Comment Créer & Vendre des Agents IA: Formation Complète Débutant

Ai ai ai. Ai ai agi fin 2023, j’ai décidé d’apprendre en autodidacte à créer des agents IA, alors que je n’avais aucune expérience dans le domaine. Depuis, j’ai accompagné des entreprises générant jusqu’à plus de 300 millions de revenus par an à intégrer l’IA, attirer plus de 115 000 abonnés sur YouTube et réuni plus de 26 000 membres dans ma communauté IA gratuite.

Dans cette formation complète, je vais vous donner tout ce que j’ai appris ces 18 derniers mois. Comment diagnostiquer les besoins d’une entreprise, comment créer des agents IA performants sans jamais coder une ligne et surtout comment monétiser cette compétence. Mon but est simple, c’est qu’à la fin de cette vidéo, vous soyez non seulement capable de créer vos premiers agents IA, mais que vous puissiez aussi avoir une vision claire sur l’avenir.

Alors, la formation va être organisée en trois chapitres distincts. Chapitre 1, les fondations. Ici, l’objectif ce sera de comprendre ce qu’est un agent IA, son fonctionnement et les concepts clés, sans bagage technique prérequis pour comprendre. Je vous expliquerai également comment choisir le type d’agent IA selon le besoin.

Dans le chapitre 2, je vous présenterai des tutoriels pas à pas. Je vous montrerai les différentes manières d’exploiter les agents en entreprise et vous me suivrez dans la construction de plusieurs types d’agents IA en utilisant les meilleurs outils no-code du marché.

Et finalement, dans le 3ème et dernier chapitre, on abordera la monétisation. Je vous donnerai exactement la méthode que j’applique encore aujourd’hui afin que vous puissiez monétiser cette compétence et acquérir vos premiers clients. L’objectif est simple : vous donner une longueur d’avance durable sur le marché et un avantage décisif pour les prochaines années, pendant que cette technologie continue d’exploser.

C’est parti. Juste avant d’écouter un parfait inconnu sur internet parler pendant plusieurs heures, laissez-moi me présenter. Si vous êtes nouveau sur la chaîne et que vous ne savez pas qui je suis, bienvenue. Je m’appelle Yas. Il y a maintenant presque 2 ans, je me suis formé seul à l’IA générative et aux agents. J’ai ensuite fondé Chatfow AI, une boîte de consulting et de développement en IA où on a accompagné des dizaines d’entreprises de toute taille dans cette transition technologique. J’ai aussi par la suite commencé à documenter tout mon parcours de création d’agent. Vous pourrez retrouver ma toute première vidéo où je montre un agent qu’on a créé pour un client. Et suite à cela, j’ai décidé de lancer une communauté gratuite autour de l’intelligence artificielle. Aujourd’hui, après seulement 6 mois d’existence, c’est la plus grande communauté autour de l’IA en francophonie avec plus de 26 000 membres actifs. Et j’enseigne à travers cette chaîne YouTube et ma communauté à des milliers de personnes comment maîtriser et exploiter concrètement l’intelligence artificielle en entreprise. Et tout ce que je vais vous révéler dans cette vidéo, c’est exactement ce qui m’a fait passer de novice à un expert IA confirmé.

Alors, let’s go. Juste avant de plonger directement dans la théorie et la pratique des agents IA, je pense qu’il est crucial que vous compreniez le contexte économique dans lequel nous nous trouvons aujourd’hui. Mais comprendre pourquoi les entreprises sont prêtes à payer des milliers d’euros pour ces solutions, c’est ce qui va faire la différence entre quelqu’un qui sait utiliser des outils et quelqu’un qui devient un véritable entrepreneur.

Il y a alors : fermez tous vos autres onglets, prenez un carnet et un stylo, préparez-vous une tasse de café et installez-vous confortablement pour comprendre en quoi les agents IA représentent une révolution. [Musique]

Pendant que vous regardez cette formation, des milliers de tâches intellectuelles sont en train d’être remplacées par des agents IA. Et je ne parle pas de science-fiction, je parle de ce qui se passe en ce moment même. Selon le dernier rapport Forbes de janvier 2025, voici les emplois qui risquent de disparaître en premier dans cette révolution : la saisie de données, avec 60 % des tâches administratives qui sont déjà automatisables, la comptabilité de base et l’analyse financière, le travail juridique de recherche, la création graphique et la rédaction de base, et même le développement classique. Les agents IA sont déjà aujourd’hui capables d’automatiser entièrement tous ces processus métiers.

Mais voici ce que personne ne vous dit : nous ne vivons pas la disparition du travail intellectuel. Nous vivons la mort de l’opérationnel intellectuel. Concrètement, ça veut dire quoi ? Et bien, ça signifie que c’est fini de passer des heures à faire des recherches manuellement. Fini de rédiger des mails répétitifs, fini de créer des rapports en copiant-collant des données. L’ère du « faire » est terminée. On entre maintenant dans l’ère du « diriger ». Demain, on va tous devenir des managers d’agents IA. Et toutes les tâches chronophages et répétitives qu’on avait l’habitude de faire manuellement risquent de disparaître. Votre nouveau job ? Guider, superviser et optimiser des agents intelligents qui feront l’opérationnel à votre place et celle de votre équipe.

Mais alors, qu’adviendra-t-il des millions de jobs qui vont disparaître suite à cet événement ? Et bien, voici le secret que les médias ne vous disent jamais, car bien moins vendeur. Oui, il est vrai que le World Economic Forum prédit que 92 millions d’emplois vont disparaître d’ici 2030 face à cette technologie. Mais dans le même rapport, et ça personne n’en parle, ils annoncent la création de 170 millions de nouveaux emplois. Vous avez bien entendu, cela représente 78 millions d’emplois nets créés grâce à l’IA.

Et voici le paradoxe le plus dingue : selon ce même rapport du World Economic Forum, 66 % des employeurs cherchent aujourd’hui désespérément des talents avec des compétences IA. Ils ne trouvent personne. Trop peu d’experts sur le marché sont actuellement capables d’intégrer correctement ces technologies, et les chiffres de notre propre expérience le confirment. Dans ma boîte de consulting Chatfow AI, on reçoit chaque mois des centaines de demandes d’entreprises qui recherchent désespérément des experts pour les aider à maîtriser cette technologie afin de ne pas se faire dépasser.

Mais pourquoi est-ce que je vous parle de tout ça maintenant ? Pourquoi cette vidéo aujourd’hui ? Et bien parce qu’on vit un moment critique. On est exactement au point de bascule entre l’émergence et l’adoption massive de ces technologies. Aujourd’hui, les outils no-code comme Make, NA10, Rounded, Lovable, tous les outils que je vais vous montrer dans cette formation, rendent enfin ces solutions accessibles à tous. Vous n’avez plus besoin d’être un développeur pour créer des agents IA puissants. C’est exactement comme Steve Jobs et la révolution PC. Jobs est né au parfait moment en 1955. Le timing était parfait pour surfer sur la vague de l’informatique personnelle. Et nous, on est né au parfait timing pour la révolution IA et l’adoption massive de ces agents IA. Et je suis loin d’être le seul à dire cela.

Aujourd’hui, des signes évidents confirment cette position. En France, la BPI, donc la banque publique d’investissement, vient de lancer un programme qui subventionne jusqu’à 60 000 € pour aider les entreprises françaises à intégrer l’IA, sans parler des centaines de milliards investis par le gouvernement français dans l’infrastructure IA. Mais cette fenêtre d’opportunité, elle ne restera pas ouverte éternellement. Dans 2 ou 3 ans, quand tout le monde aura compris l’avènement des agents IA, et bien l’avantage des adopteurs finira par disparaître. Et ceux qui se préparent maintenant vont prospérer et navigueront sereinement dans cette nouvelle ère. Alors que les autres risquent simplement de se faire remplacer ou de tout simplement disparaître.

Alors laissez-moi vous donner des chiffres concrets de ce qui se passe actuellement sur le marché français. Et vous allez voir, on est très loin de l’époque où j’ai commencé où les PME étaient complètement réticentes à l’intégration de l’IA. Si on regarde les dernières données européennes, les budgets dédiés à l’IA en entreprise ont explosé de 61 % en 2024, et cette tendance est en train de s’accélérer massivement en 2025. Comme je vous l’ai dit, dans mon agence Chatfow AI, on accompagne des entreprises de toute taille, en partant des agences marketing jusqu’à des groupes qui génèrent plus de 300 millions d’euros de chiffres d’affaires par an. Et voici les cinq solutions qu’on nous demande le plus à ce jour : en premier, on a les applications sur mesure. Ensuite, on a de la formation et du coaching, de la génération de prospects de marketing. Et quatrièmement, l’automatisation des processus internes. Et la 5ème solution, celle qui nous intéresse aujourd’hui et qu’on nous demande de plus, c’est les agents IA, avec des budgets allant de 5 000 € jusqu’à 20 000 € par projet.

Mais le plus fou dans tout ça, et la raison de cette vidéo, c’est que 80 % de toutes les demandes qu’on reçoit concernent les agents IA. Et peu importe le format, que ce soit des agents vocaux, des agents de texte, des agents d’automatisation, de développement, de mise en place de réseaux sociaux, c’est la solution que les entreprises recherchent des experts en 2025. Et heureusement pour vous, vous êtes tombé sur cette vidéo. Si vous suivez cette formation jusqu’à la fin, vous deviendrez des experts des agents IA et vous en saurez plus que 99 % de la population à ce sujet. Le but étant que vous deveniez des véritables architectes de l’automatisation, des chefs d’orchestre capables de créer, diriger et implémenter des agents IA en entreprise.

Alors, enregistrez cette vidéo dans votre navigateur pour la retrouver facilement. Je pense que bon, vous avez vu la longueur de la vidéo, c’est assez long. Donc prenez votre temps pour assimiler chacun des concepts. Prenez des notes et préparez-vous à devenir un expert en agent IA.

C’est parti. Maintenant que vous comprenez l’ampleur de l’opportunité et l’urgence d’agir, il est temps de passer aux choses sérieuses. Vous venez de voir pourquoi est-ce qu’on est en train de vivre une révolution économique majeure. Vous savez que les entreprises françaises investissent massivement dans l’IA. Vous avez compris que 80 % de nos demandes concernent les agents IA. Mais concrètement, qu’est-ce qu’un agent IA ? Comment ça fonctionne ? Et surtout, comment est-ce que vous allez pouvoir créer et vendre ces solutions aux entreprises qui en ont désespérément besoin ? Et c’est exactement ce qu’on va voir ensemble maintenant.

Commençons par les fondations. Dans ce premier chapitre, on va démystifier ensemble les agents IA sans jargon technique pour que vous puissiez comprendre parfaitement comment ils fonctionnent et apprendre à les construire par la suite.

OK, on va enfin pouvoir commencer et passer aux choses sérieuses. Juste avant de passer à la pratique et de voir concrètement comment on va construire des agents IA de A à Z et comment est-ce qu’on va pouvoir intégrer et aider les entreprises à utiliser des agents qui sont déjà préconfigurés, et il faudrait juste apprendre à les former. On va d’abord commencer par un peu de théorie, histoire de vulgariser quelques termes qui peuvent paraître des fois ultra compliqués, alors qu’il n’y a rien de compliqué derrière, et cette compréhension entre guillemets théorique va vous permettre d’appréhender beaucoup mieux la maîtrise et la construction des agents IA.

Alors la seule chose que je vais vous demander de faire avant de commencer à suivre cette partie théorique, c’est de fermer tous les autres onglets. Assurez-vous d’être vraiment concentré sur ce qui va se passer. C’est assez dense, il y a beaucoup d’informations. C’est normal si vous ne comprenez pas tout du premier coup. Ce que moi je vous recommande de faire, c’est toujours de prendre des notes en parallèle, en tout cas sur la partie théorique. Ça vous assure d’avoir les termes les plus importants et votre cerveau, il va un peu plus travailler si vous prenez en note les termes les plus importants. Et comme ça, on est sûr que vous allez acquérir toutes les compétences nécessaires pour pouvoir construire des bases solides et passer sereinement sur la pratique par la suite. Donc prenez des notes, préparez-vous un deuxième café s’il faut pour être concentré. Ça va être une partie qui va être assez dense mais qui est essentielle à votre apprentissage.

Surtout si vous aussi vous souhaitez participer activement à cette révolution, à ces agents IA et tout ce qui se passe dans le monde de l’intelligence artificielle, et bien le minimum c’est de vous assurer d’avoir les bases théoriques. Et pour ça, dans tous les cas, comme je vous l’ai probablement dit, vous retrouverez un guide complet sur tout ce que je suis en train de vous présenter, les différentes notions, les différentes thématiques, les templates que je vous présenterai par la suite dans le guide pratique dans ma communauté gratuite. Il y aura un lien en description qui vous permettra d’y accéder et vous pourrez récupérer le guide directement là-bas.

Bon, passons enfin au vif du sujet. Alors, l’objectif aujourd’hui, je sais que beaucoup d’entre vous voient sûrement plein de définitions sur les agents IA à droite à gauche et qu’à chaque fois la définition est un peu différente. Des fois, elle peut paraître trop technique, trop compliquée, et des fois, elle est un peu basique, vague, et on n’arrive pas vraiment à saisir qu’est-ce qu’un agent IA. Et du coup, c’est ce qu’on va essayer de répondre dans un premier temps. Et pour ça, on va suivre un parcours assez simple en trois étapes. Et pour s’assurer que tout le monde ait la compréhension la plus complète, on va s’assurer de revoir des notions de base avant de passer tout de suite aux agents IA.

Alors, pour qui est-ce que cette formation, elle est faite ? Elle est faite pour les personnes qui utilisent déjà régulièrement l’intelligence artificielle. Si vous n’avez jamais entendu parler de l’intelligence artificielle, bon entendu, je pense que la plupart d’entre vous, vous en avez déjà entendu parler, mais que vous n’avez jamais mis les mains dedans. Vous n’avez jamais vraiment utilisé les outils d’intelligence artificielle, ou vous n’avez pas un objectif encore clair et concret avec ce que vous allez faire de l’IA. Je vous invite vivement à regarder ma formation qui est disponible sur ma chaîne YouTube de 3h également, qui est bien plus complète, où là on va vraiment reprendre les bases de l’intelligence artificielle de manière un peu plus générale. On va voir ce que signifie intelligence artificielle, les différentes notions clés et à partir de là, vous pourrez visionner de manière beaucoup plus concrète la formation que vous êtes en train de regarder aujourd’hui. Donc il vous suffira d’accéder à ma chaîne YouTube. Je vous mettrai le lien dans le guide dans tous les cas. Mais voilà, c’est juste pour dire que aujourd’hui on va revoir les notions de base, mais pas autant que la vidéo de 3h. Donc c’est vraiment fait pour les gens qui utilisent déjà l’IA régulièrement et qui souhaitent devenir des entrepreneurs, des experts, des pratiquants de l’IA et en faire un métier.

Ensuite, c’est fait bien entendu pour ceux qui souhaitent comprendre et maîtriser les agents IA, et bien entendu, il n’y a besoin d’aucun bagage technique pour pouvoir suivre cette formation. Quand j’ai commencé, j’avais pas de bagage technique particulier et j’aurais aimé avoir une formation comme celle-ci qui se situe entre les personnes qui savent des choses et les personnes qui ne connaissent rien, histoire de quand même pouvoir, quand même en faire quelque chose.

Donc maintenant le parcours d’apprentissage, vous allez voir, il va être assez simple. On va commencer par voir en trois étapes d’abord ce que sont les LLM, donc les grands modèles de langage en français. Vous verrez que ça aura une importance particulière étant donné qu’ils jouent un rôle clé dans la création et la maîtrise des agents IA. En deuxième étape, on va voir ce qu’est un workflow IA, et finalement on verra les agents IA. Et vous allez voir que pour correctement comprendre et maîtriser les agents IA, c’est primordial et essentiel de maîtriser d’abord les LLM, les workflows IA avant de transiter tout de suite sur les agents IA. Si vous essayez de sauter ces deux étapes, ça risque d’être beaucoup trop abstrait pour vous et de vous confronter à des difficultés que vous n’auriez pas comprises. Et justement, le fait de commencer par ces deux étapes, ça va faciliter et rendre bien plus clair plein de notions qu’on va aborder.

Donc maintenant, le niveau 1. Donc comme on l’a dit, notre premier niveau, c’est les LLM. J’ai utilisé le Chat GPT parce que la plupart d’entre vous, je pense que vous connaissez le Chat GPT. Mais des LLM, il y en a plein. Déjà, le diminutif LLM, il vient du terme en anglais, « large language model ». Excusez-moi de l’accent, mais je voulais pas prendre le risque de le dire en anglais, mais en français, c’est les grands modèles de langage. Aujourd’hui, un LLM, c’est quoi ? Sur la plupart des outils que vous utilisez aujourd’hui, que ce soit Chat GPT, que ce soit Gemini, que ce soit Claude, que ce soit Grok, le système principal qui se trouve derrière ces outils – et on abordera plus tard dans cette formation la différence entre un outil et un modèle d’intelligence artificielle – et bien souvent le système principal, donc le modèle principal qui est derrière ces outils, c’est un grand modèle de langage.

Concrètement, les grands modèles de langage, qu’est-ce que c’est ? C’est une technologie donc d’intelligence artificielle qui est capable de répliquer le langage naturel humain et de s’exprimer comme nous. En soi, l’intelligence artificielle, comme vous le savez, ça existe depuis des dizaines et des dizaines d’années. Mais ce qui a vraiment démocratisé au grand public la notion et l’utilisation de l’intelligence artificielle, c’est l’arrivée en 2022, si je dis pas de bêtises, de Chat GPT qui était pour la première fois un outil basé sur les LLM qui étaient accessibles au grand public. Donc aujourd’hui, la plupart des systèmes que vous utilisez sont des LLM qui sont boostés par d’autres fonctionnalités et d’autres outils qu’on verra par la suite.

