Agent IA · Connaissances

Un coach qui lit le manuel à la place des conseillers

Un réseau de conseillers immobiliers avait toute sa méthode dans une vaste base de connaissances. Nous avons construit un agent de coaching qui trouve les quelques sections utiles à une question et répond à partir d'elles, au lieu d'envoyer toute la base à un modèle à chaque appel.

Réserver un appel gratuitConstruit pour SAAFKA

Illustration
Agent IA · Connaissances
  1. Le conseiller pose sa question
  2. Chercher de deux façons
  3. Fusionner les classements
  4. Répondre à partir des passages
  5. Surveiller le flux

La situation

Le savoir-faire du réseau remplissait une base d'environ 196 000 tokens. L'envoyer en entier à chaque question est lent, coûteux, et le bon paragraphe se perd quand même dans la masse. Les nouveaux conseillers avaient besoin de réponses en quelques secondes, avec les mots du réseau.

Ce qui a changé

Chaque question ne mobilise plus que les sections pertinentes. Deux méthodes de recherche sont combinées pour trouver à la fois le sens et les termes exacts, et un garde-fou empêche l'agent de nommer des concurrents ou des personnes internes pendant qu'il diffuse sa réponse.

Comment ça marche

5 étapes, de bout en bout

  1. 01

    Le conseiller pose sa question

    Une question de coaching, depuis la plateforme du réseau.

  2. 02

    Chercher de deux façons

    Recherche sémantique et recherche par mots-clés tournent côte à côte sur 962 sections.

  3. 03

    Fusionner les classements

    Les deux listes de résultats sont fusionnées en un seul classement des meilleurs passages.

  4. 04

    Répondre à partir des passages

    Le modèle rédige une réponse de coaching à partir des seules sections retenues.

  5. 05

    Surveiller le flux

    Les noms qui ne doivent pas apparaître sont bloqués pendant la diffusion de la réponse.

Là où l'IA s'arrête

Le modèle écrit. Le code décide.

Le modèle

  • Rédige la réponse de coaching
  • Adapte le ton à la question du conseiller
  • Résume les longues sections en étapes

Le code

  • Sélectionne les sections que le modèle a le droit de lire
  • Fusionne les classements sémantique et par mots-clés
  • Bloque les noms de concurrents et les noms internes pendant la diffusion

En chiffres

Des comptes lus dans le code livré. Aucun résultat inventé.

962
sections indexées pour la recherche
~196 k
tokens qui ne sont plus envoyés à chaque appel
2
méthodes de recherche, classements fusionnés

Construit avec

  • Recherche vectorielle (pgvector)
  • Recherche par mots-clés (BM25)
  • Fusion des classements
  • Garde-fou en streaming
  • API sans état

Construit pour

Le client derrière ce projet

ImmobilierSaafkaRéseau de conseillers immobiliers : achat, vente, location et estimation partout au Maroc.Lire l'histoire du client

Autres cas d'usage

Tous les cas d'usage

Tous les cas d'usage

Contact

parlons de votre projet

  • Où nous sommesMaroc, partout dans le monde
  • Écrirehello@kaishift.com
  • LanguesFrançais, arabe, anglais
Plutôt un appel ? Réservez 30 minutes

Écrivez-nousRéponse le jour ouvré même.