Comment créer un chatbot IA professionnel qui exécute du code personnalisé et enregistre des données dans Google Sheets

Pour un scénario réaliste, nous utiliserons les détails de produit publiquement disponibles du Prêt Personnel de la Banque Santander pour entraîner notre bot. Tout au long de ce guide, je vous accompagnerai dans la construction d’une solution haute performance qui intègre des éléments complexes 

• une base de connaissances Q&R, 
• des calculs de prêt en temps réel, 
• et une capture sécurisée de leads dans une feuille Google, 

démontrant que vous pouvez atteindre une qualité d’entreprise de premier ordre sans coût inutile.

Qu’est-ce qui rend un chatbot IA « de niveau entreprise » ?

Lorsque nous parlons d’un agent virtuel « de niveau entreprise », nous décrivons plus qu’un simple chatbot qui gère des FAQ de base ou des bavardages. Nous parlons d’un système critique et haute performance conçu pour effectuer des actions commerciales précieuses (par exemple, capturer des leads, proposer des produits, traiter des transactions, réinitialiser des mots de passe), s’intégrer profondément dans les opérations d’une entreprise et évoluer sans limites.

Les principales caractéristiques qui élèvent une solution d’IA conversationnelle au niveau entreprise incluent :

• Contrôle conversationnel robuste (Agents conversationnels) : Ce bot doit gérer des conversations non linéaires, gérer un contexte complexe et permettre aux utilisateurs de passer d’un sujet à l’autre sans confusion. 
• Intégration système approfondie et orientation vers les tâches métier : Les solutions d’entreprise sont orientées tâches, effectuant des actions commerciales précieuses au lieu de simplement avoir une conversation. L’agent agit comme un travailleur numérique, exécutant des fonctions telles que le calcul de données, la mise à jour de systèmes et la collecte de leads clients pour votre équipe de vente.
• Évolutivité et fiabilité : La solution doit gérer des milliers d’utilisateurs simultanés de manière transparente pendant les périodes de forte demande.
• Ancrage et précision de la base de connaissances : Les réponses doivent être précises et basées sur la documentation approuvée de l’entreprise pour éviter les « hallucinations ».
• Transfert humain fluide : Le bot connaît ses limites et peut transférer avec élégance les requêtes complexes à un agent humain. Il doit transmettre le contexte complet de la conversation et les données client pour une résolution efficace.

Qu’est-ce que les Agents Conversationnels (Dialogflow CX) ?

Les Agents Conversationnels sont une plateforme puissante de niveau entreprise, offerte par Google Cloud Platform (GCP), pour construire des agents virtuels sophistiqués et évolutifs (chatbots IA). Elle est spécifiquement conçue pour gérer des systèmes conversationnels critiques et haute performance.

Les aspects clés de Dialogflow CX, tels que soulignés dans le contexte de la construction d’un agent virtuel de niveau entreprise, incluent :

• Contrôle conversationnel robuste : Il permet la création de bots capables de gérer des conversations non linéaires, de gérer un contexte complexe de manière transparente et de permettre aux utilisateurs de passer d’un sujet à l’autre sans se perdre.
• Orientation tâche : Les agents construits avec Dialogflow CX sont intrinsèquement orientés tâche, ce qui signifie qu’ils sont conçus pour effectuer des actions commerciales précieuses, plutôt que de simplement gérer des bavardages.
• Évolutivité : La plateforme est conçue pour être hautement évolutive et fiable, garantissant que la solution peut gérer des milliers d’utilisateurs simultanés pendant les périodes de forte demande.

À qui s’adressent les Agents Conversationnels ?

Alors, à qui s’adresse réellement cette puissante plateforme ?

Lorsque vous ouvrez pour la première fois la console Dialogflow CX, vous verrez une interface visuelle claire basée sur des organigrammes (un peu comme l’exemple de commande de pizza que j’ai partagé précédemment). Il est tentant de penser qu’il s’agit d’un outil simple, sans code, par glisser-déposer.

Cependant, je tiens à être franc avec vous : les Agents Conversationnels sont un outil de niveau entreprise profondément puissant et complexe, et sa surface visuelle simple peut être trompeuse.

Ce n’est pas une plateforme que vous pouvez maîtriser simplement en cliquant ici et là de manière intuitive. Construire un chatbot vraiment robuste, évolutif et orienté tâche comme celui que nous sommes sur le point de créer nécessite plus que de simplement naviguer dans un constructeur visuel. Cela vous demande de :

• Analyser et concevoir des flux conversationnels complexes.
• Lire la documentation en profondeur pour comprendre le « pourquoi » derrière les paramètres.
• Consulter d’autres ressources et tutoriels (comme celui-ci !) pour voir des applications pratiques.
• Avoir une certaine compréhension du développement. Pour effectuer de véritables actions commerciales, comme notre calcul de prêt ou la capture de leads, vous devrez comprendre comment vous connecter à d’autres systèmes. Cela signifie vous familiariser avec des concepts tels que les webhooks, les API et les formats de données (comme JSON).