Mais concrètement, un LLM, ça fonctionne comment ? Et bien un LLM, si on revient au basique de Chat GPT – donc pas le Chat GPT que vous utilisez aujourd’hui qui n’est pas à proprement dit un modèle, mais qui est un outil derrière lequel se trouve un certain nombre de modèles différents : des modèles de génération d’images, des modèles de génération de texte, des modèles de génération de vidéos comme Sora par exemple – et Chat GPT est l’interface utilisateur qu’on utilise aujourd’hui, le chatbot qu’on utilise aujourd’hui pour échanger avec tous ces modèles et toutes ces technologies. Mais si on revient un peu au début de Chat GPT pour les utilisateurs les plus anciens, à la base Chat GPT, quand tout le monde en a entendu parler, c’était un endroit où je venais mettre du texte et je recevais une réponse. Fin de l’histoire, je ne pouvais pas lui demander de faire plus. Et cette distinction, elle est ultra importante pour comprendre par la suite comment fonctionnent les agents IA.

Donc si on revient à cette notion de base de LLM, à la base, un LLM, comment est-ce que ça fonctionne et comment est-ce qu’on l’utilise ? Ça va commencer par un humain, donc une personne comme vous et moi qui va venir mettre un input. C’est ce qu’on appelle dans le langage un prompt. Donc c’est une instruction. Donc on va venir mettre un input. Ensuite, le LLM qui est ici illustré par le cerveau va comprendre votre demande et répondre à votre demande via un output. C’est tout ce que vous devez comprendre. La notion d’input/output est ultra importante dans le monde de l’intelligence artificielle. Et tout ce que vous devez retenir de ça, c’est l’input, c’est ce qu’on va mettre dans un outil et l’output, c’est ce que va nous ressortir l’outil. Selon la nature et selon le format de l’intelligence artificielle qu’on a en face, le format peut être différent, par exemple. C’est pour ça qu’on va appeler « text-to-image » ou « text-to-speech ». Le premier terme, texte, est l’input. « To speech », c’est l’output. Donc c’est pour ça que c’est important de comprendre que l’output peut être de formats différents, d’images, etc. Et un LLM à la base, il est capable uniquement de recevoir comme input du texte naturel et d’en ressortir comme output du texte naturel également. Et euh si on regarde par exemple ici dans cet exemple, si on demande – donc on a cette petite illustration qui dit « Rédige un email pour demander un rendez-vous à X ou Y Z » – et bien ce qui va se passer c’est que sur Chat GPT, il va nous donner comme réponse un email prédéfini qui répond simplement à la demande. Et c’est précisément ça un LLM.

Sauf que aujourd’hui dans les LLM, et depuis toujours, il y a une limite, il y a même plusieurs limites dans l’utilisation des LLM, notamment le fait qu’il a des connaissances limitées de vos données privées. Faut savoir qu’aujourd’hui tous les LLM que vous utilisez, ils sont entraînés sur l’entièreté d’internet. Donc on va dire qu’ils ont une mémoire longue et une mémoire courte. Leur mémoire longue, de manière très simple, c’est justement l’entièreté d’internet. Il y a des moyens aujourd’hui qui existent de récupérer la base de données entières d’internet et d’entraîner notre modèle dessus pour qu’il soit capable de devenir un expert un peu général. Sauf que le souci justement d’avoir cette base de données complète, c’est que c’est ça qui va déclencher des fois des hallucinations ou des infos qui sont fausses, étant donné qu’il y a énormément d’informations. On n’arrive pas exactement à maîtriser tous les tenants et aboutissants. Et c’est pour ça qu’il y a une mémoire courte qui est celle qui va se baser sur la conversation avec l’utilisateur. Quand vous allez parler avec Chat GPT en direct, quand vous allez lui donner des documents, et bien là, c’est la mémoire courte qui va entrer en jeu. Sauf que la mémoire courte est assez limitée de par la fenêtre de contexte. Ça, c’est une autre notion qui est importante à savoir, c’est que aujourd’hui un modèle d’intelligence artificielle, un LLM, ils ont tous des tailles de fenêtres de contexte différentes, et selon leur taille et leur capacité, il va pouvoir accepter un certain nombre de données. Et justement, quand vous utilisez les LLM classiques, et bien ils ont des connaissances limitées. Ce ne sont pas des experts qui sont limités à une tâche précise. Ensuite, ils n’ont pas accès à beaucoup d’informations personnelles de l’utilisateur. On va le voir dans l’exemple juste après. Et finalement, les LLM sont passifs. Littéralement, un outil qui attend qu’un humain vienne écrire quelque chose dans le chatbot et…

Va lui répondre. Donc, si on pousse un peu et on regarde un peu cette histoire d’information personnelle, les LLM aujourd’hui, leur plus grosse problématique, c’est que si on revient un peu en arrière et qu’on lui dit simplement : « Rédige-moi un email », le LM va être capable de me donner la réponse.

Mais si maintenant on pousse un peu la chose et on dit à notre fameux LLM, et on va utiliser le meilleur exemple aujourd’hui qui est ChatGPT, même si vous verrez qu’il y a de petites distinctions que j’amènerai par la suite, partez du principe que ChatGPT classique, vous lui mettez du texte, il vous redonne du texte. Ne pensez pas aux autres fonctionnalités que je présenterai plus tard. Et bien, ChatGPT, ou Claude, ou n’importe qui. Si je lui demande à Claude : « Quand est mon prochain meeting ? », et bien, étant donné que c’est un LM, il va être incapable, dans sa réponse, de me dire exactement quand est mon prochain meeting étant donné qu’il n’a pas accès à mon Google Agenda. Donc, il ne peut pas récupérer l’information. Et c’est précisément ça la limite principale des LLM et des outils qu’on connaît historiquement comme ChatGPT, Claude, etc. On voit là, par exemple, dans le petit exemple que je vous ai sorti, je lui dis : « Quand est-ce que est mon prochain meeting ? » Et bien, ChatGPT me répond : « Je n’ai pas accès à ton agenda personnel ou à Google Calendar. Si tu veux que je te dise quand est ton prochain meeting, tu peux me dire bla bla bla. » Mais dès le début, il me dit qu’il n’a pas accès. Et c’est ça la limite principale des LLM.

Et c’est précisément là qu’interviennent les workflows IA. Là, on se rend compte que les LM, même s’ils sont ultra utiles et qui vont nous servir tout au long de votre apprentissage et votre formation et dans tout ce que vous allez faire, et bien, il y a cette petite limitation des données. Et du coup, on va rentrer justement sur les workflows, qui est le niveau 2 d’utilisation de l’intelligence artificielle dans un monde professionnel où là, on a bien compris qu’il y avait une limitation au fait que notre LLM n’a pas accès à certaines plateformes. Et du coup, si on disait au LLM : « À chaque fois que je pose une question sur un événement personnel, cherche d’abord dans mon Google Agenda. » Donc là, dans des outils classiques comme ChatGPT et Claude, on va leur dire maintenant : « Je veux que tu sois également capable d’aller chercher dans mon agenda app. » Donc si on prend le même exemple qu’avant, on a un input, on le donne à un LM et on attend un output. Sauf que maintenant, avec notre workflow IA, on va le connecter à notre LLM. Donc on va connecter cette compétence, cet outil. C’est important à retenir le terme de compétence et outil parce qu’il aura un rôle significatif qu’on va passer aux agents IA.

Et en fait, ce qui va se passer, c’est que quand on va demander à notre LLM : « Quand est-ce que est mon prochain euh meeting ? », et bien notre LLM, ce qu’il va pouvoir faire, c’est qu’il va aller rechercher la demande dans Google Agenda, récupérer l’information qu’on recherche, la prendre en compte et nous la mettre dans l’output. Et c’est précisément là qu’on rentre dans la notion de workflow IA qui est le niveau 2, plus poussé disons, des LLM. Donc ce qu’on va faire, par exemple, c’est qu’on va lui dire : « OK, ChatGPT, quand est-ce qu’a lieu mon prochain call client ? » ChatGPT, étant connecté à Google Calendar, va pouvoir récupérer l’information et me la redonner et me répondre : « Demain à 10h du matin. » Et c’est bien là qu’il y a une distinction avec les LLM de base qui ne sont pas connectés à des outils, à des plateformes, à des compétences extérieures qui les limitent dans leur utilisation.

Et je pense que le meilleur moyen pour vous illustrer ça, c’est de vous faire une petite démonstration en live. Donc si on revient sur notre outil Claude, qui est, pour ceux qui ne le connaissent pas, une alternative à ChatGPT, qui sont en gros aujourd’hui sur le podium de l’intelligence artificielle, en tout cas de l’intelligence, enfin de l’IA générative, on a ChatGPT, Claude de l’entreprise Anthropic et Gemini de Google. Et Claude, historiquement, c’est également un LLM. Maintenant, vous allez voir que ça peut porter la confusion parce que tous les outils qu’on avait l’habitude d’utiliser, qu’ils étaient vraiment que des LLM à la base, sont maintenant surboostés avec plein de fonctionnalités différentes et je vais même vous montrer que ça répond clairement à la définition d’agent qu’on verra par la suite.

Donc là, si on reprend notre exemple de tout à l’heure et que je demande à Claude de me rédiger un email pour programmer un rendez-vous et que je lance la requête. Donc, comme on l’a vu tout à l’heure, la notion d’input, c’est l’instruction qu’on va retrouver ici et l’output, c’est la réponse que va venir me donner Claude, qui sera probablement un template d’email. Donc là, on voit qu’il est en cours de réflexion et qui me demande de patienter et on voit que là justement, il commence à me faire l’output. Donc il me dit : « Voici un modèle d’IA, enfin un modèle d’email, excusez-moi, pour programmer un rendez-vous. » Super. Il a reçu mon input, il me donne un output. Maintenant, si je lui dis : « Quand a lieu mon prochain rendez-vous client ? », et là justement, on va se confronter à ces fameuses limites des LLM, donc de ces grands modèles de langage. N’étant pas connecté à mon Google Agenda, il ne va pas être capable de me donner la réponse. Donc là, on lui a dit : « Quand a lieu mon prochain rendez-vous client ? » Et normalement, il va me dire qu’il ne peut pas justement me donner cette réponse, même s’il prend le temps de réfléchir. Et en fait, il se rend compte qu’il n’a pas accès à ces informations-là. Et là, ce qui me dit : « Bon ben, comme je vous l’ai dit, je n’ai pas accès à votre agenda ni à vos informations personnelles, donc je ne peux pas vous dire quand a lieu votre prochain rendez-vous client. » Et ça, historiquement, tous les outils Gemini, ChatGPT, etc., ne pouvaient pas le faire.

Maintenant, ils sont capables et ils nous ont rendu, et pour le bien de cette petite démonstration rapide, c’est ultra simple de vous l’expliquer. On parlait des workflows IA et de comment justement on avait la possibilité de venir connecter un LLM à des plateformes externes pour qu’il puisse aller plus loin que simplement me répondre en langage naturel. Historiquement, il fallait coder ou il y avait des moyens de faire pour intégrer les LLM à des outils externes. Mais il y a quelques semaines, ils ont, grâce à une technologie MCP qui vaudrait une vidéo à elle entière, et bien on a la possibilité de connecter plus facilement des outils externes. Et là, par exemple, si on voit ici qu’on a le calendrier, je peux venir le connecter simplement ici. Et si je lui repose la même question, donc hop, « Quand a lieu mon prochain, je vais même aller plus loin, call client. » Là, on rentre dans la notion de workflow IA parce qu’on a prédéfini les chemins qu’il pouvait utiliser et vous allez voir que la notion de workflow IA, elle est assez variée. Mais ce qu’il faut retenir de là, c’est qu’on a la capacité de connecter notre LLM à des plateformes externes pour qu’il nous amène une réponse. Donc là maintenant, contrairement à avant, ce qui se sait, c’est qu’étant donné que je prédéfinis dans mon workflow qu’il pouvait aller regarder dans mon calendrier pour m’amener certaines réponses, là il va être capable d’analyser les différents événements qu’il y a dans mon calendrier pour m’amener une réponse. Déclenche l’outil que je lui mis à disposition et qu’il est en train de regarder les événements dans mon calendrier là en direct et il va pouvoir, grâce à cette recherche, grâce à cette connexion qu’on a faite via API à Google Agenda, on verra la notion d’API un peu plus en détail juste après, me donner une réponse précise sur quand a lieu mon prochain call client. Et là, on voit que maintenant que je lui ai donné la possibilité d’aller regarder dans mon Google Calendar, et bien il a bien trouvé qu’il y avait bien un événement demain à 16h15 qui s’appelait « call client ». Donc demain, jeudi. Et là, c’est bien là où on rentre dans cette fameuse notion de workflow IA.

Donc si on revient un peu en arrière, un LLM n’est pas connecté à des plateformes externes, ce qui l’empêche d’aller vérifier ces informations-là. Par contre, sur les workflows IA qui est le niveau 2, étant donné que moi j’ai prédéfini et que j’ai indiqué à mon LM que je vais avoir besoin qu’il aille regardé dans mon agenda, il a été capable d’aller chercher l’information. Donc notamment en utilisant l’outil ou la compétence Google Calendar, l’intégration. Donc Claude a été capable de faire cela. Maintenant, là aussi dans ce niveau 2, il y a des limites et qui sont assez claires. Si maintenant je lui pose la question : « Est-ce que le client a confirmé sa présence par email ? » Le problème auquel on va faire face, c’est que le LLM ne peut et ne va chercher que dans l’agenda. Si, par exemple, je viens lui dire : « Est-ce que le client est-ce que le client a confirmé sa présence par email ? » Là, ce qui va se passer, c’est étant donné que je l’ai pas connecté au, exactement, étant donné que je l’ai pas connecté à l’outil ou à la plateforme Gmail, et bien il va me dire : « Je ne peux pas vérifier si le client a confirmé sa présence par email car je n’ai accès qu’à votre Google Agenda, pas à votre boîte mail. » Et c’est là qu’on voit la limitation des workflows IA. Le problème : le LM ne recherche que dans l’agenda parce que moi, en tant qu’humain, j’ai prédéfini que le chemin allait être de rechercher dans l’agenda. Et du coup, résultat, on a encore un échec comme le LLM n’a pas été capable au début d’aller vérifier et de retirer l’événement dans l’agenda. Et ça, ça nous donne une image très claire de ce que font les workflows IA et ce qu’ils ne peuvent pas faire. Donc comme on lui a demandé par email ici, le LLM a aller chercher dans notre flux que nous-même on a prédéfini. N’étant pas connecté à Gmail, l’output n’a pas fonctionné et il n’a pas pu nous donner la réponse.

Et ça, ça nous emmène sur la définition claire d’un Workflow IA. Les workflows IA peuvent uniquement suivre un chemin prédéfini par un humain. C’est exactement similaire à ce qu’on considère être une automatisation qu’on verra juste après, par la suite. Maintenant, on a la possibilité de justement rendre ces workflows un peu plus avancés et là, vous pouvez laisser libre cours à votre imagination. Ce que je peux faire, c’est que je peux prendre mon LM et prédéfinir que j’aimerais qu’il ait d’autres chemins possibles. Par exemple, si je reviens sur Claude qui est un super outil pour faire la démo, je pourrais venir mettre ici dans Gmail et maintenant il a la possibilité, parce que je l’ai prédéfini, d’aller regarder dans les emails et, par exemple, je pourrais même aller encore plus loin et, avec un peu d’imagination, je pourrais dire à mon LM : « Je pourrais le connecter également à un système de génération d’images. Je pourrais lui dire : Écoute, à chaque fois que moi, humain entre guillemets, et je vais venir te demander de me donner le prochain événement, de me rappeler, de me dire si le client a bien confirmé sa présence par email, s’il ne l’a pas fait, j’aimerais justement que tu puisses lui envoyer, grâce au système de génération d’images de ChatGPT auquel cas tu es connecté, un email accompagné d’une petite image pour lui rappeler notre rendez-vous de demain. » Et en soi, après les workflows de cette sorte, comme vous en avez peut-être vu plusieurs sur mes vidéos, on peut les complexifier encore et encore et encore. On peut lui ajouter plein d’étapes, on peut même lui demander de générer une note vocale si on a envie de générer une note vocale et il n’y a pas vraiment de limite à ces automatisations, à ces workflows prédéfinis par un humain.

Donc ce qu’il faut retenir de toute cette histoire, c’est que les workflows IA sont basés sur la décision humaine. Donc on peut mettre autant d’outils, de compétences et de plateformes qu’on veut. Si, à un moment donné dans la boucle de travail, il y a un raisonnement qui est fait par un humain qui est de dire : « OK, d’abord je veux que tu fasses ça. » Une fois que tu as allé récupérer et voir si j’avais un événement, j’ai envie que t’envoies un email. Quand tu as envoyé un email, j’aimerais par la suite que tu génères une image. On voit que peu importe le nombre d’actions, peu importe le nombre de plateformes qu’on va mettre à disposition de ce workflow, il y a, à la fin de l’histoire, c’est nous humains qui l’avons prédéfini le chemin, mais c’est surtout nous qui faisons le travail de raisonner, de dire : « D’abord, tu vas faire ça, ensuite tu vas aller sur telle plateforme, ensuite tu vas aller faire… » Donc là, en soi, si je reviens sur Claude, on est clairement sur un ce qu’on pourrait appeler un workflow IA mélangé à une conversation étant donné que c’est moi qui va lui dire à chaque fois : « D’abord regarde le premier événement, ensuite regarde s’il a confirmé son email, envoie une image par la suite. » Et on voit clairement que le moteur de la réflexion, ça reste un humain et, dans ce cas précis, moi-même. Je pense que vous commencez à voir gentiment quel est le niveau du dessus et quelle est la transition sur les agents IA. Mais juste avant, j’aimerais clarifier une notion que je sais peut paraître compliquée et qu’on voit un peu partout qui est la définition de RAG.

Alors RAG, qu’est-ce que c’est ? En anglais, ça veut dire « Retrieval Augmented Generation ». Et pour faire très très simple, sans rentrer dans le technique, c’est simplement dire : « OK, IA, j’aimerais que tu ailles chercher l’information avant de me répondre. » C’est une notion que vous risquez de voir énormément avec les agents IA, mais c’est aussi bête que simplement connecter votre agent ou connecter votre système comme on l’a fait là avec Claude. Et là, techniquement, ce qu’on voit ici, c’est du RAG, étant donné qu’il est connecté à mon calendrier, il est capable d’aller chercher des informations. J’aurais pu le connecter à mon Drive, je peux le connecter à mon Gmail et le RAG, ce que ça veut dire vulgairement, c’est juste qu’on donne la capacité d’aller chercher et récupérer nos informations dans une plateforme. Donc c’est ça le RAG. Je sais que c’est une notion que vous voyez beaucoup, mais c’est aussi bête que ça.

