Comment créer une base de connaissances chatbot pour votre agent IA

Une base de connaissances de chatbot est l’ensemble des contenus validés dans lesquels votre agent IA cherche avant de répondre : réponses aux questions fréquentes, détails des produits et services, politiques, adresses et horaires d’ouverture. Lorsqu’un client pose une question, l’agent récupère les passages les plus pertinents et rédige sa réponse à partir de ceux-ci. Construisez-la à partir des questions que vos clients posent réellement, écrivez chaque information une seule fois en langage clair, découpez-la en sections ciblées et mettez-la à jour chaque fois que votre activité évolue.

La plupart des agents IA décevants ne sont pas limités par le modèle, mais par ce qu’ils peuvent consulter. Si votre politique de retour se trouve dans un PDF scanné datant de trois ans, l’agent la citera ou devinera. Ce guide explique quoi inclure, comment structurer le contenu, comment fonctionne la recherche en termes simples, et comment garder le contenu exact une fois que vos clients échangent avec l’agent.

À quoi sert vraiment une base de connaissances de chatbot

Un grand modèle de langage sait beaucoup de choses sur le monde et rien sur votre entreprise. Il ne connaît ni vos prix, ni vos agences, ni le fait que vous livrez le dimanche. Une base de connaissances comble cet écart.

La technique standard est la génération augmentée par récupération (RAG). En termes simples :

1. Le client pose une question sur WhatsApp, Instagram ou le chat de votre site.
2. Le système cherche dans votre base de connaissances les passages qui correspondent le mieux au sens de la question, et pas seulement à ses mots exacts.
3. L’agent reçoit ces passages avec la question et ses instructions.
4. L’agent rédige la réponse à partir des passages, idéalement sans rien dire que ces passages ne soutiennent.

C’est pourquoi il n’est pas nécessaire d’« entraîner » ou d’affiner un modèle pour qu’il réponde à partir de vos documents. Vous modifiez le contenu, et la réponse suivante change avec lui.

Quoi inclure dans votre base de connaissances

Partez des questions des clients, pas des documents que vous avez sous la main. Récupérez les quelques centaines de dernières conversations de votre boîte de réception, de votre support par e-mail et de vos notes d’appels, puis regroupez-les par thème. Les thèmes les plus fréquents forment vos premières sections.

Type de contenu	Exemples	Pourquoi l’agent en a besoin
FAQ	« Livrez-vous à l’étranger ? », « Puis-je modifier ma réservation ? »	Couvre l’essentiel des questions courantes
Produits et services	Noms, variantes, ce qui est inclus, à qui cela convient	Permet à l’agent de recommander et de comparer
Prix et frais	Grilles tarifaires, frais de livraison, acomptes	Évite les prix inventés ou périmés
Politiques	Retours, annulations, garantie, confidentialité	Réponses à risque qui doivent être exactes
Adresses et horaires	Adresses, horaires d’ouverture, fermetures pour jours fériés	Informations simples que les clients demandent sans cesse
Processus	Comment réserver, payer, faire jouer la garantie	Transforme les réponses en prochaines étapes
Règles d’escalade	Ce que l’agent ne doit jamais traiter seul	Indique quand passer la main

Excluez les notes internes, les brouillons, les anciennes conditions de campagne et tout ce qui contient des données personnelles. L’agent peut citer le contenu de la base à n’importe quel client : considérez donc chaque ligne comme publique.

Comment structurer le contenu pour que la recherche le retrouve

La recherche travaille sur des morceaux de texte, pas sur des fichiers entiers. La façon d’écrire et de découper le contenu compte plus que son volume.

Un sujet par section

Une section intitulée « Retours des commandes en ligne » avec cinq courts paragraphes est bien mieux retrouvée qu’un document de conditions de 40 pages où les retours apparaissent à la page 31. Si une page traite de plusieurs sujets, découpez-la.

Donnez la réponse en premier

Commencez chaque section par la réponse directe, puis ajoutez les conditions et les exceptions. Le passage récupéré doit contenir la réponse, pas seulement le contexte.

Faible :  Notre entreprise a été fondée en 2009 et a toujours été attachée
          à la satisfaction de ses clients. Au fil des ans, notre
          processus de retour...

Mieux :   Les commandes en ligne peuvent être retournées dans les 14 jours
          suivant la livraison. Les articles doivent être inutilisés et
          dans leur emballage d'origine. Les articles soldés peuvent être
          échangés mais pas remboursés.