J’écris ce tutoriel spécifiquement pour vous faciliter grandement ce parcours. Mon objectif est de vous guider étape par étape à travers un projet réel, en expliquant ces éléments complexes de manière compréhensible.

Mais cela nécessite définitivement un parcours d’apprentissage. Ne vous découragez pas ! La récompense est d’acquérir la compétence de construire des agents vraiment sophistiqués sans les limitations ou les frais d’abonnement d’autres plateformes.

Au fur et à mesure que vous suivez, si vous êtes bloqué, avez une question ou souhaitez des éclaircissements sur une étape spécifique, veuillez laisser un commentaire ci-dessous !

Explication de notre étude de cas : le bot de prêt personnel

Pour passer de la théorie à la pratique, nous avons besoin d’un projet réaliste. Se contenter de parler des fonctionnalités ne suffit pas ; nous devons les construire.

Pour ce tutoriel, nous allons construire un agent virtuel pour un scénario commercial courant et de grande valeur : un assistant de prêt personnel.

Pour ancrer cela dans le monde réel, nous utiliserons les détails de produit publiquement disponibles du Prêt Personnel de la Banque Santander comme base. Cela nous permet de travailler avec un cas d’utilisation concret de niveau entreprise.

Notre objectif est de construire un bot qui fait bien plus que simplement répondre à des questions simples. Nous allons construire un agent complet, orienté tâche, qui exécute des fonctions commerciales précieuses. Voici les modules principaux que nous construirons ensemble :

1. Base de connaissances Q&R : Tout d’abord, nous entraînerons le bot à répondre avec précision aux questions courantes en utilisant les informations produit de Santander.
2. Calculs de prêt en temps réel : C’est ici que nous abordons l’intégration système approfondie. Nous construirons une action personnalisée qui permettra au bot d’effectuer des calculs de prêt en temps réel pour l’utilisateur. C’est un exemple parfait de fonction précieuse et orientée tâche.
3. Capture sécurisée de leads : Enfin, après avoir fourni de la valeur, notre bot capturera les détails de l’utilisateur en tant que lead qualifié. Nous mettrons en œuvre un processus sécurisé pour envoyer ces informations directement dans une feuille Google, démontrant un processus commercial complet de bout en bout.

En construisant ces trois modules, vous apprendrez à gérer les connaissances, à effectuer des actions personnalisées et à vous intégrer à des systèmes externes – les trois piliers d’un chatbot de niveau entreprise.

Ce dont vous aurez besoin : Prérequis

Avant de commencer à construire, réglons la logistique. Ne vous inquiétez pas, cette partie est simple et vous pouvez suivre avec un compte gratuit.

Voici les deux choses dont vous aurez besoin :

1. Un compte Google : Tout compte Google (ou Gmail) standard fonctionnera. Si vous n’en avez pas, vous pouvez en créer un gratuitement.
2. Un projet Google Cloud Platform (GCP) avec facturation activée : C’est l’étape la plus importante, et celle qui rend parfois les gens nerveux. Je tiens à vous assurer que vous n’avez pas à vous soucier des coûts.

Soyons très clairs : Suivre ce tutoriel ne devrait rien vous coûter.

Bien que vous deviez configurer un compte de facturation et lier une carte de crédit, c’est une pratique standard pour Google afin de vérifier votre identité et de prévenir les abus. Vous ne serez pas facturé automatiquement car lorsque vous vous inscrivez pour la première fois à Google Cloud, vous êtes éligible à un crédit gratuit de 300 $ à utiliser sur 90 jours.

Voici une vidéo expliquant comment créer un compte de facturation dans GCP :  Créer un compte de facturation

Naviguer dans le tutoriel

Puisqu’il s’agit d’une construction étendue de niveau entreprise, j’ai conçu cet article pour qu’il soit votre ancre conceptuelle et technique. Bien que je ne liste pas chaque clic de souris – vous pouvez suivre le processus visuel exact, étape par étape, dans la vidéo YouTube intégrée ci-dessus – les sections suivantes détailleront l’architecture de ce que nous construisons et les concepts fondamentaux que vous devez maîtriser.

Que sont les Agents Conversationnels ?