Maintenant, le niveau 2 d’un workflow, parce qu’un workflow, concrètement, c’est un terme en anglais qui peut paraître un peu compliqué, mais en soi, c’est juste un procédé qu’on va suivre. Le fait, par exemple, de dire que moi, humain, d’abord je vais analyser un mail, après je vais rédiger un texte avec ChatGPT, ensuite je vais l’envoyer par mail. Ça, en soi, c’est un SOP, c’est une procédure qu’on pourrait trouver dans plein d’entreprises et c’est ça un workflow. C’est juste que nous, on a vu ce qui était un workflow hier étant donné qu’on a utilisé Claude pour faire toutes ces étapes et maintenant le niveau 2 d’un workflow, c’est l’automatisation. Effectivement, on a la possibilité d’automatiser des workflows. Il y a notamment un outil qu’on connaît tous très bien qui est Make, juste ici. Et en fait, l’outil Make, ce qui nous permet de faire, c’est que nous, on avait un procédé manuel qu’on faisait à la main et on va pouvoir venir l’automatiser. Alors je vais vous faire un exemple très rapide pour que vous compreniez justement la différence ensuite entre un workflow, donc une automatisation et un agent IA. Et pour ça, je vais récupérer un super template que nous a mis à disposition Tho dans l’académie. Donc si je viens juste ici, je vais pouvoir normalement télécharger notre fameux Jason. Pour ceux qui connaissent pas Make, c’est une plateforme No-code qui vous permet de faire de l’automatisation. Et vu qu’on vient de télécharger notre cher Jason, tout ce que je vais avoir à faire, c’est importer le template histoire de pouvoir avoir directement tout qui est déjà préfait et gagner du temps sur cette démonstration. Hop ! Et là, normalement, on va avoir, on en aura juste à sauvegarder et on aura tout le template de l’automatisation qui est déjà faite par Tho. Super.

Donc si on revient en arrière là, typiquement, a fait une automatisation pour présenter comment créer un assistant IA pour ses emails. C’est parfait pour notre exemple. Et donc là, on voit comment est-ce qu’on commence à se rapprocher gentiment d’un agent IA. Donc si on vient sur make.com, bon, il y a pas mal de modules qui servent à rien ou en tout cas qui risquent de complexifier votre compréhension. Donc tout ce qu’on va retenir, c’est alors déjà : Make, c’est quoi ? C’est une plateforme qui vous permet de connecter plein d’autres plateformes entre elles et de justement faire des automatisations. Par exemple, on pourrait dire : « À chaque fois qu’on va recevoir un email, donc on va avoir un déclencheur, j’aimerais que tu analyses l’email et qu’ensuite tu crées un draft de l’email pour envoyer une réponse au client et qu’en parallèle de ça, tu viennes utiliser un modèle de ChatGPT pour catégoriser l’email et finalement ajoute la réponse à notre base de données sur Airtable. » Tout ce que vous avez besoin de comprendre ici, et on va pas rentrer dans le détail de l’automatisation, c’est que une automatisation comme celle-ci qui a été mise en place par Tho nous permet d’automatiser un process, un workflow qui a été fait manuellement avant. Peut-être que avant, je devais aller dire moi-même à Claude : « Quand tu reçois un email, analyse-le. Une fois que tu l’as analysé, utilise le modèle de ChatGPT pour générer une réponse et une fois que tu as généré une réponse, utilise ta connexion avec Gmail pour envoyer une réponse. » Et donc le niveau 2 de ce workflow-là qu’on faisait manuellement avant et qui était moi qui faisait le raisonnement, c’est de venir l’automatiser. Et là, c’est ce qu’a fait Tho. Il a déclenché un webhook pour aller récupérer par la suite les emails qu’on reçoit. Et grâce à l’analyse de ce module-là, donc cette connexion avec Gmail, on est capable de déclencher le module de ChatGPT pour envoyer, déjà, pour rédiger une première réponse, envoyer la réponse et on utilise également le module de ChatGPT pour analyser le contexte de l’email et le catégoriser. Et c’est en ça que là on passe au niveau 2 des workflows qui sont l’automatisation.

Et pourquoi je vous dis tout ça ? Que déjà ça va simplifier votre compréhension et vous allez comprendre les limites avant les agents IA, mais vous allez aussi vous rendre compte que ce soit pour votre entreprise ou celle de vos clients qu’il y a énormément de situations où on va venir vous demander des agents IA et qu’en réalité, une simple automatisation ou un simple workflow pourrait déjà répondre à 100 % à la demande du client. Et le fait de comprendre tous les tenants et aboutissants de tous ces différents systèmes, ça vous permet à vous aussi d’avoir une certaine flexibilité sur le choix du meilleur système à mettre en place pour résoudre une problématique en particulier.

Maintenant qu’on a vu un exemple concret de workflow, alors que ce soit à travers une conversation où on a prédéfini des outils pour que Claude, en tout cas notre LLM puisse nous aider ou que ce soit à travers une automatisation comme celle qui a été faite par notre cher Tho dans l’académie, et bien maintenant, si on résume cette étape de workflow IA, les caractéristiques clés des workflows IA, c’est que l’humain définit le chemin prédéfini. Ici, c’est moi qui est venu définir exactement qu’est-ce qui allait se passer quand on allait récupérer l’email et ce que j’attendais de l’automatisation. Ensuite, c’est l’IA qui vient suivre les instructions. Donc, dans le cas de Claude, par exemple, quand je lui demande quoi faire, et bien, elle va suivre à chaque fois mon parcours de raisonnement, mon instruction pour déclencher l’action. Par exemple, c’est moi qui a dû lui demander ici d’aller voir mon Google Agenda pour qu’elle me donne une réponse. Et finalement, comme on l’a déjà dit, le chemin est programmé par les humains. Et la notion clé à retenir ici, c’est que tout le long de cette réflexion, c’est moi qui a raisonné. Et c’est bien là la distinction précise avec les agents IA qu’on va voir tout de suite.

Maintenant, je pense que le meilleur exemple pour comprendre ce qu’est un agent IA, c’est de reprendre le procédé que j’ai fait moi avant. Donc dans le workflow IA. On va partir du principe que je reçois plein d’emails d’entreprises qui veulent travailler avec nous et des fois il y a des entreprises qui sont plus ou moins sérieuses ou dont la taille de l’entreprise compte pour qu’elle puisse travailler avec nous. Donc moi, en tant qu’humain, dans cette tâche de préqualification des prospects avant d’aller plus loin pour travailler avec eux, et bien je vais avoir un raisonnement assez précis. D’abord, je vais aller lire les emails. Donc je reçois plein d’emails tous les jours. Donc je vais regarder tous les jours les emails qu’on reçoit pour prendre connaissance des demandes qu’on reçoit. Une fois que j’ai pris connaissance des emails, je vais venir qualifier à travers ce que je vois des informations qu’on a récupéré de notre formulaire. Si, par exemple, l’entreprise fait moins de 100 000 € de chiffre d’affaires par an, et bien je sais que dans notre système de qualification à nous, on va pas pouvoir travailler avec elle parce qu’elle aura probablement un budget qui est trop faible. Une fois que j’ai qualifié l’entreprise…

À travers les réponses que j’ai pu récupérer dans l’email, et bien je vais pouvoir rédiger une réponse. Ça, c’est le raisonnement que moi j’ai avant de passer à l’action.

Une fois que j’aurai fait ce raisonnement, en tant qu’humain, je vais pouvoir passer à l’action. C’est-à-dire que d’abord, je vais aller sur la plateforme Gmail pour lire les emails. Ensuite, je vais utiliser peut-être Chat GPT pour donner les informations que j’ai reçues de l’entreprise pour lui dire : « Est-ce que tu penses que c’est une entreprise qui est qualifiée ou pas ? » Et finalement, je vais rédiger une réponse avec l’outil Cloud, par exemple, pour qu’il puisse venir amener une réponse qui soit sympathique et l’envoyer à ce prospect pour lui dire oui ou non, on peut aller plus loin.

Et donc là, ce qu’on voit, c’est que j’ai commencé par raisonner, à définir quelles étaient les étapes que je devais suivre pour pouvoir amener une réponse à ce prospect. Et ensuite, je suis passé à l’action en utilisant différents outils, notamment Gmail pour envoyer et lire les réponses, Chat GPT pour qualifier le prospect et finalement Cloud pour rédiger une réponse car il a une très bonne tonalité. Ça, en soi, je l’ai fait manuellement et on pourrait définir que c’est un workflow IA et je pourrais venir faire une automatisation comme ici qui dit que à chaque fois je veux que l’on aille récupérer les emails, que selon une qualification que le module Chat GPT va analyser et dire : « OK, ce prospect-là, il a l’air qualifié ou peut-être que ce prospect-là, au vu des informations qu’il a mises dans le formulaire, il n’est pas assez qualifié », on puisse par la suite déclencher un module donc d’Anthropic. Donc il me suffirait de cliquer ici et de mettre en Anthropic et je pourrais venir demander au modèle de Claude, qui est aujourd’hui – c’est pour ça que je l’ai utilisé dans cet exemple – qui est le modèle le plus nuancé dans la rédaction, de venir créer un message et de l’envoyer par la suite par mail à notre client.

Donc tout ce procédé-là, je l’ai fait moi et c’est moi qui ai fait le raisonnement. Et donc pour que ce procédé, ce workflow IA devienne un agent IA et qu’on passe au niveau supérieur, comme l’indique cette phrase – et c’est une phrase essentielle pour votre compréhension de ce qu’est un agent IA –, pour qu’un workflow IA devienne un agent IA, le décideur humain doit être remplacé par un LM. Et c’est pour ça que j’ai insisté sur la compréhension de ce qu’était un LM, ce que sont un workflow IA, et c’est justement la combinaison des deux qui vont nous faire nos fameux agents IA.

Et ce qu’il faut retenir de tout ce procédé, c’est que c’est la partie raisonnement qui va être clé. Alors, il y a plein de choses qui constituent un agent IA et on va voir juste par la suite l’anatomie d’un agent IA. Mais sur le concept même, tout ce qu’on doit retenir, c’est que l’agent IA, pour passer d’un workflow à un agent, et bien l’humain doit être remplacé à l’étape de raisonnement.

Donc si on reprend notre workflow d’humain, plutôt que m’avoir moi qui vais dire : « Alors, d’abord, pour réussir à faire cette tâche de qualification, il faut aller lire les emails et puis il faut le qualifier grâce à un modèle et rédiger une réponse grâce à Cloud », et bien maintenant c’est l’agent qui va faire tout ce raisonnement, qui va lui-même définir quel est le meilleur outil pour lire les emails, quel est le meilleur outil pour analyser le formulaire et qualifier le prospect qui nous a contactés et finalement quel est le meilleur outil pour venir rédiger une réponse ? Et c’est en ça qu’un agent IA est surpuissant car il est capable de raisonnement et il est capable de définir le meilleur outil pour chaque étape afin d’atteindre l’objectif que l’humain va lui donner. Et c’est précisément en suivant une méthodologie connue qui s’appelle « chain of thought ». Donc en français, ça donnerait la chaîne de raisonnement qu’il va réussir à le faire, ça.

Donc ce qu’il va faire, c’est que au début il va se poser ces différentes questions : « Quelle est la meilleure manière d’accéder aux emails ? » Il va regarder les différents outils. « Est-ce que Google Agenda est le meilleur moyen ? Non, je ne pense pas. Est-ce que Gmail peut être la meilleure plateforme pour me permettre de répondre aux emails ? Probablement. OK, je choisis Gmail. » Ensuite, il va se dire : « Comment est-ce que je peux qualifier un bon prospect d’un mauvais prospect ? » On va le voir après dans l’anatomie. Potentiellement, vous allez lui dire dans ses instructions ou vous allez lui mettre dans ses bases de connaissance des informations sur ce que représente un bon ou un mauvais prospect. Mais le fait qu’il se pose la question, il sait qu’il doit accéder à la base de connaissance ou aux différents outils qu’il a pour voir où est-ce qu’il pourrait définir cela. Et finalement, il va se dire : « Est-ce que Yassine, il a encore de la disponibilité dans son agenda ou dans l’agenda de ses équipes pour accepter encore un nouveau client ? » Et en fait, c’est ça qui est intéressant, c’est que notre agent, il est capable de raisonner et de se poser toutes ces questions exactement comme je le ferai moi ou un membre de mon équipe avant d’aller plus loin et de passer à l’action.

Donc concrètement, ce qui se passe quand un agent IA est confronté à ce genre de tâche, une fois qu’il s’est posé ces questions, ce qu’il va faire à chaque fois, c’est qu’il va se dire : « OK, d’abord au vu du raisonnement que je viens d’avoir pour répondre à l’objectif, il faudrait que je commence par lire les emails. » OK, je vois que j’ai la possibilité d’accéder au Google Agenda. « Est-ce que le Google Agenda est la meilleure plateforme ou le meilleur outil pour lire les emails ? Je ne pense pas. » OK, il se demande par la suite si Google Sheet ou Excel seraient le meilleur outil pour répondre ou lire les emails. Il se rend compte que toujours pas. Alors, il va aller raisonner encore et trouver une autre plateforme et finalement il va se rendre compte que Gmail est probablement la meilleure plateforme pour accéder et lire les emails. Ensuite, il va pouvoir passer à l’étape 2. Comme je vous l’ai dit, il a potentiellement accès à une base de connaissance où l’entreprise ou moi-même lui avons décrit exactement ce qui distingue un bon prospect d’un mauvais prospect. Probablement que ce qui distingue cela, c’est le budget qu’il a à accorder à son projet. Du coup, il va aller regarder directement dans sa base de connaissance pour récupérer des informations et venir qualifier justement le prospect.

Une fois qu’il a qualifié le prospect, ce qu’il va faire, c’est qu’il a déterminé que l’email n’était pas bon ou qu’il était bon. En tout cas, que le prospect… qu’on allait pouvoir aller plus loin dans notre processus de qualification. Et là, il va décider d’utiliser l’outil Cloud pour rédiger une réponse qui soit nuancée et sympathique et utiliser encore une fois notre outil Gmail pour envoyer une réponse.

Donc si on résume notre agent, il a fait quoi ? Il a commencé par raisonner. Une fois qu’il a raisonné et qu’il a défini les étapes qu’il allait suivre et les meilleurs outils afin d’atteindre chacun l’objectif de chaque étape, il est passé à l’action sur chacun des outils. Il a commencé par lire les emails dans notre outil Gmail, puis il a qualifié en se basant sur notre outil de base de connaissance que je vous expliquerai juste après et finalement il a rédigé une réponse grâce au modèle de Cloud d’Anthropic et envoyé la réponse directement à travers Gmail.

Donc si on résume les capacités d’un agent, ça se distingue en trois étapes. D’abord, il va être capable de raisonner : quelle est la meilleure approche pour atteindre mon objectif ? Ensuite, il va être capable d’agir et donc de passer à l’action. Donc il va être capable d’utiliser des outils pour faire des choses concrètes. Pas comme un LM ou quand on lui pose une question au début, bah vous avez bien vu qu’il n’était pas capable de me répondre. Et finalement, il va être capable d’itérer et de se corriger seul. Et ça permet justement de corriger. Ça consiste aussi dans certains agents de recherche en ligne qui vont aller regarder sur des sites web et qui vont se rendre compte que le site web n’est pas cohérent ou que la réponse est mauvaise et qui vont eux-mêmes, avec leur raisonnement, s’autocorriger. Mais bon, c’est déjà des versions qui sont un peu plus poussées.

Donc tout à l’heure, on a vu la définition exacte de la différence entre un workflow IA et un agent IA. Mais maintenant qu’on a compris ce qu’était un agent IA, idéalement, il faudrait réussir à mettre une définition claire dessus. Et la meilleure définition que j’ai trouvée, c’est la définition qu’en fait IBM. Et IBM utilise une notion très simple pour définir les agents IA qui est le framework REACT. Donc pour eux, un agent REACT est un agent d’intelligence artificielle qui utilise le cadre REACT et en fait c’est la combinaison, en anglais, de « reasoning » et « action », donc raisonner et agir pour combiner le raisonnement en chaîne, « chain of thought », avec l’utilisation d’outils externes. Et c’est juste précisément cette étape qui transforme les workflows IA en agents IA. C’est ce fameux raisonnement et le « chain of thought », c’est quelque chose qu’on utilise énormément aussi dans le prompt engineering au niveau de la tâche. Et bien dans beaucoup de systèmes qu’on va mettre en place, même dans les automatisations par exemple au niveau de la tâche, plutôt que juste dire à notre agent : « Réponds à l’email », on va utiliser justement le fameux « chain of thought » pour dire : « En étape 1, analyse l’email. En étape 2, réfléchis à la meilleure manière de répondre à cet email, en étape 3, va voir dans les bases de connaissance. » Et en fait, ce qu’on fait, ce qui fait justement l’agent IA, c’est que lui-même fait toutes ses étapes de raisonnement. Et ce cadre REACT améliore la capacité d’un grand modèle de langage, donc LLM, à gérer des tâches complexes et à prendre des décisions dans des flux de travail orienté agent.

Donc tout ce que vous devez retenir de ces fameux agents IA, c’est qu’on va combiner le raisonnement plus l’action et c’est ce qui nous fait le fameux framework REACT.

Donc maintenant, un exemple concret de ce fameux framework REACT. On va prendre un agent de création de contenu. Et bien l’agent de création de contenu, la première chose qu’il va faire, c’est il va se demander : « OK, il y a Yassine qui me demande de rédiger des articles sur les dernières actualités, il a… comment est-ce que je peux moi aller récupérer les différents articles d’actualité ? » Donc là, il est en train de raisonner. Il va définir que potentiellement il va utiliser l’outil Perplexity qui permet de faire des recherches en ligne assez poussées. Une fois qu’il a fait les recherches en ligne, il va se dire : « OK, mais maintenant que j’ai tous ces articles d’actualité, où est-ce que je peux les stocker pour que Yassine puisse en prendre connaissance ? » « Ah bon, bah, visiblement, j’ai accès à Google Sheet, je vais aller les mettre directement là-bas. » Et finalement, on pourrait lui ajouter une boucle d’itération pour lui permettre de s’autocorriger et d’améliorer la qualité du poste. Alors ça, vous verrez que le niveau d’itération, c’est une étape un peu supérieure dans la création d’agent IA et c’est quelque chose qu’on pourrait voir justement dans les frameworks d’équipe d’agent IA.