Écrivez chaque information une seule fois

Si vos frais de livraison apparaissent dans quatre documents et que vous n’en mettez que trois à jour, l’agent peut récupérer l’ancienne valeur. Gardez une source unique de vérité par information et supprimez les doublons.

Utilisez les mots de vos clients

Les clients écrivent « remboursement », pas « procédure de restitution des fonds ». Ajoutez comme titres de questions les formulations que vous voyez dans les vraies conversations, afin que la recherche par sens ait davantage à quoi se raccrocher.

Gardez des tableaux et des listes simples

Les tableaux de prix simples et les listes à puces résistent généralement bien au découpage. Les feuilles de calcul complexes aux cellules fusionnées et les images scannées, souvent non. En cas de doute, réécrivez-les en phrases courtes.

Le chunking en termes simples

Avant de pouvoir être recherché par le sens, le contenu est découpé en segments (chunks), et chaque segment est converti en une liste de nombres appelée embedding, stockée dans une base de données vectorielle. Au moment de la réponse, la question est convertie de la même façon et les segments les plus proches sont renvoyés.

Deux réglages influencent les résultats :

• La taille des segments. Les petits segments sont précis mais peuvent perdre le contexte (« dans les 14 jours » sans préciser de quoi). Les grands segments gardent le contexte mais apportent du texte sans rapport, ce qui peut brouiller la réponse.
• Le chevauchement. Répéter un peu de texte entre segments voisins réduit le risque qu’une phrase clé soit coupée en deux.

Vous avez rarement besoin de les ajuster dès le premier jour. Les valeurs par défaut conviennent à un contenu bien structuré. Ne les revoyez que lorsque les tests montrent que l’agent retrouve le bon document mais la mauvaise partie.

Séparez les connaissances selon leur usage

Un seul tas de documents dégrade les réponses à mesure qu’il grossit. Un assistant commercial n’a pas besoin de vos procédures internes de planning, et un agent de support ne doit pas citer un brouillon de grille tarifaire. Répartissez le contenu en domaines distincts, comme le support client, les ventes et les opérations internes, et ne donnez à chaque agent que les domaines dont il a besoin.

Cela réduit aussi les risques. Un contenu qu’un agent ne peut pas récupérer est un contenu qu’il ne peut pas divulguer. Pour en savoir plus sur les données qui doivent ou non parvenir à un système d’IA, consultez notre checklist de confidentialité des chatbots IA.

Combinez connaissances statiques et données en temps réel

Une base de connaissances contient des contenus qui changent lentement : politiques, descriptions de produits, horaires d’ouverture. Ce n’est pas le bon endroit pour le statut d’une commande, un niveau de stock ou le prochain rendez-vous d’un client. Ces informations doivent provenir de vos systèmes au moment de la question, via des appels d’outils (appel de fonctions) ou des intégrations.

Une bonne règle : si une information peut changer plusieurs fois par jour, récupérez-la en direct. Si elle change quelques fois par an, placez-la dans la base de connaissances.

Gardez la base de connaissances à jour

Une base de connaissances exacte au lancement dérive vite. Intégrez la maintenance à votre routine :

1. Désignez un responsable pour chaque section, par exemple les opérations pour les horaires et les adresses, la finance pour les prix.
2. Mettez à jour dès qu’il y a un changement. Quand une politique ou un prix change, mettez la base à jour le jour même, puis réindexez-la.
3. Passez en revue chaque semaine les questions sans réponse. Chaque question sans réponse révèle une lacune, un problème de formulation ou un cas pour un humain.
4. Faites un audit mensuel. Relisez les sections les plus consultées, supprimez les contenus périmés et vérifiez que les informations saisonnières (horaires de fêtes, conditions de campagne) ont expiré.
5. Surveillez les transferts. Si le même sujet revient sans cesse vers des personnes, ajoutez du contenu ou décidez qu’il doit toujours être traité par un humain. Notre guide sur le passage de l’IA à un humain détaille les règles.

Comment tester une base de connaissances avant le lancement

Rédigez un jeu de test de 30 à 50 vraies questions, avec la réponse attendue pour chacune. Incluez :

• Des questions courantes formulées comme les écrivent les clients, avec fautes de frappe et messages courts.
• Des cas limites où la politique comporte des exceptions.
• Des questions non couvertes, pour vérifier que l’agent dit qu’il ne sait pas au lieu de deviner.
• Des questions dans d’autres langues si vous servez une clientèle internationale.