Anciennement connu sous le nom de Dialogflow CX, Agents Conversationnels est la plateforme principale de Google pour construire une IA qui ne se contente pas de « discuter », mais qui « agit ». Elle se trouve dans la Google Cloud Console. Contrairement aux chatbots basiques, ces agents utilisent une approche de « machine à états » (Flux et Pages) combinée à des capacités LLM modernes (Playbooks) pour gérer une logique métier complexe et multi-tours.

Démarrer

Pour commencer, vous naviguerez vers la console des Agents Conversationnels, sélectionnerez votre projet GCP et créerez un nouvel agent. Le « point d’entrée » de votre bot est le Flux de Démarrage par Défaut. C’est là que se produit le salut initial et où l’agent décide quel « Playbook » déclencher en fonction de la demande de l’utilisateur.

Comprendre les Playbooks

Les Playbooks sont le cœur « Génératif » des agents modernes. Au lieu de coder en dur chaque réponse possible, vous donnez à l’agent un Objectif (par exemple, « Aider l’utilisateur à calculer un prêt ») et des Instructions (par exemple, « 1. Demander le montant, 2. Demander la durée, 3. Appeler l’outil de calcul »).

• Paramètres de Playbook : Ce sont des variables que l’agent « mémorise » pendant la session (comme $montant ou $nom_utilisateur). Elles agissent comme la mémoire à court terme de l’agent.

Le pouvoir des exemples (Few-Shot Prompting)

C’est sans doute la partie la plus critique de la configuration. Les Exemples sont l’endroit où vous fournissez à l’agent des exemples de conversations « de référence ».

En ajoutant des Exemples, vous montrez au LLM :

• Entrée utilisateur : Comment un humain réel pourrait demander de l’aide.
• Action de l’agent : Quand exactement l’agent doit décider d’appeler un outil (comme la calculatrice).
• Appel/Sortie de l’outil : Comment l’agent doit interpréter les données techniques renvoyées par votre code Python et les traduire en une réponse conviviale.

Sans exemples, l’agent doit deviner ; avec eux, il suit parfaitement votre ton et votre logique métier spécifiques.

Étendre les capacités avec des outils

Les outils sont ce qui donne des « mains » à votre agent. Nous construirons trois types distincts :

• Outils avancés via Google Cloud Run : Pour une logique complexe comme notre Calculateur de Prêt, nous hébergeons un script Python sur Cloud Run. L’agent envoie les données de l’utilisateur à cet outil, le script effectue le calcul et renvoie le résultat.
• Base de connaissances FAQ : Nous créerons un outil « Data Store ». Il vous suffit de télécharger le PDF de la Banque Santander, et l’agent l’utilisera pour répondre à toute question spécifique sur les produits sans que vous ayez à écrire une seule « intention ».
• Intégration Google Sheets : C’est notre outil de « Capture de leads ». Lorsqu’un utilisateur fournit ses coordonnées, l’agent appelle un webhook Python qui ajoute une nouvelle ligne à votre feuille Google en temps réel.

Test et déploiement

Avant la mise en ligne, nous utilisons le Simulateur dans la console pour « parler » au bot et inspecter les traces d’exécution. Une fois satisfait, vous pouvez déployer le bot sur votre site web en utilisant l’intégration Dialogflow Messenger – un simple extrait de code que vous collez dans votre HTML.

Code source des outils

Vous trouverez ci-dessous le code source des outils personnalisés que nous déployons dans ce tutoriel. Ceux-ci sont conçus pour être hébergés sur Google Cloud Run ou en tant que Cloud Functions.

Outil 1 : Le calculateur de prêt

Cet outil reçoit le montant et la durée du prêt, puis renvoie le paiement mensuel estimé.

requirements.txt

functions-framework==3.*
Flask

Point d’entrée de la fonction : calculate_loan

Schéma Open API

Outil 2 : Capture de leads Google Sheets

Cet outil prend le nom de l’utilisateur, son e-mail et l’intérêt du prêt, puis les enregistre directement dans une feuille de calcul spécifique.

requirements.txt

functions-framework==3.*
google-api-python-client
google-auth
flask

Point d’entrée de la fonction : write_loan_data

Schéma Open API

Le code source des Playbooks

Vous trouverez ci-dessous le code source des Playbooks que nous utilisons dans ce tutoriel.

Playbook par défaut

Calcul de prêt

Envoi de lead

Paramètres et leurs descriptions

• loan_amont
  Montant du prêt que le client va emprunter
• loan_term
  Période de remboursement du prêt préférée par le client pour rembourser le prêt emprunté
• monthly_payment
  Montant du paiement mensuel calculé
• total_repayable
  Montant total du prêt remboursable calculé
• apr
  Pourcentage du TAEG