Et en fait ce qu’on voit, c’est que exactement comme un humain aujourd’hui, les employés ou les équipes, on peut avoir des personnes qui sont un peu généralistes. Par exemple, on pourrait avoir un social média manager, donc il va maîtriser plein de réseaux sociaux, la création de contenu sur plein de réseaux sociaux. Sauf que cet employé qui est généraliste, et bien il va être moyennement bon sur toutes les plateformes, là où un spécialiste va être expert dans la création de contenu par exemple sur YouTube ou sur Instagram. Et en fait ce qu’on se rend compte, c’est de là que viennent ces fameuses équipes d’agent IA, c’est que c’est beaucoup plus performant de créer un agent IA spécialisé sur une tâche précise qu’un agent IA généraliste. Et typiquement, on pourrait créer un agent IA qui est spécialisé dans la création de contenu sur LinkedIn, un agent IA qui est spécialisé dans la création de contenu sur Instagram et on pourrait créer un manager agent IA qui est lui spécialisé dans le brand of voice d’une entreprise pour s’assurer que la réponse finale d’un de ces agents soit qualitative et avoir le potentiel de raisonner et de relancer l’agent avec des instructions un peu plus précises. Et c’est de là qu’on va réussir à créer cette fameuse boucle d’interaction et de correction, mais c’est déjà quelque chose de plus avancé qu’on verra plus tard.

Donc en résumé, un workflow IA, c’est un humain qui est le programme et l’IA se contente d’exécuter. Donc soit on le guide à travers une conversation où c’est moi qui fais le raisonnement et qui lui dit quoi faire, soit je mets en place une automatisation où je vais moi-même prédéfinir exactement le chemin que vont suivre les différents modules. Là où un agent, c’est un humain qui donne un objectif et l’IA décide et exécute tout seul. Et là, c’est ultra intéressant de retenir cette définition-là parce que vous verrez alors au fur et à mesure de la vidéo, on va voir non seulement comment créer des agents IA sur mesure pour des entreprises au niveau du chapitre 2 des tutoriels, mais on va voir qu’il y a également d’autres moyens d’utiliser des agents qui sont déjà préconfigurés.

Techniquement, si on s’arrête sur cette définition-là et qu’on reprend la définition d’IBM juste avant avec le framework REACT, un outil comme Cloud dispose du LLM Cloud derrière et a accès à un certain nombre d’outils. Donc là, on a activé uniquement Google Calendar et Google Gmail. Mais si on regarde l’intégration Zapier ici et que je viens l’activer, et bien maintenant mon outil Cloud a accès à infiniment plus de compétences et d’outils qu’on verra juste après. Et techniquement, vu que notre cher ami Claude est capable de venir raisonner et d’avoir une réflexion approfondie – je vous ferai une démo juste après –, et bien là on a clairement un agent IA devant nous parce qu’il a toutes les étapes. Il est capable de raisonnement, il est capable d’utiliser des outils externes et il me suffit de lui donner un objectif à atteindre pour qu’il raisonne, utilise les bons outils et m’amène la réponse dont j’ai besoin.

Et donc si on résume les différents niveaux qu’on a vus, on a vu le niveau 1, donc les LLM, les grands modèles de langage, on leur met un input, donc une instruction. Le LM traite l’information en accédant à cette immense base de connaissance qu’il a à travers tout internet et nous amène une réponse. En niveau 2, on a les workflows IA. On va donner encore une instruction à notre LLM, sauf que cette fois-ci, on aura prédéfini que notre LLM peut avoir accès à Google Agenda uniquement et donc il va pouvoir me donner la réponse si la demande ne sort pas du cadre de l’outil et de la plateforme auxquels je l’ai connecté. Et finalement, on a le dernier niveau qui sont les agents IA qu’on a vus juste maintenant. Un agent IA, on lui donne un objectif, il va commencer par raisonner, définir les étapes qu’il va devoir suivre, définir les outils qu’il va devoir utiliser. Ensuite, il va pouvoir agir et passer à l’action sur les différents outils qui vont lui permettre d’effectuer chacune des étapes que son raisonnement aura défini. Et finalement, il sera capable d’itérer et de s’autocorriger. Par exemple, dire : « OK, le résultat est mauvais, je continue et je vais améliorer le travail que je suis en train de faire. » Mais tout ça à partir d’un simple objectif qui a été défini par un humain. Alors oui, il y a un humain qui a quand même donné l’objectif, mais vous allez voir après qu’il y a encore deux styles d’agent IA très distincts, notamment le conversationnel et l’agent IA automatisé. Mais ça on va le voir juste après.

Maintenant que le concept d’agent IA est plus clair et un peu moins flou et qu’on a compris qu’en fait un agent IA, au final, c’est un système qui est capable de raisonner, de définir des étapes à suivre et d’utiliser des outils externes pour effectuer chacune des étapes et qui est, selon comment, capable de se corriger et d’itérer pour atteindre un objectif défini par un humain, on va rentrer un peu plus dans le détail de ce que constitue un agent IA. Quels sont les différents ingrédients qui nous permettent de construire ce fameux système ?

Alors concrètement, un agent IA, donc c’est un système et il y a cinq composants clés qui constituent ces fameux agents IA et on va parcourir chacun d’entre eux. Donc d’abord, on a le cerveau, on a les instructions, on a la mémoire, la base de connaissance et les outils.

Alors le cerveau, concrètement, c’est quoi ? C’est ce fameux LLM, grand modèle de langage qu’on va venir mettre derrière notre système qui va permettre à notre agent IA de raisonner exactement comme un humain le fait. Bon, dans la plupart des cas, on va utiliser les modèles de Claude, Gemini, PaLM 2 et tous ces grands outils, ces grands modèles de langage que vous connaissez très bien. Et là, l’idée, c’est comme si vous aviez un stagiaire qui était ultra intelligent mais qui avait des connaissances globales. Et on va voir que notamment grâce aux autres composants, on va pouvoir spécifier et le cadrer un peu plus, notamment en le formant sur des connaissances et en lui disant exactement ce qu’on attend de lui.

Ensuite, on a les instructions. Donc le prompting, les instructions, c’est ultra important et c’est pour ça que j’insiste autant sur la maîtrise du prompt engineering. C’est ce qui va vous permettre de guider votre agent sans jamais avoir besoin de coder. Imaginez-le un peu comme un manuel que vous allez donner à un nouvel employé pour lui dire : « OK, tu es manager des réseaux sociaux, voici ce qu’on attend de toi, voici les tâches qu’on a envie de faire. » Donc aujourd’hui, le prompting, c’est ce qui nous permet en fait de programmer des systèmes d’intelligence artificielle sans jamais avoir besoin de coder une seule ligne. Donc typiquement, on n’a pas besoin d’utiliser le langage Python et on peut le faire avec du langage naturel. Mais pour ça, il faut être capable de prompter correctement et de donner les bonnes instructions à notre agent ou à n’importe quel système que vous allez utiliser.

Une fois que vous avez connecté un cerveau, donc un LLM, que vous avez donné des instructions, vous avez la possibilité également de connecter une mémoire. Alors, une mémoire, qu’est-ce que c’est concrètement ? C’est ce qui va permettre à votre agent IA d’avoir l’historique des conversations et de se baser sur les interactions précédentes. Admettons que, comme on va le voir juste après, vous créez un agent de support client, et bien le fait de lui donner une mémoire, ça va permettre à votre agent IA de se souvenir de toutes les interactions qu’il a eues avec ce client précisément et donc de pouvoir se baser sur ces interactions pour amener des réponses de plus en plus personnalisées. C’est ce que je vous ai expliqué tout à l’heure. C’est ce qu’on va appeler un peu plus la mémoire courte. La mémoire longue étant connectée directement au LLM qui sert de cerveau. La mémoire courte, on va la voir un peu plus comme l’interaction, les conversations que vont avoir les utilisateurs. Mais ça, en général, vous n’aurez pas trop besoin de vous prendre la tête avec cette histoire de mémoire. Étant donné que la plupart des plateformes qui vous permettent de créer des agents IA ont déjà des modules et des nœuds de mémoire qui sont déjà existants et faciles à configurer.

En 4e, on a les connaissances. Donc vous allez voir que les connaissances, c’est ce qu’on va mettre dans la base de connaissance de notre agent IA. C’est une fonctionnalité qui est optionnelle mais qui peut être nécessaire selon la typologie de l’agent IA. Les connaissances, c’est quoi ? C’est un moyen très simple de donner des informations sur votre entreprise ou celle de vos clients à votre agent. Par exemple, un nouvel employé quand il arrive, et bien souvent il va se faire onboarder. Vous allez lui présenter les valeurs de l’entreprise, vous allez lui présenter la tonalité, le brand of voice, les guidelines design, vous allez donner plein d’informations et plus le métier va être spécifique, plus l’onboarding va être spécifique à ce métier. Donc maintenant, la base de connaissance, vous pouvez la renseigner avec des PDF, des tableurs, des documents, des vidéos, vous pouvez faire plein de choses. L’idée étant d’onboarder votre agent IA exactement comme vous onborderiez un employé pour qu’il ait toutes les informations nécessaires pour remplir au mieux sa tâche.

Et finalement, le dernier et 5e composant qui est probablement de loin le plus important d’un agent IA, c’est ces fameux outils. C’est comment est-ce que vous allez venir réussir à créer une boîte à outils de votre agent IA, lui connecter plein d’outils différents qui vont lui permettre d’effectuer un certain nombre de tâches. Plus votre agent IA aura accès à des outils et à des compétences – voyez les outils comme des compétences – si je veux que mon agent, il a… il soit capable d’aller utiliser Gmail pour récupérer des emails ou d’envoyer des emails, et bien je vais lui donner cette compétence et plus vous allez lui donner de compétences, plus votre agent sera capable de faire un certain nombre de choses. Claude, comme je vous l’ai dit, pour moi répond clairement à la définition d’agent IA. Pourquoi ? Parce qu’il est capable de raisonner – je vous le montrerai en action par la suite – et que à travers l’intégration MCP de Zapier, il a accès à d’outils et de compétences différentes.

Là, on voit par exemple qu’il est capable d’ajouter lui-même des outils. On voit qu’il est capable de créer des pages ou de récupérer des pages sur Notion, de trouver un email sur Gmail et cetera et cetera. Et mon agent conversationnel Cloud, plus il va avoir de compétences, plus il va avoir de capacité et de possibilités d’action. Et c’est donc ces cinq composants qui constituent un agent IA.

Si on le met maintenant en action, prenant l’exemple d’un agent de support client, et bien il y a un utilisateur qui va venir à travers, euh imaginons, une petite fenêtre de chat sur un site web, envoyer un message. L’agent IA reçoit le message. La première chose qui se passe, c’est que le LLM, donc le cerveau de l’agent IA, va venir traiter la requête.

Une fois qu’il a traité la requête de l’utilisateur, il va venir consulter la mémoire, voir s’il y a un historique de conversation avec cet utilisateur, histoire d’avoir tout le contexte de quelles ont été peut-être les plaintes, quelles ont été les informations envoyées par l’utilisateur. Une fois qu’il a consulté sa mémoire, il a la possibilité d’utiliser des connaissances externes, donc sa base de connaissance pour répondre si besoin.

Par exemple, si un utilisateur envoie un message pour dire qu’il n’est pas satisfait du produit et qu’il aimerait se faire rembourser, le LM va venir traiter cette demande, va venir voir si c’est la première fois ou si c’est la deuxième fois que l’utilisateur se plaint. Si c’est la 10e fois, et bien il va se dire « OK, je vais peut-être aller voir dans ma base de connaissance pour voir s’il y a un peu plus d’informations sur ce procédé de remboursement. »

Dans la base de connaissance, il se rend compte qu’au bout de 10 plaintes et bien on rembourse automatiquement l’utilisateur et finalement grâce aux outils qu’il utilise, par exemple admettons que l’outil ce soit Stripe ou n’importe quel autre moyen de paiement, il va utiliser ces outils pour mettre à jour les comptes ou les informations dans le CRM de l’utilisateur et traiter le remboursement. Et là, on voit comment les cinq composants qu’on a vu juste avant viennent constituer un seul et unique agent IA. Et en fait, c’est tous ces systèmes qui sont réunis dans un seul et unique système qui en fait quelque chose de surpuissant avec énormément de valeur pour les entreprises.

Maintenant, comme vous l’avez compris, ce qui rend vraiment compétent, c’est ces fameux outils. Maintenant, les outils, vous avez plusieurs manières de les connecter à vos systèmes et on le verra plus en détail dans les tutoriels. Aujourd’hui, par exemple, tout ce qui est écosystème de Google, email, agenda et cetera, c’est relativement simple à connecter. Il vous suffit en général sur la plupart des outils no code de cliquer sur un bouton et la connexion se fait.

Mais pour comprendre profondément comment fonctionnent ces compétences, c’est important d’aborder la notion d’API. Alors, une API, de manière très très simple, hein, sans rentrer du tout dans la technique, déjà, qu’est-ce que ça signifie API ? Ça signifie interface de programmation d’application. Alors, qu’est-ce qu’une API ? Alors déjà premièrement, sachez que la plupart des actions que vous faites aujourd’hui sur le web, sur internet, vous utilisez tout le temps des API sans le savoir.

Par exemple, quand vous allez sur YouTube, quand vous allez sur n’importe quelle plateforme et vous allez faire une requête, par exemple, cliquer sur une vidéo, souvent il va y avoir une API qui est envoyée. Pour ceux qui sont dans la communauté gratuite, vous savez qu’il y a un certain nombre de vidéos qui sont directement présentes dans la formation gratuite et il y a beaucoup de vidéos qui sont hébergées sur YouTube. Donc quand vous vous allez sur la plateforme School, donc de la communauté gratuite et que vous cliquez sur une de ces vidéos pour la visionner, ce que vous faites sans savoir, c’est que vous faites un appel d’API à la plateforme qui héberge la vidéo, donc YouTube, et YouTube vous renvoie la vidéo. Et c’est ça qui vous permet de visionner la vidéo. Et ça, vous allez le retrouver sur la plupart des applications que vous utilisez. Et en fait, c’est un moyen très simple de connecter une application ou un utilisateur à une application, à une autre plateforme.

Par exemple, quand vous utilisez Uber, Uber utilise l’API de Google Maps, ce qui fait que quand vous demandez d’afficher la map sur Uber, et bien vous faites un appel d’API au serveur de Google pour vous afficher Google Map. En fait, c’est des choses que vous faites tous les jours sans savoir. Alors là, je vous ai mis une petite image que j’ai générée avec Chat GPT pour vous l’expliquer encore plus vulgairement. Admettons qu’on soit dans un restaurant, le client arrive, s’assit à une table et passe une commande. Le serveur qui va faire office d’API va prendre votre commande, transmettre la commande au cuisinier. Le chef va cuisiner votre plat, préparer et remettre la commande au serveur. Le serveur disposant enfin du plat va venir servir la commande au client. Et en fait, c’est exactement le même procédé avec les API.

Admettons que vous soyez un utilisateur ou que ce soit une application, ça peut être un des deux. L’utilisateur va envoyer une requête, l’interface de programmation d’application. Donc l’API va transmettre la requête, la demande au serveur d’application. Le serveur de l’application, pour notre exemple, par exemple celui de Google Map, va recevoir la requête et va transmettre une réponse. Il renvoie une nouvelle requête qui va le donner à l’API et l’API va la transmettre à l’utilisateur. Donc l’API, au final ce que c’est, c’est juste un intermédiaire qui reçoit une réponse qui va voir dans l’application en question, prend le besoin et le redonne à notre utilisateur. Et ça c’est ultra important à savoir parce que quand vous allez construire des agents IA et que vous allez vouloir donner des compétences, et bien vous passerez souvent par ce système d’API.

Et en fait, quand vous allez envoyer des requêtes dans les API, il y a deux types de requêtes. Il y a les requêtes GET et les requêtes POST. Alors sans trop rentrer dans la technique, c’est juste des notions qui sont importantes à savoir par la suite. Vous le verrez aujourd’hui dans la plupart des outils qu’on utilise, il y a déjà toutes les connexions API qui sont déjà préconfigurées. Par exemple, là vous voyez que toutes les connexions sont déjà faites. Et si par exemple je viens sur Gmail, et bien je vois que dans le module Gmail qui a déjà plein d’actions qui sont préconfigurées, j’ai un certain nombre d’actions que je peux faire. Par exemple, j’ai une action ici qui me permet de regarder les emails et j’ai une action ici qui me permet d’envoyer un email. Et c’est précisément ça les requêtes GET and POST. La première vous permet de demander et de récupérer des informations. Par exemple, si je veux que mon agent me résume tous les emails de la journée, et bien il va utiliser la requête GET parce que je veux qu’il aille récupérer des informations. Il va pouvoir m’annoncer et là vous allez avoir un certain nombre d’actions qui vont être différentes selon les plateformes. Par exemple, si vous avez connecté à l’API d’un centre de météo, et bien vous allez pouvoir savoir quel temps il fait aujourd’hui. Si vous voulez accéder au prix de plein de produits d’une base de données de produits e-commerce, et bien vous allez utiliser une requête GET. Par contre, si vous voulez envoyer des informations et faire des actions comme par exemple envoyer un email, envoyer une commande, changer le statut d’une commande parce que vous avez fait un remboursement, et bien là vous allez utiliser la requête POST. Tout ce que vous devez retenir ici, c’est que l’un vous permet de récupérer et de demander des informations, l’autre vous permet d’envoyer des informations et donc potentiellement de faire certaines actions.

En soit, sur la plupart des plateformes qu’on va utiliser aujourd’hui, vous aurez rarement cette notion de GET and POST. En tout cas, vous y serez rarement confronté étant donné que tout ce que vous aurez à faire, c’est simplement de choisir directement l’action que vous voulez faire. Mais c’est quand même une notion qui est importante à savoir dans le contexte des agents IA.

