Répondre dans la mauvaise langue est pire que répondre lentement
Une personne qui écrit dans sa langue sur un site qui propose cette langue peut attendre une réponse dans la même langue. Une réponse en anglais signale que l'offre n'était que décorative.
La détection n'est pas le plus dur. Décider quoi faire de la détection l'est : répondre directement, acheminer vers un locuteur natif, ou répondre dans la langue de la personne tout en l'acheminant. La bonne action dépend de la disponibilité d'un locuteur natif et de la complexité de la question.
La confiance varie beaucoup d'une langue à l'autre. Un modèle à l'aise dans une langue et seulement approximatif dans une autre ne doit pas les traiter de la même façon. Une configuration honnête en tient compte plutôt que de supposer une couverture uniforme.
Les messages écrits dans un mélange de langues sont fréquents, et ils font vaciller une détection simple. Quand une personne écrit surtout dans une langue mais y glisse des termes techniques anglais, elle n'écrit pas en anglais. Traiter ces cas comme bilingues produit une mauvaise réponse.
Comment l'agent est construit dans Agent Studio
La détection de langue a lieu avant l'agent, pas à l'intérieur. Dans le flux, un nœud Text Classifier détecte la langue à bas coût, pour que la décision soit constante et auditable.
Le system prompt inclut aussi un étagement. Il nomme les langues que l'agent peut traiter de bout en bout, celles dans lesquelles il salue et achemine tout de suite, et l'instruction d'acheminer plutôt que d'essayer de traiter le message lorsqu'il est complexe.
Un locuteur natif rédige le message d'accueil et d'acheminement pour chaque langue prise en charge. Quand l'accueil est généré, le service sonne étranger, c'est pourquoi le texte écrit par un humain a sa place ici.
Un nœud Google Sheets stocke la correspondance langue-équipe, pour que les responsables support changent la couverture sans changer les réglages de l'agent.
Agent Chat le relie au canal d'arrivée. Slack, WhatsApp ou Telegram portent ensuite la conversation.
Quand le message est acheminé, il porte un avis d'acheminement indiquant qu'il s'agit du message original, pas d'une traduction, pour que l'équipe destinataire voie exactement ce que le client a écrit.
Les langues détectées sont consignées dans Google Sheets. Ce journal répond plus tard à une question d'embauche, pas seulement à une question d'acheminement.
De quoi cet agent est constitué
- Text Classifier (AI Custom) : détecte la langue dans le flux avant l'agent, pour que la décision soit auditable.
- System prompt : quelles langues il traite de bout en bout, et lesquelles il salue puis achemine.
- Prompt skills : messages d'accueil et d'acheminement rédigés par des locuteurs natifs, pas générés.
- Google Sheets (Integration) : tient la correspondance langue-équipe et consigne les langues détectées pour l'embauche.
- Agent Chat (Util) : relie l'agent au canal d'arrivée.
- WhatsApp (Communication) : porte la conversation. Telegram et Slack occupent le même emplacement.
- Quand un ActionFlow suffit : Si vous acheminez chaque message non anglais vers une seule équipe, un flux de travail détecter-et-acheminer s'en charge sans modèle dans la conversation.
Questions fréquentes
Newsletter
Recevoir les mises à jour produit
Nouveaux nœuds, agents et notes produit. Nous n'envoyons un e-mail que lorsqu'il vaut la peine de l'ouvrir.