Test : « je peux renvoyer des chaussures que j'ai portées une fois »
Attendu : Explique que les retours doivent concerner des articles inutilisés,
          propose de mettre le client en relation avec l'équipe pour
          les exceptions.
Échec si : Accepte un remboursement, ou invente un autre délai.

Vérifiez séparément deux points : le système a-t-il récupéré le bon passage, et l’agent l’a-t-il bien utilisé ? Une mauvaise réponse issue du bon passage est un problème de prompt. Une mauvaise réponse issue du mauvais passage est un problème de contenu ou de chunking. Notre guide sur le test d’un agent IA avant son lancement détaille les jeux de test et les indicateurs.

Erreurs courantes dans une base de connaissances

• Importer tous les documents que vous possédez au lieu des contenus dont les clients ont besoin.
• Garder les prix ou les promesses de livraison dans les instructions de l’agent, où personne ne pense à les mettre à jour.
• Laisser d’anciennes versions des politiques à côté des nouvelles.
• Traiter des images scannées ou des feuilles de calcul complexes comme du contenu lisible.
• Ne prévoir aucune solution de repli quand rien de pertinent n’est trouvé, ce qui favorise l’hallucination.

Comment créer votre base de connaissances IA dans MonoChat

MonoChat propose deux façons de construire ce que sait votre agent, selon le niveau de contrôle souhaité.

Le démarrage rapide : MonoChat Start

MonoChat Start lit votre site web et rédige la base de connaissances à votre place : un profil d’entreprise, vos produits et services, vos adresses, vos politiques et une quarantaine de questions que vos clients posent réellement. Pas de site web, ou un site avec peu de contenu ? Vous répondez alors à cinq questions.

Tout ce que l’assistant peut dire se trouve dans quatre onglets : Questions, Products & services, Locations et Policies. Vous pouvez modifier chaque entrée, l’activer ou la désactiver, ou l’exporter. L’assistant n’indique jamais un prix, un délai de livraison ou une garantie qui n’y figure pas. Les réponses qu’il a rédigées à partir de connaissances générales sur votre secteur, plutôt qu’à partir de votre site, arrivent désactivées avec un badge « Check this » jusqu’à ce que vous les approuviez.

Quand il n’a pas de réponse, il n’improvise pas. Il note la demande sous Messages taken et indique au client qu’une personne reviendra vers lui, et ses rapports listent les questions auxquelles il n’a pas pu répondre, ce qui constitue votre liste de mises à jour hebdomadaire. Il répond sur WhatsApp, Instagram, Telegram ou le chat de votre site web.

Contrôle total : la base de connaissances IA et le RAG

Pour des volumes de contenu plus importants, la base de connaissances IA permet d’importer des PDF, des fichiers Excel, du texte et des pages web, avec import en masse, métadonnées et tags. Vous organisez le contenu en scopes, comme le support client, les ventes ou les procédures internes, chacun avec son propre contrôle d’accès, et vous affectez chaque scope aux agents et aux parcours qui doivent l’utiliser.

MonoChat découpe et vectorise le contenu avec des paramètres par défaut prêts à l’emploi, et vous pouvez choisir le modèle d’embedding, la taille des segments, le chevauchement et les règles de prétraitement quand vous en avez besoin. Les vecteurs sont stockés dans les bases de données vectorielles intégrées de MonoChat, ou dans la vôtre grâce à l’intégration VectorDB. Lorsque le contenu change, vous mettez à jour le scope et le réindexez, et l’assistant récupère la nouvelle version sans que vous ayez à reconstruire vos parcours.

Pour associer des documents à des données en temps réel, l’orchestration RAG enchaîne des étapes comme la réécriture de requête, la récupération, le reranking, les appels d’outils, les citations et la réponse finale, et les outils de fonctions IA récupèrent des informations comme le statut d’une commande ou une fiche CRM dans la même réponse.

Vous pouvez commencer avec le plan Basic gratuit (un agent, un canal) sur app.monochat.ai et comparer les plans sur notre page des tarifs.

Sources

• Meta for Developers : présentation de la WhatsApp Business Platform
• Politique de messagerie de WhatsApp Business