La deuxième notion un peu technique à connaître qui est essentielle, même si en soi vous y serez rarement vraiment directement confronté, c’est les schémas. Alors, c’est quoi un schéma ? Un schéma, c’est un mode d’emploi pour un agent. Donc là, vous pouvez voir que j’ai demandé à Chat GPT de me générer un schéma. Donc ça va être fait en format JSON. Et en fait ce que il va se passer à travers ce schéma, c’est qu’on va expliquer exactement à notre agent IA comment utiliser un outil via une API. Du coup, un schéma égal manuel d’instruction pour utiliser une API. L’agent va venir lire le schéma et maintenant il sait comment utiliser l’outil. C’est exactement comme un mode d’emploi. Si vous venez connecter votre fameux agent IA qu’on a vu avant à Google Map, à Google Calendar, et bien souvent la manière dont ça va être fait, ça va être fait à travers un schéma qui explique à votre agent comment utiliser l’outil auquel vous êtes connecté. Encore une fois, dans la plupart des outils qu’on va utiliser, les schémas sont déjà préconfigurés. Donc, il n’y a jamais besoin de créer ces schémas. Et s’il y a besoin de créer ces schémas, vous demandez à Chat GPT. C’est relativement simple à faire, mais c’est important pour votre culture générale et pour votre compréhension, pour avoir une compréhension un peu plus approfondie, de comprendre qu’en fait les schémas, c’est différents manuels sur différents outils qu’on donne à notre agent.

Et en fait, l’agent IA, ce qu’il fait, c’est que lui, contrairement à un humain, quand il va faire une action, il ne clique pas avec la souris. Ce qu’il fait, c’est qu’il va consulter son schéma pour avoir accès directement à l’information. Si par exemple votre agent IA, il a accès à des dizaines et des dizaines d’API, donc il est connecté à des dizaines et des dizaines d’API, la manière pour lui de savoir selon le raisonnement quelle API il doit utiliser et bien c’est en consultant les différents schémas et en fait le schéma lui donne plus d’informations sur ce que l’API lui permet de faire et les actions qu’il peut faire directement sur la plateforme externe.

Maintenant dans 99 % des cas où vous allez créer des agents IA, les trois composants que vous allez le plus utiliser en pratique, c’est les connaissances, les outils et le prompting. En soit, le LLM, c’est aussi bête que connecter un grand modèle de langage. Donc, il n’y aura pas énormément de valeur ajoutée pour vous à cette étape-là pour créer votre agent IA. Je vous conseille de choisir un modèle qui est adapté à ce que vous voulez faire. Par exemple, si c’est un agent IA de pure rédaction, et bien peut-être que le modèle de Claude est plus intéressant. Si c’est un agent IA qui dispose, qui a besoin de plus de fenêtres de contexte, et bien peut-être que celui de Gemini est plus intéressant. Si vous voulez un modèle qui est capable de raisonnement et open source, et ben partez sur DeepSeek. Vous avez aussi celui d’OpenAI. Donc en soit au niveau du LLM, il n’y a pas beaucoup de travail à faire.

Là où vous allez avoir une vraie valeur ajoutée dans la création des agents IA, c’est dans la création de la base de connaissance. Donc plus les documents dans la base de connaissance seront qualitatifs, mieux seront les outputs. C’est dans la sélection et dans la connexion des outils. Et finalement, c’est au niveau du prompting que le gros du travail va avoir lieu étant donné que c’est là où vous allez lui donner toutes les instructions sur exactement ce qu’il doit faire. À la fin de l’histoire, c’est un peu comme un employé. Vous allez lui donner des informations sur votre entreprise, ce que vous faites, votre offre, la typologie de vos clients. Vous allez lui donner accès à des outils. Vous allez lui dire « écoute, tu peux utiliser Gmail, tu peux utiliser Chat GPT, tu peux utiliser telle plateforme » pour qu’il puisse travailler et finalement vous allez lui donner un cahier des charges précis sur les différentes tâches qu’il doit faire, comment il doit les faire. Et en fait, c’est exactement la même chose pour un agent IA. Quand vous allez créer un agent IA, vous allez lui donner des connaissances, lui donner des plateformes qu’il peut utiliser et finalement lui donner des instructions pour vous assurer qu’il atteigne l’objectif que vous attendez de lui.

Maintenant, vous allez voir qu’il y a deux types distincts d’agents IA. Il y a les agents IA conversationnels et les agents IA automatisés. Donc pour faire très très simple, un agent IA conversationnel, c’est l’agent où il va y avoir un utilisateur humain qui va venir interagir avec le système d’agent IA. Par exemple, quand vous interagissez avec un chatbot, enfin une petite bulle d’agent IA sur un site web et bien là, il y a un humain, donc un utilisateur qui vient envoyer des messages à l’agent et qui va recevoir une réponse. Typiquement là, c’est intéressant de mettre le module de mémoire. Mais il y a également des agents IA qui sont automatisés et qui se déclenchent seulement avec certains déclencheurs. Par exemple, dire voilà à l’agent IA, je veux que tu fasses tout ton travail, que tu ailles rechercher ces informations-là et que tu rédiges un email à chaque fois que tu vas recevoir un email ou tous les jours à 8h. Par exemple, si on veut mettre un agent IA de création de contenu, on peut définir que notre agent IA va se déclencher toutes les semaines, le lundi à 19h. Et donc là, l’agent va être automatisé étant donné que soit il va être déclenché par un événement, soit il sait que chaque semaine à telle heure, il doit effectuer telle et telle action. Mais les agents automatisés sont loin d’être les seuls agents utilisables, mais il y a les agents conversationnels. Donc, vous pouvez créer par exemple un agent de support client, vous pouvez créer un agent de qualification qui va répondre par WhatsApp. C’est notamment dans les tutoriels qu’on verra par la suite. Vous pouvez créer un agent IA qui va venir vous donner des informations sur votre calendrier personnel et en fait vous avez la possibilité d’interagir via une interface de discussion typiquement comme Chat GPT et d’avoir des réponses et d’atteindre des objectifs.

Et ça c’est particulièrement intéressant les agents conversationnels parce que je vous montrerai à la fin de la vidéo que créer des agents sur mesure automatisés c’est loin d’être la seule manière d’amener de la valeur à une entreprise. Aujourd’hui, il y a déjà des agents IA qui sont déjà préconfigurés et le seul fait d’apprendre à des dirigeants, d’apprendre à des entreprises, d’utiliser des agents qui sont déjà fonctionnels, ça amène énormément de valeur et il n’y a pas forcément toujours besoin de créer des agents IA sur mesure.

Je vous fais un exemple très simple. Si on revient sur notre cher ami Cloud, donc ici techniquement Cloud est capable de raisonnement, donc il peut faire des réflexions approfondies et il est connecté à un certain nombre d’outils grâce au MCP de Zapier. Encore une fois, je pourrais rentrer dans le détail à la fin de la vidéo. Il est connecté à un certain nombre de compétences et maintenant c’est exactement ce qu’on entend par un agent IA. Et je n’ai pas eu besoin de le construire sur mesure, j’ai juste eu besoin forcément de lui donner accès à un certain nombre de compétences, exactement comment je vais le faire par la suite à travers des outils comme Notion, Rounded ou d’autres outils. Et bien là, on va voir exactement ce qu’est un agent IA conversationnel sans avoir eu besoin de créer un système complet sur mesure et on va voir ce qu’il est capable de faire.

Alors, je souhaiterais qu’à chaque fois que je reçois un email de la part d’un prospect pour Chatflow AI, tu crées une automatisation complète où on va pouvoir lui envoyer une réponse, on va pouvoir l’ajouter dans une page Notion et faire tout le nécessaire pour avoir tout le contexte sur ce qu’il fait. Donc là, vous voyez, je lui ai donné un prompt nullissime, mais c’est juste pour vous montrer ce qu’il est capable de faire et je lui ai simplement donné un objectif. Je lui ai dit, « Je veux que tu crées une automatisation, débrouille-toi pour le faire. » Je lui n’ai pas dit exactement comment le faire, je lui n’ai pas donné des raisonnements. Et là, vous allez voir que quand je vais le lancer, ça a tout d’un agent IA. Il va commencer par raisonner pour voir quel est le meilleur moyen d’atteindre son objectif. Il va consulter les différents outils et quand il l’aura défini, il utilisera les outils qui lui permettront de faire les actions. Donc là, on voit qu’il commence par raisonner exactement comme un agent, réfléchissant à l’automatisation. Donc si je viens cliquer ici, je vois que j’ai accès au raisonnement. Donc l’utilisateur souhaite créer une automatisation complète pour gérer les emails de prospect pour Chatflow AI, probablement son entreprise. Il veut détecter les emails, créer une réponse, ajouter le prospect sur Notion, rassembler le contexte. Donc là, c’est exactement ce qu’on entend par chain of thought, un enchaînement de raisonnement. Donc c’est une chaîne de raisonnement. Et là ce qu’il fait c’est que une fois qu’il a fait ce raisonnement à ma place, donc là je lui n’ai pas indiqué tout ça, il va créer une automatisation complète pour gérer les emails de prospect pour Chatflow AI. Donc là ce qu’il fait c’est qu’il a utilisé directement l’outil Zapier pour créer l’automatisation et à travers ça, il a réussi à mapper toute l’automatisation qu’il faut suivre.

Donc là je lui fais un deuxième exemple pour qu’il puisse vraiment vous montrer qu’il va utiliser tous les différents outils. Donc encore une fois on a eu accès au raisonnement. Donc c’est un peu près le même, sauf que cette fois-ci, il comprend pour la démonstration qu’il doit utiliser les autres outils. Donc il se dit « d’abord je dois accéder à la page de configuration, laissez-moi créer une automatisation en utilisant les outils existants disponibles. » Donc là, il est en train de raisonner de A à Z. Il détermine que la première chose à faire, c’est détecter les emails prospects. Donc là, il est en train de chercher dans les messages de Gmail. Ensuite, il va venir analyser le contenu avec LIA. Donc probablement, soit qu’il va utiliser son propre module de raisonnement, soit que je pense il va passer par Chat GPT. Finalement, il va ajouter les informations dans Notion et envoyer des réponses automatiques. Donc là, on voit que après avoir lui-même cherché les messages, il a lui-même élaboré un système d’analyse d’email et d’automatisation et qu’ensuite maintenant à travers le modèle d’OpenAI, il est en train d’analyser, bon là c’est un vrai email client donc on va le fouter, mais il est en train d’analyser l’email qu’il a récupéré grâce à cette compétence et l’API qu’on a connectée juste avant. Maintenant qu’il a analysé les informations qu’il a réussi à récupérer grâce à notre modèle Chat GPT. Donc là, on voit qu’il a utilisé justement le module d’OpenAI pour analyser l’email entier. OK, il est en train de continuer à raisonner. Il se dit « OK, l’extraction de données a bien fonctionné. Maintenant, je vais créer la base de données Notion pour stocker les informations prospect puis créer une réponse automatique appropriée. Voyons d’abord comment créer une page Notion pour euh ce prospect. » Donc nous, on va autoriser une fois et là on voit qu’il continue de travailler là. Maintenant, il a créé une page Notion et préparé un email personnalisé. On va l’arrêter avant qu’il envoie tout de suite un email à un de nos prospects. Mais dans l’idée, vous comprenez un peu, il y a du raisonnement à chaque étape. Il effectue des actions sans que j’ai rien eu besoin de lui dire. Tout ce que je lui ai dit moi, c’est d’atteindre un seul et unique objectif et de créer les différents éléments. Donc je lui donnais l’objectif qu’il devait atteindre et après grâce aux outils auxquels il est connecté, il a pu faire le tout. Et donc là, on a vu ce qu’était potentiellement un agent conversationnel qui était déjà prêt.

Aujourd’hui, la plupart des grands outils euh comme Chat GPT, Claude, Gemini, on peut même aller voir des manus et cetera, sont déjà des agents qui sont capables d’être votre assistant personnel. Et le seul fait de maîtriser et d’en avoir la connaissance, c’est déjà de la valeur que vous pouvez amener à une entreprise sans avoir besoin de créer de manière personnalisée. Mais ça, on le verra plus en détail à la fin de la vidéo. Et normalement, avec la petite démo qu’on vient de voir avec Claude, vous voyez la différence entre un agent conversationnel et un agent automatisé. Vous voyez également qu’il y a déjà des agents qui sont prêts, qui peuvent être utilisés, qui ne vous demandent pas forcément plus de configuration que ça. Et ça, il y a énormément d’entreprises qui ne le savent pas et ils peuvent déjà en gagner énormément juste dans l’apprentissage de les utiliser.

Maintenant, nous ce qui va nous intéresser, bon, les deux sont deux agents qu’on peut créer, mais nous ce qui va nous intéresser, c’est justement de créer des agents IA sur mesure. Et c’est précisément ce qu’on va voir dans le chapitre 2 où on va voir des tutoriels concrets.

Avant de passer à la pratique et de se plonger dans les prochains tutoriels, un rapide petit mot de ma part. Déjà, je tenais à vous féliciter si vous êtes resté jusqu’ici. Je sais que les informations qu’on a pu voir, c’est enfin c’était assez dense, c’était assez théorique. Donc il y a des choses qui peuvent sembler abstraites. Il y a probablement des informations que vous n’avez pas comprises. Donc je vous invite vivement avant de passer à la suite, de revisionner.

Les différents éléments, de revisionner les différentes parties. C'est normal si vous comprenez pas tout du premier coup. On commence tous quelque part. Je sais qu'il y a des notions qui peuvent sembler abstraites.

Maintenant, si vous avez tout compris et que ces notions vous semblent acquises, alors je vous invite vivement à continuer la formation et à passer à la pratique. Pour ceux qui ne l'ont pas compris, reprenez le temps, relisez vos notes, prenez le temps de comprendre les différents éléments avant de passer à la suite. Je vous assure que ce sera beaucoup plus simple au niveau des tutoriels.

Maintenant, si vous êtes un dirigeant ou un chef d'entreprise et que vous souhaitez être accompagné sur l'intégration de l'IA dans votre business, je vous invite vivement à consulter notre site web. Vous pouvez nous contacter si vous souhaitez profiter de consulting, de formation ou de développement sur mesure. Ce serait avec grand plaisir qu'on pourrait vous accompagner et vous faire profiter de tous les avantages que peuvent amener l'intelligence artificielle à votre entreprise.

Et finalement, si vous avez appris quelque chose de cette vidéo jusqu'à cette partie et que vous avez reçu de la valeur, laissez-moi un petit like pour montrer que ce contenu vous plaît. Ça pourrait me pousser à refaire d'autres formats comme ça plus long où j'ai le temps d'expliquer et de rentrer beaucoup plus dans le détail. Et je mets énormément de temps à préparer ces vidéos pour essayer d'apporter le maximum de valeur au maximum de personnes. Donc ça aiderait énormément la vidéo à être mis encore plus en avant. Vous pouvez partager ça à des membres de votre famille qui chercheraient à comprendre ce qu'est un agent. Je pense qu'il y a plein de gens qui peuvent profiter de ces notions et que ça peut vraiment aider tout type de métier. Et laissez-moi un commentaire pour me dire quel est l'objectif que vous voulez atteindre avec ces fameux agences. Ça m'intéresse énormément de revoir ce qui revient le plus. On passe au tutoriel.

Maintenant que vous comprenez parfaitement ce qu'est un agent IA, comment il fonctionne et pourquoi les entreprises sont prêtes à payer des milliers d'euros pour ces solutions, il est enfin temps de passer aux choses sérieuses. Bienvenue dans le chapitre 2 où on va commencer à faire des tutoriels pas à pas et c'est ici que la magie va vraiment commencer à opérer. J'ai soigneusement assemblé ce chapitre pour vous donner le maximum de valeur possible et vous permettre de vous lancer dans votre parcours d'apprentissage des agents IAM mais cette fois-ci de manière pratique. On va couvrir ensemble plusieurs cas d'usage différents à travers plusieurs plateformes de construction d'agents IA. Le but c'est que dans tous les cas, tout ce que je vais vous montrer dans cette vidéo c'est que toutes ces plateformes vont être no code. Donc faut pas s'inquiéter pour ça. Et les chances que vous finissiez par tomber amoureux d'au moins une de ces plateformes sont quasiment de 100 %. Parce qu'avec toute la théorie qu'on a vu ensemble et l'accessibilité de ces outils, vous allez enfin rapidement comprendre toutes les possibilités et les options qui vont s'offrir à vous à partir du moment où vous maîtriserez ces outils.

Contrairement à d'autres vidéos, on vous donne souvent juste des templates tout fait qu'on peut directement importer. Moi, ce que je vais essayer de faire, c'est de vous montrer tout mon processus de réflexion en temps réel. Donc, vous allez me voir construire ces agents étape par étape, expliquer mes choix et renforcer les concepts qu'on a appris dans le chapitre précédent.

Maintenant, juste avant de nous lancer, s'il vous plaît ne restez passif devant la vidéo. Prenez votre ordinateur et essayez de travailler en parallèle. Hésitez pas à mettre pause. Essayez de refaire les mêmes étapes au fur et à mesure. Mais si vous vous mettez simplement devant votre écran comme si vous regardiez une vidéo classique, et bien les chances que vous réussissiez par la suite à tout remettre en place risquent d'être assez faible. Donc s'il y a une chose que j'aimerais vous demander dans cette vidéo, c'est de prendre le temps de faire pause et surtout de faire en parallèle et vous verrez que votre apprentissage sera nettement meilleur.

OK, c'est enfin parti. Alors, juste avant de vous présenter le schéma que j'ai mis en place pour vous expliquer ce qu'on va construire ensemble étape par étape, histoire de vous donner un contexte global pour que vous ayez tous les éléments de réflexion tout au long de la construction. On revient juste sur la dernière slide de notre présentation théorique où je vous expliquais qu'effectivement il y avait deux types d'agents. Il y avait les agents conversationnels, les agents automatisé. Pour faire simple, conversationnel, c'est quand on va avoir un agent qui va converser directement avec un utilisateur, que ce soit vous ou un utilisateur externe, par exemple, un prospect, un client d'une entreprise et automatisé, c'est quand il y a pas d'interaction directe avec un utilisateur. Nous pour commencer parce que je sais que la plupart d'entre vous, vous êtes friant des agents conversationnels parce que vu qu'ils échangent avec des humains, on se dit "Ah, vraiment ça peut remplacer un employé." et bien j'ai décidé de commencer par ces fameux agents conversationnels.

