Le Knowledge Base Optimizer (optimiseur de base de connaissances) est un outil de test qui vous montre quels fragments de vos données d'entraînement le chatbot trouve pour une question donnée. Il utilise la recherche de connaissances et les paramètres linguistiques du bot pour une question isolée. Il ne rejoue pas une conversation entière et n'exécute pas les actions du bot liées à la boutique ni ses autres actions ; il ne s'agit donc pas d'une trace exacte de chaque réponse en direct.
Il fonctionne en lecture seule : tester une question ici ne modifie pas vos données d'entraînement et n'affecte en rien votre chatbot.
Où le trouver
Sélectionnez votre chatbot dans le tableau de bord principal et ouvrez l'onglet Training (Entraînement). Dans la colonne de gauche, sous la liste des catégories de sources, cliquez sur Knowledge Base Optimizer.
Si vous n'avez pas encore entraîné votre chatbot, commencez d'abord par ajouter des données d'entraînement - l'optimiseur ne peut effectuer des recherches que dans les connaissances déjà entraînées.
Tester une question
- Saisissez une question dans le champ Message - idéalement une vraie question posée par vos visiteurs, ou une question à laquelle le chatbot a récemment mal répondu.
- Cliquez sur Submit (Envoyer).
- Après un instant, les fragments de connaissances correspondants apparaissent ci-dessous, classés selon le rang de récupération et la politique linguistique.
Lire les résultats
Chaque ligne de résultat représente un fragment de vos données d'entraînement :
- Match (Correspondance) - le pourcentage sur la gauche indique à quel point le fragment correspond à votre question. Utilisez-le comme un indicateur de similarité, et non comme une probabilité en pourcentage que la réponse soit correcte. Les préférences de langue et le réordonnancement (reranking) peuvent également modifier l'ordre.
- Source - l'en-tête de la ligne affiche l'icône du type de source ainsi que son nom, par exemple l'URL de la page entraînée, un nom de fichier ou une entrée de Q&A.
- Badge de langue - le petit badge situé à côté de la source indique la langue attribuée au fragment. Les sources sans tag de langue affichent "any", ce qui signifie qu'elles sont utilisées pour toutes les langues.
- Contenu du fragment - cliquez sur une ligne pour la développer et lire le texte exact que recevrait le chatbot.
L'ordre a son importance. Les résultats sont classés par pertinence, et le chatbot les lit dans cet ordre, en partant du haut, jusqu'à ce que son budget de contexte de connaissances soit plein. Ce budget dépend du paramètre Chat Context Size (Taille du contexte de chat) du bot ainsi que de ses réglages de mémoire - les fragments qui dépassent ce budget sont tronqués à partir du bas. Si le fragment que vous attendiez est absent ou apparaît très bas dans la liste, le chatbot ne l'utilise très probablement pas pour répondre.
Politique linguistique
Au-dessus du champ de message, la ligne Language policy (politique linguistique) explique comment votre bot traite les langues sources pendant la recherche. Pour un bot sans filtrage linguistique, il effectue la recherche dans toutes les sources confondues. Avec Multi-language (Multilingue), la politique configurée peut restreindre la recherche à la langue principale ou à la langue du visiteur, avec la langue de secours sélectionnée et les sources indépendantes de la langue. Lisez la politique affichée avant d'interpréter des résultats manquants.
Pour les bots multilingues, une ligne d'information supplémentaire apparaît sous le champ de message après chaque recherche. Elle indique la mention Detected message language (la langue que l'outil a reconnue dans votre question), les Searched languages (les langues sources qui ont été incluses dans la recherche) et, lorsque l'outil a reformulé votre question pour mieux chercher, la Refined query (requête affinée) qu'il a réellement utilisée.
Quand l'utiliser
- Le chatbot répond de manière incorrecte ou indique qu'il ne sait pas. Testez la même question ici. Si le bon extrait est manquant, vérifiez d'abord la source d'origine, son état d'entraînement terminé, la balise de langue et la politique linguistique affichée. Des résultats manquants peuvent également être dus au classement ou au budget de contexte ; ils ne prouvent pas que l'information est absente. N'ajoutez ou ne corrigez du contenu qu'après avoir identifié le problème.
- Après un nouvel entraînement. Lorsque vous réentraînez vos sources, posez quelques questions types afin de vérifier que le contenu actualisé est bien extrait comme prévu.
- Avant la mise en ligne. Testez les questions les plus fréquentes que poseront vos visiteurs et confirmez que chacune renvoie des extraits pertinents parmi les premiers résultats.
Si les résultats révèlent des manques, améliorez vos données d'entraînement et testez à nouveau - les modifications deviennent disponibles une fois l'entraînement terminé. Testez ensuite la réponse dans Overview (Vue d'ensemble), en incluant une question de suivi réaliste. Pour un guide plus complet, consultez Comment améliorer les réponses du chatbot.