm_hrm_ngc}
  * Action 11 : AttendreFaites une pause de sept secondes avant de passer à la compétence suivante pour gérer les limites de taux ou la limitation.

  {#ai-eval-flow-batch__ul_dgc_2rm_ngc}
{#ai-eval-flow-batch__ul_wmf_brm_ngc}