Alors là, je vous ai préparé un petit schéma qui résume tout ce qu'on va faire ensemble histoire que vous ayez un peu plus de contexte. Donc vous verrez qu'il y aura plusieurs agents qu'on va construire ensemble avec plein de plateformes. Mais pour commencer globalement, comme je le dis assez souvent et on le verra dans le 3è chapitre aujourd'hui la meilleure manière d'intégrer LIA dans une entreprise ou de lui faire comprendre l'importance de ces technologies c'est de toucher directement à ses revenus. C'est de montrer qu'avec l'A, on va pouvoir soit minimiser des coûts de secteur ou des coûts liés à n'importe quelle tâche de leur boîte ou alors augmenter significativement leur revenu. Et là, avec l'agent que je vais vous présenter, on va réussir à faire les deux d'un seul coup et je vais vous expliquer pourquoi.

Alors, le tout premier agent qu'on va créer et je vous présenterai juste après la plateforme qu'on va utiliser pour le faire, ça va être un agent de génération de prospect. C'est un peu près ce qu'on peut aujourd'hui considérer comme étant un commercial et il va faire plusieurs choses. Alors, l'objectif de ce système, de cet agent, il est très simple. Aujourd'hui, les entreprises de service, donc les agences, les coiffeurs, les centres esthétiques, ils reçoivent tous demandes de renseignement et c'est souvent en dehors des heures d'ouverture. Donc soit on a quelqu'un à pleintemps qui répond au téléphone, qui répond sur les messages, soit ils ont personne tout court, soit ils reçoivent des messages quand leur boîte est fermée ou en tout cas quand c'est pas dans les heures d'ouverture. Et en général, les prospects, en tout cas les personnes qui contactent pour avoir des services, ils veulent des réponses immédiates sur les services disponibles. Quand je suis en voyage et que je cherche un coiffeur ou que je cherche une boîte pour faire enfin quelconque activité et bien ce que je vais faire c'est que je vais aller sur Google et la première boîte qui me répond pour peu que les tarifs soient corrects et bien je vais partir avec eux. Donc il y a vraiment un énorme manque à gagner pour toutes les boîtes qui ont pas ce genre de système qui est tout le temps en place parce que si je contacte une boîte et on le verra dans l'exemple juste après et qu'elle me répond pas tout de suite et bien je vais aller voir leur concurrent. Et bien justement ce processus de réponse et de qualification des prospects demande énormément de temps manuel et de ressources humaines. Idéalement faudrait avoir quelqu'un qui soit là à 24 heures sur 24. Mais comme vous le savez, soit c'est pas possible, soit ça coûte énormément d'argent et c'est exactement ce que cet agent a vise à automatiser. La valeur, je pense qu'elle est relativement claire. Au lieu d'avoir des employés qui répondent manuellement à chaque demande ou qui prennent trop de temps à revenir vers un prospect. Il faut savoir qu'aujourd'hui euh la vente de n'importe quel service en général, c'est prouvé, on augmente significativement le taux de conversion si le prospect reçoit une réponse dans les 5 minutes. Donc ce qui peut être relativement compliqué si on n'a pas de grosses équipes et bien justement cet agent il a vu qu'on arrive à répondre tout de suite à un nombre illimité de prospects en même temps et bien le taux de conversion va augmenter et justement quand on n'a pas ce genre de système en place et bien on peut passer à côté de clients qualifiés qui iront voir d'autres potentiellement concurrents. Donc cette automatisation, cet agent il a il va pouvoir immédiatement qualifier les prospects, fournir des informations précises et déclencher automatiquement les étapes suivantes pour l'équipe commerciale. Donc résultat, vous allez le voir rapidement par la suite. On va augmenter le chiffre d'affaires étant donné qu'on répond très vite et donc on augmente le taux de conversion. On va réduire les coûts étant donné qu'on a plus besoin d'avoir quelqu'un qui fait ça s'il y a déjà quelqu'un qui le fait. On va améliorer l'expérience client parce que vous allez voir, c'est assez incroyable quand on a envie de quelque chose, on veut l'avoir au plus vite et là ça va être le cas et on va pouvoir poser toutes les questions dont on aurait besoin par la suite. On va optimiser le temps d'équipe, on va avoir une traçabilité complète, un CRM et des relances marketing et ça c'est tout ce qu'on va voir dans l'agenda qu'on va créer.

Donc là, je vous ai mis la structure de comment est-ce qu'on va le faire. On va utiliser l'outil N8N que je vais vous présenter juste après. Donc là, vous avez déjà l'agent IA final qui est le résultat vers lequel on va se diriger et qu'on va vouloir atteindre. Dans tous les cas, tout ce Figma, toute cette présentation, les différents éléments que je vais vous montrer, même les templates si vous voulez, ils seront comme d'habitude disponibles dans la communauté gratuite. Donc il vous suffira, il y aura un lien, je pense, soit en commentaire, soit en description et il vous permettra euh d'accéder à la communauté gratuite. Donc on reçoit pas mal de demandes et globalement quand vous arriverez sur la communauté gratuite pour récupérer le guide, pour récupérer le schéma et toutes les ressources que je vais vous présenter, il suffira simplement de venir dans l'onglet ressources YouTube et vous verrez que c'est ici en général que je viens héberger et mettre toutes les informations ressources que je mets à disposition. Donc il vous suffira juste soit de venir taper le nom de la vidéo, donc formation agent, soit de défiler et normalement vous devriez la trouver facilement. Donc là vous voyez toutes les autres vidéos. Ben, typiquement l'autre formation de 3h que je vous invite à regarder. Si vous avez pas regardé, et bien vous pourrez accéder au guide complet simplement depuis la communauté gratuite. OK ? Donc une fois que vous aurez récupéré ces infos, donc le fonctionnement de notre agent, vous allez voir, il est relativement simple. Dans tous les cas, on va faire toutes les étapes en premier. Tout d'abord, qu'est-ce qu'on veut que notre agent il a il fasse ? La première chose qu'on veut, c'est qu'on veut qu'il fasse la réception. Donc le client, il va envoyer sa demande via un chat, via WhatsApp, via Telegram, via n'importe quelle plateforme de déploiement qu'on choisira. Et ensuite, on veut que notre agent soit capable de recevoir justement cette demande et d'amener des réponses. Ensuite, il va analyser exactement la situation. Donc, il va comprendre l'intention et identifier les besoins pour amener toute l'aide et le support nécessaire à l'utilisateur, donc au prospect. Ensuite, il va faire une recherche pour venir consulter les différents services qu'il propose pour pouvoir amener les bonnes réponses au prospect. Et pas se baser sur des réponses aléatoires d'un LLM classique. Il va venir vérifier les disponibilités dans le Google Calendar, enregistrer les données du client et finalement envoyer une réponse au client en lui confirmant sa réservation par mail, en ajoutant les informations dans le calendrier, en envoyant euh un message aux équipes pour dire qu'il y a un nouveau prospect qui a réservé une session et il va pouvoir faire tout ça et continuer à faire le support par la suite. Donc si vous vous souvenez bien, un LM, enfin un agent IA, excusez-moi, est composé de plusieurs composants, donc d'ingrédients. On va avoir le cerveau, on va avoir la mémoire, on va avoir la base de connaissance et on va surtout avoir les outils. Donc là globalement WhatsApp et Open AI, donc chat GPT, ça c'est pas vraiment des outils, mais je vous les ai mis pour que ça vous image encore plus. Donc WhatsApp sera la plateforme sur laquelle on va déployer notre agent. Open AI, donc les modèles d'Open AI vont être le cerveau comme on l'a vu ensemble. Et ici, on a les outils qu'on va donner, les compétences qu'on va donner à notre agent IA. On va le laisser faire, on va laisser les utiliser selon le prom système qu'on va lui donner. Donc la météo, vous verrez pourquoi. Gmail, Google Calendar et Slack qui est une plateforme de communication d'équipe qui va pouvoir directement envoyer un message aux équipes.

Maintenant qu'on a le contexte global de ce qu'on va créer, passons à la construction. Et pour ça, on va utiliser comme on l'a dit l'outil N8N. Alors, pour ceux qui connaissent pas, c'est c'est un outil que j'ai déjà pas mal présenté dans mes vidéos que je recommande vivement pour la création d'agent IA. Je pense qu'actuellement c'est de loin le meilleur outil pour la création d'agent IA. Historiquement, c'est un outil d'automatisation un peu classique comme Make.com, comme Zapier qui sont de très bons outils, sauf que N8N déjà de 1, ils sont open source, donc vous verrez que ça a pas mal de de d'avantages et surtout c'est les premiers à avoir compris l'importance des agents IA et ils ont pris le virage avant tout le monde. Donc ils ont mis en place un module d'agent IA spécialement fait pour la création de ces fameux agents et on va voir ensemble comment on va les utiliser. Et effectivement, c'est une plateforme qui est no code. Donc vous verrez que faut pas avoir forcément peur, on va jamais coder lors de la création de cet agent IA grâce à toutes les intégrations qui sont déjà préconfigurées par NN. On aura deux trois bien sûr démarches et procédés à mettre en place mais globalement il y aura jamais besoin de coder.

Concernant le pricing bien entendu parce que c'est important vous avez la possibilité soit de passer directement par leur propre cloud. Donc c'est hébergé chez dans leur serveur à eux. Je trouve que ça coûte un peu cher. Ils ont pas forcément de version gratuite mais pour ce que ça permet de faire ça reste incroyable. Sinon, vous pouvez venir l'héberger directement sur vos propres serveurs ou passer par des serveurs externes comme je le montre dans certaines vidéos par exemple avec Hostinger et ça revient quand même à vachement moins cher. Donc je vous inviterai à regarder les autres vidéos si cela vous intéresse. Sinon 20 € pour tout ce qu'on peut faire, ça reste quand même très intéressant.

Une fois que vous êtes arrivé donc sur notre plateforme, tout ce que vous aurez besoin de faire, c'est de venir vous créer un compte, mettre vos identifiants et ensuite on se retrouve tout de suite sur la plateforme. OK ? Normalement, une fois que vous avez créé votre compte, vous allez arriver sur cette interface. Donc là, on est sur un compte qu'on utilise, que j'utilise pour faire les démos sur YouTube. Donc vous voyez qu'il y a déjà pas mal de petits agents. Il y a étant donné que c'est hébergé sur mes propres serveur et bien je peux créer un nombre incalculable d'agent. J'ai pas de limite parce que j'héberge en fait le outil qui vu qu'il est open source, je peux faire à peu près tout ce que je veux. Mais bref, nous ce qui va nous intéresser, ça va être de commencer à créer notre fameux agent. Donc dès que vous avez créé votre compte, vous venez ici, vous allez arriver sur cette interface et vous cliquez sur create workflow. Là, on se retrouve sur l'interface de N8N. C'est ici que vous allez pouvoir configurer et créer vos différents agents ou automatismes. Donc nous la toute première étape qui va nous intéresser, ça va être de venir créer un trigger, donc un déclencheur. Le trigger, vous avez plusieurs manières de le faire. En fait le déclencheur c'est quoi ? C'est quand est-ce qu'on veut que notre agent commence à fonctionner, commence à travailler. Est-ce qu'on veut que ce soit quand il reçoit un email ? Est-ce qu'on veut que ce soit quand il reçoit un message WhatsApp ? Est-ce qu'on veut le déclencher manuellement ? Vous avez toutes ces possibilités. Vous voyez ici d'ailleurs que vous avez la possibilité de le trigger manuellement. Donc à chaque fois que vous allez cliquer. Mais nous ce qui va nous intéresser pour commencer et pour vous simplifier aussi la tâche quand vous allez le remettre en place, on va commencer par un chat message. Donc c'est littéralement une fenêtre de discussion avec laquelle on va pouvoir interagir directement sur notre interface. Je commence pas tout de suite sur WhatsApp parce que vous verrez que WhatsApp, il y a rien de techniquement dur à faire mais c'est un procédé qui est un peu plus long et complexe et j'aimerais le faire à la fin pour que vous puissiez d'abord mettre en place votre agent, le faire fonctionner et ensuite passer du temps à le déployer sur la plateforme de votre choix. Mais pour commencer, c'est beaucoup plus simple de commencer par le chat. Donc là, vous voyez qu'on peut ouvrir le chat et ici, on peut venir directement échanger via une bulle. Donc on voit que ça fonctionne, mais on a encore rien connecté. Donc maintenant qu'on peut échanger avec notre futur agent, on va venir commencer à le créer. Et là, vous voyez que vous avez plusieurs options. La première option qui s'offre à vous, c'est ces fameux agents IA. Donc, on va venir cliquer juste ici. Vous voyez ici qu'on a tout de suite le module d'agent IA qui s'affiche. Et nous, ce qu'on va faire, c'est cliquer dessus. Super, on va faire la configuration juste après. Vous voyez que mon chat message est automatiquement connecté et on a enfin notre module d'agent qui est prêt. Donc là, ce qui va être assez sympa, c'est qu'ils nous ont déjà préconfiguré pas mal de choses. On voit qu'on a le chat model. Donc je vous l'avais expliqué dans la partie théorie, c'est littéralement le cerveau. Donc ça va être le LLM qu'on va choisir. On a la fameuse mémoire qui peut être intéressante dans certains cas de figure, pas forcément tous. Mais c'est pour ça que j'ai choisi aujourd'hui de commencer par un agent conversationnel pour vous montrer justement comment fonctionne la mémoire. Et finalement, on a les fameux outils, donc les compétences qu'on va donner à notre agent IA. Ici, ça va être intéressant. Vous verrez, comme on l'a vu au début, ce qu'il faut retenir avec ces agents IA et même dans avec l'intelligence artificielle li génératif de manière générale, c'est qu'il y a toujours un input et un output. L'input, c'est l'information que va recevoir notre agent et l'output, c'est ce qui va donner. Et vous verrez à la fin de cette construction et bien on aura l'input, donc le message WhatsApp de l'utilisateur et l'agent va renvoyer la réponse via WhatsApp. Donc une fois qu'on a compris ça, tout ce qu'on a à faire, c'est de venir dans chat model et choisir le cerveau de notre agenda. Donc là, on voit qu'il y a pas mal de modèles qui s'offrent à nous. Ce qui va nous intéresser pour un premier test pour vous, c'est d'utiliser le modèle de Penai. Mais sachez que vous avez accès à littéralement tous les modèles disponibles sur le marché à travers Open Router. Donc là, vous voyez qu'on a Entropic, donc Claude qui est déjà disponible. On a Mistral, on a Dipsic, on a Grock donc on a Olama aussi. Donc on a les plus gros modèles. Mais si à un moment donné vous créez un agent IA et que vous voulez utiliser un modèle un peu moins connu pour x ou y raison, sachez que vous pouvez passer par Open Router. Alors Open Router, je vous le présente rapidement. Globalement c'est une API, c'est un c'est c'est une plateforme qui est connectée à toutes les autres API que vous pourriez imaginer en tant que LLM. Donc là, on voit un peu tous les LLM, tous les grands modèles de langage qui peut être connectés. Donc il y en a vraiment énormément. Mais si à un moment donné vous voulez passer par un modèle pour une raison quelconque euh et qui ne se trouve pas déjà dans NN, passer par euh Open Router. On pourrait déjà l'utiliser dans pas mal de configurations. Mais aujourd'hui, on va faire simple. On va passer par Open AI. Et là, vous voyez que moi, je suis déjà connecté avec Open AI. En gros, ces plateformes de d'automatisation de création d'agent IA, ce qu'elles font, c'est qu'elles connectent déjà plein d'autres plateformes. Et du coup, forcément, pour que vous puissiez utiliser les autres plateformes, faut vous assurer que vous avez la connexion. Donc vous ce que vous allez faire, c'est venir connecter votre compte OpenAI. Donc là, vous voyez que moi je suis déjà connecté, mais je vais vous montrer comment faire. Vous allez venir cliquer sur le bouton New Crédential et en fait ce que vous allez faire ici, c'est que vous allez récupérer votre clé d'API et l'ID de votre organisation. Le but étant de connecter votre agent IA et votre plateforme NN à votre plateforme Open AI parce que votre agent IA ce qu'il va faire c'est qu'il va consommer des tokens. Donc si vous voulez

Utiliser la technologie d'OpenAI, il va falloir payer forcément, directement les serveurs d'OpenAI. Bon, honnêtement, avec 5 dollars déjà, ou 5 €, vous pouvez faire énormément de choses. Ça coûte pas très cher, mais il faut faire la connexion.

Pour faire la connexion, qu'est-ce qu'on fait ? On vient sur Google, on tape « Playground OpenAI », et là, ça va vous rediriger ici, en fait. Donc, comme vous le savez, OpenAI, c'est la boîte qui est derrière ChatGPT, et euh OpenAI propose aussi un espace développeur. Donc c'est là, on va récupérer pas mal de technos qu'ils mettent à disposition. Donc vous allez cliquer sur « OpenAI Platform », et vous allez venir vous connecter.

Donc une fois que vous avez commencé à créer votre compte, là j'ai recommencé depuis le début avec un nouveau compte pour montrer, même aux plus, aux personnes qui n'auraient jamais, ou qui n'ont pas ChatGPT, à quoi ça ressemble. Vous voyez que là, on a créé un nouveau compte. Donc on est sur OpenAI Platform, l'espace développeur. Ici, vous pouvez faire votre clé d'API. Donc c'est votre clé de connexion qui va authentifier l'accès. Donc là, vous pouvez mettre « Projet par défaut ». On pourrait même le nommer « NN agent démo ». Hop. Et là, ça va être notre clé de test, et on va venir générer une clé d'API. Donc si vous avez pas de compte, vous allez directement avoir la possibilité de générer cette clé. Donc là, il faudra simplement venir copier la clé et revenir sur notre agent N8N, la mettre dans l'espace « API Key », juste ici.

Donc l'API, comme on l'a discuté, c'était important. Revenez voir la partie dans la théorie où j'explique, mais en gros, de manière assez simple, c'est la technologie, c'est le procédé qui permet à une plateforme d'utiliser la techno d'une autre plateforme, et ça c'est ultra important quand on crée des agents, étant donné qu'on veut leur donner plein de compétences et plein de possibilités, et pour ça, faut réussir à les connecter à des plateformes externes. Donc là, on vient mettre notre clé d'API, et ensuite, on revient sur notre espace développeur. Donc on va continuer juste ici. Euh je vous recommande vivement du coup, si vous l'utilisez, de prendre soit 5, soit 10, soit 20. Si vous commencez, commencez avec 5 dollars. On va acheter tout de suite 5 dollars, et on se retrouve juste après. OK, magnifique. Normalement, ça devrait passer. J'ai ajouté mes 5 dollars.

