Améliorer les performances de votre chatbot ChatLab implique d'affiner ses paramètres et ses méthodes d'entraînement. Commencez par entraîner votre chatbot, puis sélectionnez-le et utilisez Overview (Vue d'ensemble) pour poser quelques vraies questions de clients. Notez les réponses attendues, modifiez un seul élément à la fois et répétez les mêmes questions dans de nouvelles conversations.
Instructions de rôle personnalisées pour affiner les réponses
Les instructions de rôle personnalisées (Custom Role Instructions) vous permettent de définir des directives précises pour le comportement et le ton de votre chatbot, en l'adaptant aux besoins de votre public. Voici comment implémenter et utiliser cette fonctionnalité efficacement :
-
Définir le rôle du bot : indiquez clairement le rôle que le chatbot doit adopter. Par exemple, « agent de support client », « assistant commercial » ou « conseiller technique ».
-
Définir des règles de comportement : incluez des instructions sur le ton, la langue et le style de réponse. Par exemple :
- Ton : amical, professionnel ou formel.
- Langue : utilisez des explications simples pour les utilisateurs non techniques ou du jargon technique pour un public expert.
-
Intégrer des détails spécifiques au contexte : ajoutez des instructions liées à votre activité ou à votre domaine. Par exemple :
- « Si un utilisateur pose des questions sur les options de livraison, mentionnez en priorité la livraison gratuite si elle est disponible. »
- « Lorsque vous abordez les tarifs, incluez toujours les détails sur les remises sur volume le cas échéant. »
-
Tester et itérer : testez la façon dont le chatbot répond avec les nouvelles instructions de rôle, affinez-les en fonction des interactions des utilisateurs et ajustez-les selon vos besoins pour obtenir le style de réponse et la précision souhaités.
Configurez cela dans Settings > Role & Behavior (Paramètres > Rôle et comportement). En savoir plus sur les paramètres de rôle et de comportement.
Passer à un modèle d'IA plus performant
Comparez les modèles proposés dans le sélecteur actuel sur les mêmes questions. Vérifiez si la réponse est précise, respecte vos instructions et gère les questions de suivi. La disponibilité des modèles et le coût en crédits évoluent, utilisez donc les options affichées et le guide des crédits de messages plutôt qu'une grille tarifaire fixe par modèle.
Changez de modèle dans Settings > Model & Advanced (Paramètres > Modèle et avancé). En savoir plus sur la sélection des modèles d'IA.
Optimiser la base de connaissances
Utilisez l'outil Knowledge Base Optimizer (Optimiseur de base de connaissances) pour voir quels fragments correspondent à une question spécifique. Il teste la recherche pour une question isolée, et non la popularité historique des sources. Lisez le contenu retourné et comparez-le à la réponse attendue.
Sélectionnez votre chatbot et ouvrez Training > Knowledge Base Optimizer (Entraînement > Optimiseur de base de connaissances). En savoir plus sur l'utilisation du Knowledge Base Optimizer.
De plus, réduire la créativité du modèle permet d'obtenir des réponses plus précises et ciblées. Une créativité plus faible peut limiter les variations, mais ne peut pas combler des informations manquantes ni garantir l'exactitude factuelle. Sa disponibilité dépend du modèle sélectionné. Vous pouvez ajuster ce réglage dans Settings > Model & Advanced à l'aide du curseur Creativity. En savoir plus sur les paramètres de conversation.
Extension de contexte
Envisagez d'étendre le contexte lorsque les informations pertinentes ne tiennent pas en entier. Un contexte plus large permet d'inclure davantage de contenu, mais ne garantit pas une meilleure réponse. Il augmente également la consommation de crédits de messages, et des tailles plus importantes nécessitent l'option de compte correspondante.
ChatLab propose trois tailles de contexte différentes : 8 000, 16 000 ou 32 000 tokens, ce qui influe directement sur la capacité du chatbot à retenir et exploiter les informations. Choisir la taille de contexte appropriée est un équilibre entre la qualité de réponse souhaitée et votre budget d'exploitation.
Configurez la taille du contexte dans Settings > Model & Advanced. En savoir plus sur l'extension de la taille de contexte de chat.
Entraînement ciblé : privilégier la qualité à la quantité
L'un des moyens les plus efficaces d'améliorer la qualité des réponses consiste à réduire les contenus non pertinents dans vos données d'entraînement. ChatLab utilise l'architecture RAG (Retrieval-Augmented Generation), qui recherche les fragments d'information les plus pertinents pour répondre aux questions. Trop de contenu générique ou répétitif crée du bruit qui peut perturber le processus de recherche.
Pourquoi un entraînement ciblé est utile :
- Le RAG attribue un score de pertinence aux fragments de contenu - le contenu non pertinent dégrade la qualité de recherche
- Les éléments répétitifs (menus, pieds de page, en-têtes) sur chaque page inondent la base de connaissances de bruit inutile
- L'IA peut récupérer des fragments de faible valeur au lieu de réponses spécifiques et utiles
Comment cibler votre entraînement :
- Utilisez l'analyse du plan de site (sitemap) plutôt qu'une exploration complète du site
- Excluez les éléments de page répétitifs tels que les en-têtes et les pieds de page
- Filtrez les sections d'URL non pertinentes (actualités, images, communiqués de presse)
- Concentrez-vous sur le contenu à forte valeur ajoutée : fiches produits, FAQ, articles d'aide, documents de politique
Pour obtenir des instructions détaillées sur l'optimisation des analyses de votre site, consultez comment réduire les caractères d'entraînement lors de l'analyse d'un site web.
Format privilégié pour les fichiers d'entraînement
Lors de l'entraînement de votre chatbot, choisissez un format de fichier qui regroupe les faits liés entre eux. Le texte est utile pour les explications narratives, tandis que les feuilles de calcul et les fichiers CSV peuvent bien convenir aux données sous forme de tableaux :
-
Les fichiers texte vous permettent d'inclure des termes associés au contexte.
-
Ils garantissent une grande souplesse dans la structuration des informations.
Par exemple, lors de l'ajout d'une grille tarifaire pour vos produits, incluez des termes associés :
- Termes liés à la grille tarifaire : « coût », « tarifs », « prix », « frais », « devis »
Testez si des requêtes comme « Quels sont vos tarifs ? » ou « Montrez-moi le détail des coûts » retrouvent la bonne source et fournissent la réponse attendue.
Ajouter des corrections depuis l'historique des conversations
Consultez l'historique des conversations de votre chatbot et ajoutez des corrections dès que vous repérez des réponses incorrectes ou sous-optimales. Cela permet au chatbot d'apprendre de ses erreurs et d'améliorer ses futures réponses à des questions similaires.
Accédez à l'onglet Chatlogs (Historique de chat), repérez les conversations posant problème et cliquez sur l'icône de modification à côté de la réponse du bot pour ajouter une correction. En savoir plus sur l'ajout et la modification de corrections.