---
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

# Flux d'évaluation {#ariaid-title1}

* Rversion finale: Australia
* 
* Mis à jour 12 mars 2026
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 4 minutes de lecture

Workflow pour l'exécution de l'évaluation, qui effectue des évaluations lorsque les conversations sont terminées.
Les conversations sont évaluées selon la logique suivante :

1. Capture de conversation :

   Toutes les interactions de l'utilisateur final avec Virtual Agent sont enregistrées dans la table de conversation \[sys_cs_conversation\]. Lorsqu'un utilisateur met fin à la conversation, l'état de l'enregistrement est mis à jour sur Terminé.
2. Déclencheur d'évaluation de flux automatisé :

   Nom du flux : Exécuter l'évaluation.  
   Condition de déclenchement :
   * Table : Table de conversation \[sys_cs_conversation\]
   * État : Terminé
   * Type d'appareil : Client web, Slack, Teams, Bot to Bot, Messenger
   {#ai-eval-flow__ul_rfv_whh_ngc}
{#ai-eval-flow__ol_rwz_phh_ngc}

Séquence d'exécution :  
Action 0 : vérifiez le nombre d'évaluations pour aujourd'hui

* Effectuez une requête sur la table d'évaluation et pour obtenir le nombre d'enregistrements.
* Si le nombre d'enregistrements est inférieur au nombre maximal d'évaluations par jour, passez à l'action 1, sinon mettez fin au flux.
{#ai-eval-flow__ul_zn2_zpy_wgc}  
Action 1 : evalExecuteCondition

* Invoque l'include de script evalExecuteCondition.executeEvaluation avec référence de conversation.
* Génère un nombre aléatoire (1 à 100). Ne se déroule que si ≤10 (échantillonnage aléatoire à 10 %).
* Résultat : renvoie vrai ou faux pour un traitement ultérieur.
{#ai-eval-flow__ul_dgq_j3h_ngc}  
Action 2 : Branche conditionnelle

* Si vrai : passez à l'action suivante.
* Si faux : l'évaluation s'arrête.
{#ai-eval-flow__ul_bb5_q3h_ngc}

Action 3 : rechercher une table d'interaction :

Associe les métadonnées du canal de conversation à la table d'interaction pour extraire les enregistrements connexes.

Action 4 : Filtre du périmètre de l'application :

Si le périmètre de l'application de l'interaction n'inclut pas les RH, continuez.

Action 5 : buildTranscript :  
Construction de la transcription détaillée :

* Balises : \[Utilisateur\] : pour les messages utilisateur, \[Agent virtuel\] : pour les messages d'Agent virtuel.
* Pour tout article référencé Knowledge :
  * Extrait le corps complet de l'article pour remplacer le résultat Genius, balisé avec \[Agent virtuel\] : articles d'aide pour la requête utilisateur : et délimités par Article_Start/Article_End.
  * Si l'article est dans le périmètre RH/inaccessible, ignorez l'évaluation Knowledge .
  * Si le contenu de l'article Knowledge est \> 10 000 mots : tronquer à 10 000.
  * Fichiers joints (PDF/Word/Txt) : utilisez plutôt le résultat Genius.
  {#ai-eval-flow__ul_o3c_mjh_ngc}
* Pour les éléments de catalogue référencés :Nom de l'extrait, description brève, description, annoté comme \[Agent virtuel\] : Veuillez choisir l'une des options ci-dessous : avec numéro de citation.

* Si le premier message est destiné à l'agent actif, ou si l'agent actif est invoqué dans les 120 premiers mots : ignorer l'évaluation.
{#ai-eval-flow__ul_thx_jjh_ngc}  
Sorties:

* ExecuteEvaluation (vrai/faux)
* Transcription de la messagerie instantanée
* Knowledge Articles ou éléments de catalogue référencés
* Sys_id de la première invocation d'agent actif (le cas échéant)
* Liste des compétences à invoquer (toutes les compétences d'évaluation pour le tableau de bord d'évaluation)
* Journaux d'évaluation supplémentaires
{#ai-eval-flow__ul_yvk_bkh_ngc}

Action 6 : Branche conditionnelle :

Si ExecuteEvaluation est vrai : passez à l'action 7.  
Action 7 : évaluation du classifieur de messagerie instantanée

* Construit la transcription initiale à partir de sys_cs_message.
* Utilise le classifieur de rubriques de messagerie instantanée pour déterminer :
  * La conversation doit-elle être évaluée ? (ExecuteEvaluation : vrai/faux)
  * Nom de la rubrique
  * Catégorie (IT/RH)
  {#ai-eval-flow__ul_zz2_2jh_ngc}
* Si ExecuteEvaluation est vrai : passez à l'action 6.
{#ai-eval-flow__ul_m5x_1jh_ngc}

Action 8 : Créer ou mettre à jour l'enregistrement de l'évaluation :  
Créez un enregistrement sur la table d'évaluation \[sn_na_conv_eval_evaluation\] avec :

* Document Conversation : référence de conversation
* État : En cours de traitement
* Rubrique, catégorie, Knowledge références d'article ou de catalogue, premier agent actif sys_id, type, utilisateur qui a initié, journal des messages
{#ai-eval-flow__ul_cjw_hkh_ngc}

Action 9 : Pour chaque compétence :

Répétitions pour chaque compétence marquée dans l'action 6.  
Action 10 : invokeApiDefinition

* Entrées : nom de la compétence, conversation, transcription, ID d'évaluation
* Appelle Now Assist l'API de compétence de façon asynchrone.
* Post-traitement disponible dans sys_generative_ai_response_validator, effectue les analyses suivantes :
  * Score
  * Motif du score
  * Exemples pour le raisonnement
  {#ai-eval-flow__ul_m5m_tmh_ngc}
* Les données analysées sont créées dans la table Mesures d'évaluation \[sn_na_conv_eval_evaluation_metrics\] (score, motifs, exemples et l'ensemble du raisonnement pour la notation \[bloc-notes\]).
{#ai-eval-flow__ul_xbx_nmh_ngc}

Action 11 : Attend 7 secondes avant de passer à la compétence suivante.  
Comportement particulier et gestion des cas limites :

* Échantillonnage : Seulement 10 % des conversations (choisies au hasard) sont évaluées.
* Filtre de canal : uniquement Web, Slack, Teams, bot à bot, Messenger.
* Périmètre de l'application : exclut les enregistrements avec _hr_ dans le périmètre.
* Knowledge contrôles d'article : aucune évaluation pour RH ou inaccessible. Knowledge , les limites de taille des Knowledge articles et la gestion des fichiers.
* Première invocation d'agent actif : exclut les conversations acheminées vers l'agent actif au début ou dans les 120 mots.
* La compétence Achèvement de la demande est ajoutée dans le cadre d'une règle métier où le score est marqué comme le plus bas entre Remplissage d'emplacement et Intention.
* Le motif inscrit au dossier est ajouté comme suit :

      if (Slot filling score > Intent score) {
      Intent reason is used
      } else if (Slot filling score < Intent score) {
      Slot filling reason is used
      } else {
      Both are used
      }

{#ai-eval-flow__ul_tlr_bnh_ngc}