En gros, ce 5 dollars, c'est littéralement la consommation que va utiliser votre agent quand il va réfléchir, entre guillemets, et qui va passer par le modèle de OpenAI. C'est des choses que vous pouvez retrouver d'ailleurs sur Hugging Face, pour vous donner une idée. Donc Hugging Face, qui est une super plateforme qui recense plein d'informations sur les différents, euh voyez-le un peu comme le GitHub des IA génératives. Pour ceux qui connaissent pas, c'est vraiment un hub de tous les, tous les outils, tous les modèles qui sont à disposition. Et en fait, si vous venez voir dans les LLM, dans le classement des meilleurs modèles de langage, et bien vous voyez qu'on a tous les plus gros modèles de langage. Donc ces fameux LLM, GPT-3, etcetera. Et quand on regarde un peu, on peut retrouver ici combien ça coûte de les utiliser pour 1 million de tokens. Mais globalement, c'est l'utilisation de ces outils, combien ça coûte. Et des fois, quand on va utiliser par exemple des modèles euh plus performants qui sont pas toujours les plus adaptés, et bien ça peut coûter assez cher. Donc c'est pour ça qu'on verra le modèle qu'on va choisir avec celui de notre agent. C'est un modèle qui est performant, mais qui coûte un peu moins cher. Mais globalement, pour 1 million de tokens sur la plupart euh des modèles, même si on prend un modèle un peu moins connu, par exemple celui d'LLaMA, qui a été une révolution, seulement 1 dollar, donc c'est littéralement rien du tout. Mais c'est important d'avoir cette notion en tête.

Donc si on revient maintenant sur notre plateforme, ça y est, on a accès à notre espace développeur, et ce qui va nous intéresser, ça va être de retrouver, normalement dans Playground, je dirais notre API. Non, c'est dans Dashboard. Si on revient dans Dashboard, normalement on devrait voir l'API Key. Exactement. Et là, normalement, vous allez retrouver l'API Key que vous venez de créer, donc avec votre clé d'accès. Donc ça, c'est très bien. Mais ce qui va nous intéresser maintenant pour finaliser cette première connexion, donc c'est rien de bien compliqué pour l'instant, ça va être juste l'ID de l'organisation pour pouvoir valider. Et donc une fois que vous avez votre clé d'API, venez simplement dans les réglages ici, et vous allez trouver dans « Général » l'ID de votre organisation. Donc c'est juste un petit, enfin c'est des lettres à la suite qu'on va venir copier ici. Et là, en fait, ça va permettre à N8N de faire la connexion. Donc on va venir sauvegarder, et normalement, voilà la connexion, on voit qu'elle a réussi. Donc là, normalement, la connexion avec OpenAI, c'est tout bon.

Ici, maintenant qu'on a fait la connexion, donc je vous ai montré comment récupérer les clés d'API et l'organisation ID, on va venir sélectionner notre modèle. Donc vous êtes pas sans savoir que OpenAI c'est l'entreprise qui est derrière ChatGPT, et que ChatGPT n'est qu'un outil. Ensuite, OpenAI nous met à disposition, quand on passe par l'espace développeur, tous leurs modèles, et ça c'est le cas pour toutes les autres plateformes concurrentes de ChatGPT. Et nous, ce qui va nous intéresser pour ce premier modèle, donc on voit qu'on a accès aux anciens modèles, on a accès aux nouveaux modèles, mais il y a tout un raisonnement qui vient derrière, et ça pourrait faire sujet d'une autre vidéo, qui est que dans certains use cases, par exemple GPT-3, qui est le modèle de raisonnement le plus poussé avec GPT-4, potentiellement, on va pas être intéressé, parce que déjà il va prendre du temps à amener une réponse, c'est beaucoup plus lent, et surtout c'est beaucoup plus cher. Et nous, ce qui va nous intéresser du coup, ça va être GPT-4 Mini. Super. Maintenant qu'on a choisi notre modèle, normalement ça devrait être tout bon. Notre modèle pour réfléchir, et ce qui va nous intéresser, ça va être de venir sauvegarder. C'est très important sur N8N et tous ces outils-là de toujours sauvegarder. Il y a pas de sauvegarde automatique, et vous avez pas envie de vous retrouver à tout recommencer. Donc maintenant, un bon réflexe à avoir, c'est de venir toujours tester notre agent au fur et à mesure où on va le configurer, pour s'assurer que tout va bien. Et pour ça, ce qu'on va faire, c'est qu'on va venir ouvrir le chat, et on va lui envoyer un message.

Donc là, on a ouvert notre petit chat, et on va venir lui dire « Salut », et on va voir ici que notre agent IA a bien utilisé le LLM pour nous amener une réponse. Donc si on regarde ici, on a les différents logs. Donc les logs, c'est littéralement ce qui se passe. Si vous voulez, c'est pour voir ce qui se passe. Et là, on voit bien qu'on a l'input. Donc on a vu l'input de l'humain qui a écrit, donc moi « Salut », et l'output, donc qui dit « Comment est-ce que je peux vous aider aujourd'hui ? ». Donc notre agent IA a utilisé son modèle pour réfléchir. Et là, on peut continuer à parler. Euh « Comment ça va ? », et il va continuer à utiliser le modèle pour fonctionner. Donc on va lui envoyer juste ici, et on va voir que l'agent IA, à chaque fois avant de nous amener une réponse, va passer par son cerveau, qui est le modèle qui va permettre à tout notre système de fonctionner.

Maintenant, une fois qu'on a connecté un cerveau, la phase la plus importante, comme on l'a vu dans la, dans la partie théorique, ça va être le système prompt. Ça va être le prompting, ça va être expliquer à notre modèle ce qu'on attend de lui, ce qu'on veut qu'il fasse. Et pour ça, on va venir lui mettre un prompt pour qu'il se comporte exactement comme on attend de lui pour accomplir sa mission de réservation, de support et de toutes les tâches qu'on va vouloir lui faire. Donc pour ça, ce qu'on va faire, c'est qu'on va revenir sur notre agent IA, et vous allez voir qu'on a la possibilité de venir ajouter un système message. Et en fait, ce système message, vous voyez qu'il y a déjà un message qui est préconfiguré. C'est littéralement ce qu'on va appeler le prompt system. C'est l'instruction qu'on va lui mettre pour qu'il sache comment se comporter. Donc là, il y a une instruction par défaut, donc en anglais, qui dit que vous êtes un assistant helpful. Et nous, ce qu'on va faire, c'est qu'on va venir lui mettre un prompt un peu plus poussé que celui-là. C'est pas ultra complexe, vous verrez, mais ça reste quand même un bon prompt.

Donc maintenant, on va essayer de prendre un cas de figure un peu réel pour voir comment est-ce qu'on pourrait créer cet agent IA. Et on va imaginer qu'on est à Bali en voyage, ou qu'on habite à Bali, et qu'on a envie de réserver une activité, et que la boîte en face n'a pas ce genre d'agent. Et en fait, si on prend n'importe quel premier site web ici, à chance de voyage spécialisé pour Bali, on arrive sur un site web. Bon bah c'est très sympa, mais globalement, je vois pas tout de suite où est-ce que je peux réserver. Si on essaie d'en trouver un autre, « Bali authentique, agence de voyage », j'arrive sur leur site. Écoutez, bon super, il y a plein de choses à faire, de vie gratuit, c'est relativement long. Potentiellement, j'ai pas tout de suite l'information que je veux. Bon, je peux présélectionner, etcetera. Mais moi, ce que j'aurais aimé, c'est avoir un peu un service comme une conciergerie. Avoir directement une petite icône WhatsApp ici qui m'aurait permis de me connecter directement à l'agent IA et de lui envoyer un message et lui dire « Écoute, j'ai envie de faire ça, ça, ça, est-ce que vous le proposez ? Si vous le proposez, comment est-ce que je peux réserver et aller de l'avant ? », et en 5 minutes, j'ai réservé mon activité. Là où sur la plupart des sites comme ça, et bien c'est pas très clair, il y a plein d'informations, et j'aurais tout de suite voulu être en contact avec quelqu'un qui me donne les réponses à mes questions et qui passe à la réservation.

Donc on va imaginer qu'on va créer notre agent IA pour cette agence qui visiblement n'a aucun système en place et qui aurait pu avoir une petite icône WhatsApp ici pour nous rediriger sur WhatsApp et tout de suite rentrer justement dans la conversation et réserver. Donc on va imaginer qu'on va créer l'agent pour ça, et pour cela du coup, on va coller le prompt que j'ai déjà préparé à cet égard. Donc globalement, « tu es l'assistant de génération prospect agence d'activité à Bali ». Donc je me suis pas trop embêté avec le nom. Et là, on va lui donner toutes les instructions. Sachez que normalement, on va essayer d'être un peu plus complet que ça quand on va venir créer un prompt. Dans l'académie notamment, on a tout un SOP de création de prompt système, donc beaucoup plus poussé que ce que je suis en train de vous montrer là. Et l'idée, c'est que dans la plupart des cas de figure, un prompt système complet et bien fait, au final, devrait ressembler à quelque chose comme ça. Donc c'est ce qu'on explique. Il faut toujours donner le rôle, la tâche. Et là, dans la tâche, vous allez le voir, on l'a fait, on va utiliser le chain of thought. Donc on va expliquer à notre agent exactement dans quelle étape on veut qu'il raisonne et qu'il fonctionne pour l'aider au maximum à accomplir sa tâche. On va lui donner des spécificités, des contextes sur l'entreprise, des exemples et des notes. Mais ça c'est vraiment quand on va prendre le temps de faire quelque chose de plus poussé, et c'est le genre de SOP qu'on met à disposition. Nous, dans notre cas de figure, j'ai fait quelque chose d'un peu plus basique qui respecte pas forcément ces règles, pour permettre à tout le monde aussi de, de pas se sentir trop loin du résultat final.

Donc ici, on lui dit : « Important, utilise toujours l'outil base de connaissance pour rechercher des informations sur les activités, prix et politiques avant de répondre. Ton rôle, ça va être de présenter nos activités avec le prix exact de la base de données, prendre des informations des prospects, informer sur les disponibilités, aider à la réservation et donner des conseils personnalisés. Le processus qui va devoir suivre, c'est utiliser les outils knowledge base, donc la base de connaissance qu'on va mettre en place juste après pour chercher les informations et de se baser uniquement sur ces informations pour amener des réponses. Ensuite, on lui dit que quand un client fournit des informations personnelles, par exemple le nom, l'email, le téléphone, il doit toujours extraire ses informations de la conversation et d'utiliser l'outil qu'on va aller lui mettre en place pour aller le mettre dans notre CRM. On verra juste après comment est-ce qu'on va configurer cet outil, mais c'est ultra important. Au final, on va lui demander de s'assurer de demander les informations si elle manque avant de faire la réservation. Étant donné que avant de faire la réservation, il faut qu'on récupère ces infos à plusieurs euh buts, déjà pour objectif de pouvoir faire la réservation, de communiquer ces informations aux autres membres de l'équipe, mais surtout potentiellement de pouvoir renvoyer des messages, renvoyer des emails pour proposer d'autres activités, d'autres services par la suite. Et ça c'est ultra intéressant. Et souvent ces boîtes-là n'ont pas de CRM qui est mis en place. Donc un CRM, c'est un endroit où on va centraliser toutes les informations sur les prospects, les clients qui nous contactent pour faciliter leur gestion et l'interaction.

Donc voilà, là on lui a expliqué grâce à notre prompt system comment il doit se comporter et ce qu'on attend de lui. Donc maintenant on va pouvoir venir tester quelque chose d'important qu'on verra juste après ici. Euh le but c'est de lui dire comment est-ce qu'on veut qu'il se déclenche. Donc là, étant donné qu'on l'a connecté à un chat trigger, donc à notre déclencheur de conversation ici, on lui dit qu'il va rester avec le connect trigger normal, mais on verra qu'il faudra le changer par la suite. Ici, on voit que ça va être important, mais ça a été fait automatiquement étant donné qu'on a connecté notre chat trigger. On voit du JSON, donc rien de bien compliqué, mais en gros c'est la variable dynamique qui va mettre les informations, qui va transmettre les informations à notre agent. Donc typiquement ici, le chat input. Donc c'est littéralement l'information qu'on met dans le chat. Et bien c'est à ça qu'on veut que lui réponde et rebondisse. Et étant donné que cette information elle va changer à chaque fois, plutôt que mettre quelque chose de fixe, style une phrase classique qui bouge jamais, et bien on va mettre une variable dynamique qui va changer selon l'interaction. Mais OK, là on va pouvoir tester cette step. Donc normalement, il va se baser sur « Comment ça va ? », et il me dit « Bonjour, je vais très bien, merci, quelle activité à Bali vous intéresse ? » Super. Et là, on voit justement de par cette phrase qu'il a bien pris en compte notre prompt system et qu'il a pas fait juste une réponse générique. Donc là, si on refait un test, on va venir refresh la conversation, on va lui dire « Salut ». Là, on voit qu'il est en train de passer par le module agent, il y a le cerveau. Sauf que cette fois-ci, il me parle des activités de Bali grâce au système prompt que j'ai mis dedans, qui est ultra important. Prenez toujours le temps de le faire.

Ensuite, ce qu'on va vouloir ajouter à notre fameux agent, c'est une mémoire. Pourquoi ? Parce que si on lui met pas la mémoire, à chaque fois qu'on va lui parler, il risque d'oublier les messages d'avant. Donc il aura pas le contexte global de la conversation, et ça ne sera jamais personnalisé. Et ça, c'est quelque chose qu'on ne veut pas. Donc ce qu'on va faire, c'est qu'on va venir utiliser. Vous avez plusieurs options, mais pour votre premier agent IA, je vous conseille de passer par l'option qui est proposée par N8N, donc la mémoire classique. Donc on va venir ici, juste ici, et on va la mettre telle qu'elle. Ce qui va nous permettre justement d'avoir cette première mémoire de contexte. Donc on va juste venir ici. Normalement, on va pouvoir la configurer. On peut laisser tel quel. Il est connecté, il a toutes les informations. Et donc là, maintenant qu'on a connecté notre mémoire, on va pouvoir l'utiliser. Et en fait, la mémoire va avoir, va définir, si vous voulez, une session ID. À chaque fois qu'une session va être démarrée avec un utilisateur, elle va mettre un ID dessus pour savoir que cet utilisateur-là avait déjà enclenché une conversation. Donc ce qu'on va faire, c'est que d'abord, alors un bon réflexe à avoir, c'est faites tourner des fois les modules pour faire passer les informations, et ça va être beaucoup plus facile pour vous par la suite de retrouver les variables et de venir, entre guillemets, mapper. C'est quoi ? C'est juste, bon vous allez le voir, vous allez comprendre vite. On va juste venir lui dire « Coucou » ici pour lancer le premier, première interaction. Donc là, on voit qu'il passe par là directement et qui passe par la mémoire. Et en fait, ce qui va être important de faire ici, c'est de récupérer l'ID de la session. OK. Maintenant, on voit qu'on a bien la session, on a bien une mémoire, on a le modèle, et on va enfin pouvoir commencer à passer aux choses sérieuses.

La première étape qu'on va faire avant de commencer à connecter les différentes compétences, on va venir créer une base de connaissance pour notre agent IA. Le but de la base de connaissance, c'est de lui donner du contexte sur l'agence de Bali et qui va pouvoir se baser dessus sur des documents, par exemple des FAQ, sur comment se comporte, comment est-ce qu'on veut qu'il se comporte, sur les différents prix et services de l'agence de Bali d'activité. Et à partir de là, l'agent va pouvoir se baser sur ces informations-là pour amener toutes les réponses à nos utilisateurs, à nos prospects à chaque fois. Et donc pour faire cela, on va venir lui mettre une base de connaissance qui soit dynamique. Donc on va venir ajouter notre nœud Drive. Hop, on clique ici. Et ce qu'on veut cette fois-ci, c'est que ce soit sous forme de trigger, donc de déclencheur également, parce qu'on veut qu'à chaque fois qu'un document soit ajouté sur un Drive, et bien il soit ajouté directement dans la base de connaissance de notre agent IA. Donc pour ça, on va venir cliquer sur « Trigger » juste ici, et on va mettre « À chaque fois un changement à un fichier spécifique », donc à chaque fois qu'un document est changé ou à chaque fois qu'il y a un changement qui parle d'un dossier en particulier. Et c'est ça qui va nous intéresser, parce que nous, ce qu'on va faire, c'est qu'on va connecter notre agent IA à un dossier qu'on va appeler « N8N », par exemple, « agent commercial N8N », et à chaque fois que dans ce dossier on va ajouter des nouvelles informations, peut-être que les SOP, les procédés de l'agence changent, peut-être qu'il y a des nouveaux services, peut-être qu'il y a des anciens, et on veut que l'agence ou la boîte pour qui on crée l'agent IA puisse directement elle-même ajouter ces informations et que ce soit pris en compte directement par notre agent. Donc j'ai déjà fait la connexion avec Google Drive. C'est relativement simple de faire la connexion. Je vais vous montrer rapidement comment le faire. Et une fois qu'on aura réussi à créer notre connexion, bien on va pouvoir mettre en place la base de connaissance. Donc pour ça, on vient créer aussi ici « New Credential », et ce qui va nous intéresser, c'est de faire exactement le même procédé qu'on a fait pour OpenAI. Donc il va falloir qu'on trouve le Client ID et le Client Secret, qui est un peu l'équivalent de la clé d'accès API. Donc pour ça, ce qu'on va faire, c'est qu'on va aller sur Google Cloud. Donc il faut avoir un compte business pour faire tout ça, ce qui est peut sembler évident. Vous venez dans votre console, dans votre console, je sais pas pourquoi je fais cet accent. Et euh là, vous voyez que vous avez « API et services ». Et là, dans « API et services », quand vous cliquez dessus, et bien vous allez avoir accès à plein d'informations. Donc là, vous voyez déjà sur ce compte test, je vous ai déjà fait les connexions avant, c'est pour ça que je pouvais le faire. Mais vous, dans votre cas de figure, vous aurez probablement pas ces connexions qui seront faites. Donc il faudra venir activer les API et les différents services pour les utiliser sur N8N. Donc vous cliquez ici, et vous verrez que vous avez accès à tout l'écosystème en fait de Google. Et donc là, vous voyez que dans Google Workspace, ce qui va nous intéresser nous pour cette agence, c'est Google Drive, Google Calendar et Jilapi Pay et Google Sheet. Et en fait, tout ça va, tous ces différents outils vont nous permettre par la suite, au fur et à mesure, de communiquer avec ces plateformes pour donner la possibilité à notre agent de lui faire des actions ou de récupérer des informations sur ces plateformes. Donc pour commencer, on va venir sur Google Drive API, et tout ce que vous aurez à faire, c'est de venir l'activer. Donc moi, je l'ai déjà créé, donc je peux le gérer, mais vous vous aurez un petit bouton qui sera écrit « Activer ». Donc cliquez sur ce bouton, vous...

