Exploration des thèmes d’amélioration de la conversation

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 1 minute de lecture

    • L’application Thèmes d’amélioration de conversation permet de transformer les évaluations de conversation en aperçus de performance à long terme.

    Vue d’ensemble des thèmes d’amélioration de la conversation

    Les thèmes d’amélioration de la conversation analysent les données de qualité de la conversation au fil du temps. L’approche se concentre sur l’identification des modèles récurrents liés à une mauvaise qualité de conversation (et élevée) et sur la catégorisation des demandes des utilisateurs en thèmes exploitables à l’aide d’une classification basée sur des métadonnées alimentée par de grands modèles de langage (LLM).

    Remarque :
    Les thèmes d’amélioration de conversation peuvent utiliser OpenAI, Gemini ou Claude. Il est observé dans certains cas que Gemini et Claude pourraient consommer un nombre plus élevé d’assistances, par rapport au modèle OpenAI, qui a une utilisation optimale des assistances.

    Comment les thèmes sont créés

    Pour créer des thèmes, les métadonnées telles que le nom, la description brève, et ainsi de suite, à partir de différents types de contenu tels que les articles de la base de connaissances, les éléments de catalogue, les rubriques Agent virtuel et les agents IA sont analysées. La génération de thèmes est effectuée à l’aide d’un processus de catégorisation basé sur LLM qui s’appuie uniquement sur les métadonnées plutôt que sur le contenu complet de l’article, ce qui permet de limiter l’utilisation des jetons et de réduire les frais de traitement. Pour chaque thème créé, les définitions sont créées à l’aide du contenu balisé du processus de classification basé sur LLM, ce qui permet de baliser les demandes primaires des conversations.

    Approche :
    1. Filtrer par score de satisfaction de l’utilisateur. Par exemple, sélectionnez des conversations dans lesquelles les résultats de l’évaluateur sont associés à un score de satisfaction utilisateur faible (<=1,5) ou à un score élevé >= 4,5.
    2. Extraire et standardiser les demandes primaires :
      1. Analysez la demande principale de l’utilisateur, en supprimant le bruit des différents styles d’écriture ou formulations.
      2. Appliquer la normalisation afin que les intentions similaires, par exemple, réinitialiser mon mot de passe ou ne puisse pas se connecter, soient regroupées de manière cohérente.
    3. Analyse de fréquence :
      1. Lier chaque demande standardisée à un thème.
      2. Comptez la fréquence à laquelle chaque thème apparaît lorsque l’agent virtuel est sous-performant ou performant.
      3. Mettez en surbrillance les thèmes dans lesquels l’agent virtuel gère mal ou mal les demandes à l’écran.