Aurez rien d'autre à faire.

Et une fois que vous l'aurez activé, ce que vous devrez faire, c'est de venir dans identifiant et sous-identifiant, créer des nouveaux identifiants. Vous voyez que moi j'en ai déjà ici, mais vous, vous allez venir créer des nouveaux identifiants. Vous allez mettre ID client O. Donc c'est exactement le même moyen de connexion ici. Donc on revient sur notre plateforme Google Cloud qui a dû se perdre quelque part, juste ici. Super. Là, on va venir créer ici. Et vous allez mettre application web. Vous pouvez mettre le nom NN agent. Super. Et là, vous allez mettre l'URL de votre serveur Hostinger. Donc normalement, c'est le lien qui s'affiche juste ici. On revient, on met le lien. Et là, normalement, vous avez fait toutes les bonnes informations. Une fois que vous allez créer, vous allez avoir l'ID du client qui s'affiche juste ici, que vous allez pouvoir copier-coller et le code secret du client. Donc, on prend le premier ID, on revient, on le colle ici, on prend le deuxième code secret du client, juste ici et on revient le coller. Très important, très important : garder ces informations dans une note juste à côté ou quelque part parce que vous allez en avoir besoin pour les autres modules qu'on va mettre en place et ça peut être assez ennuyant de refaire la procédure. Donc gardez bien ces informations de côté, écrivez-les sur une petite note, ce sera plus simple de faire les connexions juste après.

Une fois que vous avez fait ça, vous avez le bouton Sign in with Google qui va s'afficher. Donc là, il m'a ouvert une autre fenêtre que vous ne voyez normalement pas. Et là, ça va être juste la connexion classique avec Google. Il vous suffit juste d'accepter ce que je suis en train de faire, autoriser les actions. Et là, normalement, vous voyez que la connexion a bien été faite. Et donc là, maintenant, j'ai bien accès à mon Google Drive. Et maintenant que j'ai accès à mon Google Drive, que j'ai connecté à mon N, je vais pouvoir récupérer directement les différents foldeurs et dossiers que j'ai créé dans mon Drive à moi. Donc, je vous invite à créer le dossier juste avant. Je vais pas le faire avec vous, c'est quelque chose que vous pouvez faire simplement : créer juste un dossier dans votre Google Drive. Mettez formation agent IA ou agent I commercial et ensuite vous allez mettre les documents dedans. Moi j'ai déjà préparé ça et je vais vous montrer le document que j'ai fait générer par Claude.

Donc globalement, vous, à cette étape, ce que je vous conseille de faire et ce que vous devez faire, c'est que bon, c'est ce qu'on explique dans l'académie, mais globalement, si vous faites un onboarding correct avec votre client, le but c'est que lors de cet onboarding, vous récupériez toutes les informations sur l'entreprise. Par exemple, là, je l'ai généré, mais vous auriez fait lors de l'onboarding. Vous auriez posé des questions et vous auriez demandé à l'entreprise de vous fournir ces informations là. Donc là, on peut voir quelles sont les activités aquatiques, le prix de chaque activité, combien dure chaque activité, quels sont les horaires, euh les différentes conditions, savoir nager 50 m et cetera et cetera. Donc là, on voit qu'on a plusieurs cours différents, on voit qu'il y a plusieurs activités différentes, on voit qu'il y a les activités aquatiques, les activités terrestres, bref, plein de choses ultra intéressantes et tout ça c'est des informations qu'on veut mettre dans notre agent pour qu'il soit capable de s'y référer et qu'il soit omniscient entre guillemets avec ces différentes infos et qu'il dise pas n'importe quoi. Et donc là, je vous invite à bien faire cette étape. Vous voyez que là, j'ai mis 13 pages pour montrer qu'on peut aller assez loin. Donc n'essayez pas de de mettre trop peu d'informations parce qu'il risque d'halluciner par la suite ou pas donner les bonnes informations. Mettez les informations pratiques, les numéros de téléphone, comment est-ce qu'il doit fonctionner. Par exemple, là, je lui ai mis conseil client avant de vérifier. Bref, plein d'informations super, le numéro de téléphone, les contacts de réservation, plus il y a d'informations, plus votre agent il pourra répondre à plein de questions.

Une fois que vous avez créé ce document, récupéré ce document, venez le mettre dans votre dossier agent IA. Donc là, je l'ai déjà fait, je l'ai déjà mis dans mon dossier agent IA. Et du coup, étant donné que maintenant mon agent ou en tout cas NN est connecté à mon drive, et bien je vais pouvoir directement venir récupérer le dossier ici. Et en tout cas, il va me charger tous les documents. Donc là, on voit normalement qu'il y a plein de drives et de dossiers qui se sont ouverts, mais nous on va venir chercher celui qui nous intéresse : Formation agent IA. Et normalement, vous voyez là qu'il y a déjà le dossier qui est créé. Donc je pourrais y accéder. Donc si je clique sur ce petit bouton, il va me rediriger sur le dossier que j'ai créé : Formation agent IA. Et ici, il y a la base de connaissance. Et à partir de maintenant, à chaque fois que vous mettrez un document ici, il sera ajouté automatiquement à votre base de connaissance. Donc nous, on va venir bien sélectionner juste ici. On va venir select. On va faire à chaque fois là, vous voyez que vous avez plusieurs options. Donc à chaque fois qu'un nouveau document est créé, on veut que ça déclenche le trigger et nous c'est ce qui va nous intéresser. Et donc ça ça va être notre déclencheur et à partir de maintenant à chaque fois il va venir se déclencher.

Et du coup ce qui va nous intéresser juste après, c'est de venir sur drive encore une fois. Et on veut que notre trigger se déclenche parce qu'il a vu qu'on a ajouté un document et que quand on ajoute un document, il vienne upload, il vienne télécharger directement dans base de connaissance le document en question. Donc on va venir mettre download file, c'est le téléchargement du document et on va venir sélectionner le même dossier. Donc nous ce qu'on veut c'est télécharger le document dans notre base de connaissance et donc on va juste venir l'ouvrir pour le configurer. Vous voyez que la connexion si vous l'avez faite une fois, elle est faite tout de suite pour la suite. Donc vous avez pas besoin de le refaire. Et ce qui va nous intéresser, ça va être de faire pas par liste, mais par ID cette fois-ci. Pourquoi ? Parce qu'on veut récupérer l'ID de ce qui a été fait avant. Et pour ça, on va venir run celui-ci histoire que la l'information passe. C'est ce que je vous expliquais tout à l'heure par le fait de toujours faire tourner potentiellement vos modules pour mapper l'information. Et là, normalement, l'input devrait être arrivé à notre module de téléchargement. Et ce qui va nous intéresser, ça va être de retrouver l'ID parce que ce qu'on veut, c'est que en fait si j'avais sélectionné directement le document en question et que je l'avais glissé ici, que j'avais mis l'ID en fait l'ID qui va être mis si vous voulez, c'est l'ID qu'on peut retrouver juste ici dans le Google Drive. Mais le souci c'est que si je viens copier coller directement l'ID de ce document là ici de manière manuelle et bien il va se baser uniquement à chaque fois que l'agent il va se déclencher. Il va pas venir télécharger les nouveaux documents. Et nous on veut que ce soit une variable qui soit dynamique, c'est-à-dire qu'à chaque fois qu'un nouveau document soit téléchargé, déclenché par le trigger, il soit ajouté. Et du coup pour ça, ce qu'on va essayer de trouver c'est l'ID. Et voilà. Là en diffilant un peu, on voit qu'on retrouve le nom du nouveau document. Donc il a bien été trouvé. Donc juste ici le nouveau document base de connaissance activité bali. Et nous ce qui va nous intéresser c'est l'ID donc qui est juste au-dessus et on va venir la glisser simplement ici. Donc c'est en format JSON. Et en gros ça grâce à cette fonctionnalité ou en tout cas à cette variable qui est dynamique et bien à chaque fois qu'on va télécharger que le trigger va voir qu'il y a un nouveau document et bien il va venir le télécharger directement. Donc là on va pouvoir tester et normalement il devrait être capable de le télécharger et là il l'a fait en fichier binaire. Donc on va pas rentrer dans le détail de ce que c'est mais en gros là on a la possibilité maintenant de download et on va retrouver exactement le même document. Donc normalement ça devrait pas s'afficher à votre écran. Mais effectivement, je vois que j'ai bien pu télécharger le PDF. Super.

Et maintenant, la prochaine étape, ça va être de l'ajouter justement dans notre base de connaissance. Et donc pour cela, on va utiliser les vecteurs. Donc faut comprendre que pour l'intelligence artificielle, pour le langage génératif, pour qu'un LM puisse lire des informations, il le lit pas vraiment comme un humain. Donc c'est pour ça qu'on va utiliser tout un procédé. Je rentrerai pas forcément dans le détail de comment il fonctionne parce que c'est assez technique. Mais tout ce que vous avez besoin de savoir c'est que nous on va utiliser une base de données vectorielle donc que vous avez peut-être déjà entendu et vous voyez ici qu'on va utiliser l'option retrieve document for I agent as a tool. Donc nous ce qu'on veut c'est lui donner comme compétence à notre agent IA de venir voir dans cette base de connaissance. Donc on va venir le copier ici. Donc ici on va venir le lier simplement. On va venir lui mettre un modèle d'embedding. Donc on va réutiliser celui d'OpenAI. Je vous recommande vivement d'utiliser celui par défaut qui est très très bien. Et hop, normalement la connexion nous on l'a déjà fait avec OpenAI avant donc c'est beaucoup plus rapide. Une fois que vous avez fait ça, on va venir configurer notre petite base de données. Ici c'est très important de venir expliquer quel mode on veut. Et nous ce qu'on veut qu'il fasse c'est qu'il viennent insérer les documents qu'on a téléchargé dans le drive juste avant grâce au nœud précédent dans notre base de données. Donc on va venir mettre insert document. Ici on va mettre un nom de code Bali activité DB. Donc c'est la base de connaissance. Je l'ai mis en anglais et en fait ça c'est quelque chose qu'on va réutiliser après pour expliquer à notre agent qui doit se baser sur cette base de connaissance. Vous pouvez laisser 400 ici et on va pouvoir valider comme ça. Donc venez toujours sauvegarder. Super. Et là vous pouvez toujours venir faire des tests comme on en a discuté juste avant. Donc là ça va venir l'ajouter, ça va le télécharger et maintenant on va pouvoir le télécharger directement dans notre base de connaissance. Pour que notre base de connaissance, elle puisse venir justement l'ajouter et télécharger ce document là, on va devoir ajouter un nouveau nœud qui est celui-ci. On va le connecter ensemble et ensuite à ce nœud, on va mettre un token splitter. Pour faire très très simple, en gros le langage génératif quand on lui met des documents pour pas dépasser sa fenêtre de contexte, elle va venir séparer le texte classique que vous pouvez retrouver ici et elle va venir faire des chunks, ce qu'on appelle des chunks. Mais encore une fois, on va pas forcément plonger dans ce détail là, mais c'est ce qui rend lisible, si vous voulez, la donnée, la data pour notre modèle génératif. Ici dans le chunk, je pense qu'on peut mettre 40 ici. Et en terme de chunk size, on peut mettre 400 juste ici. Et vous allez le voir juste après quand on va le faire fonctionner, ce que ça fait en gros. Hop, on va venir configurer tel quel dans notre défaut data loader. Nous ce qu'on veut c'est que ce soit pas du JSON justement. Donc JSON, vous avez vu avant c'est la variable, c'est différentes variables ici qui est le la structure, le formatage de l'information pour notre agent IA. Mais nous ce qu'on va vouloir faire, ça va être en binary parce qu'on a bien vu que justement notre Google Drive nous envoie le document en binary. Donc on va lui mettre en binary qui va être beaucoup plus intéressant et ensuite on va pouvoir gentiment lancer notre base de connaissance. Et une fois que vous avez mis Binary, on va lui dire de télécharger tous les documents qui ont été inputs.

Une fois que vous avez configuré tous ces éléments là, donc je récapitule rapidement : Donc on a un déclencheur. Donc à chaque fois qu'on va ajouter un document dans notre drive, ça va venir déclencher ce nœud là. Quand on va déclencher ce nœud-là, et bien on va venir télécharger le document de drive dans N8N grâce à ce module. Une fois qu'on l'a téléchargé dans N8N, on va venir le mettre dans notre base de connaissance vectorielle grâce aux différents éléments qu'on a configuré juste en bas pour le rendre, si vous voulez intelligible pour notre agent IA. Et ensuite, on va connecter notre agent IA à cette fameuse base de connaissance. C'est là ce qu'on a réussi à faire, c'est une base de connaissance qui soit dynamique. Donc il y a pas besoin à chaque fois manuellement de venir mettre des documents ou de venir mettre tout un super gros prompt avec tous les documents parce que ce serait beaucoup trop compliqué de venir copier-coller tout ce texte là et de l'ajouter à notre agent hier. Ça fonctionnerait pas très bien. Alors qu'avec une base de connaissance dynamique vectorielle comme celle qu'on vient de faire, ça va être beaucoup plus intéressant. Une fois que vous avez mis en place, venez simplement tester le workflow. Donc là, on est en train de rajouter le document et on voit que le document est en train d'être processisé par notre base de connaissance. Et normalement maintenant notre document a été ajouté à la base de connaissance. Et pour ça, on va venir vérifier simplement ici l'input et l'output. Donc, on voit qu'il a bien réussi le document binary et que normalement il a accès à notre base de connaissance juste ici, je vais juste vous montrer l'output. C'est ce que je vous expliquais juste avant. Et en fait, ce qu'il a fait, c'est qu'il a pris tout le texte qui a été mis dans notre document PDF sur drive et il est venu faire des chunks. Donc un chunk, c'est littéralement des petits bouts et en fait, ça rend beaucoup plus lisible la donnée pour notre IA générative. Et normalement, à partir de maintenant, toutes les informations de l'agence sont dans notre base vectorielle.

La prochaine étape, ça va être de consister de venir connecter notre agent IA à cette fameuse base vectoriel. Et pour ça, rien de plus simple. On vient dans les compétences, on met vectoriel. Donc, normalement, ça devrait nous mettre simple vector store qui est cette fameuse base de connaissance. Et en fait, on va revenir juste ici reprendre le nom de code et ça va lui permettre d'identifier de quelle base de connaissance on est en train de parler. Et donc, on va venir copier ici et on va lui mettre le justement la clé. Une fois que vous avez connecté les deux bases de connaissance, ce qu'il va falloir faire, c'est de donner un nom à cet outil. Et en fait, la base de connaissance est considérée un peu comme un outil pour notre agent. Et ce qu'on va voir juste après, c'est que pour chaque outil qu'on va donner à notre agent, il faut toujours lui mettre une description de à quoi sert cet outil pour que quand il va avoir besoin de faire des tâches comme on l'a vu avant, étant donné qu'il est capable de raisonner, il comprenne. OK, là, on me demande d'envoyer un email, visiblement, on m'a mis une description que le module Gmail peut le faire et bien je vais utiliser ce N8N là. Et pour ça, c'est important de mettre donc cette fameuse description. Et ce qu'on va lui dire juste ici, c'est appelle cet outil à chaque question. On a envie qu'à chaque fois qu'on va lui poser une question, et bien l'agent IA se base sur la base de connaissance pour répondre. On va en sortir, on va venir sauvegarder et normalement si on vient déclencher maintenant notre agent, il va se baser sur cette base de connaissance. Donc on va venir open, hop, on va venir open chat, on va refresh. Très important : sauvegarder toujours et tester les différentes steps. C'est pour ça que je l'ai fait avec vous. C'est pour ça que je prends le temps de créer chaque nœud pour vous montrer que c'est important de tester à chaque fois qu'on ajoute une un nouveau nœud, une nouvelle compétence pour s'assurer que tout fonctionne plutôt que vouloir tout faire d'un coup. Et là en général, ça se passe moins bien. Donc on va lui dire salut et on va voir ce qu'il va faire. Alors là, pourquoi est-ce qu'il y a une erreur ? On va venir corriger l'erreur. Donc comme quoi il peut toujours y avoir des erreurs. Simple node Ah oui, j'ai oublié de lui connecter l'embedding. Donc là, on va remettre la connexion embedding et on a déjà fait la connexion avec chat GPT et normalement cette fois-ci, ça devrait fonctionner correctement. Donc on va venir refresh une dernière fois, on va lui dire salut et là normalement on va voir qui me répond. Donc là jusqu'à présent, il a eu simplement besoin de son LL pour me répondre et il a eu besoin bon là il a juste déclenché la mémoire pour avoir le contexte. Et là je vais simplement lui dire je voudrais savoir quelles sont les activités que vous proposez. Et là on va voir s'il va se Oh, j'ai oublié de lui mettre un petit point d'interrogation. Pas de souci, il a compris. Là on voit qu'il a déclenché notre base vectorielle. Donc normalement, il va venir me lister toutes les informations et on voit bien qu'il a réussi à prendre les informations de notre base de connaissance. Donc là maintenant, on a un agent IA qui est capable de se baser sur toutes ces informations là. Donc on voit bien qu'il me propose du surf à 35 € et si je reviens voir la conversation, il m'a listé toutes les activités qu'il propose, donc 35 € par personne, les durées et cetera. Il m'en a mis plein. OK, là je vais lui dire là, il me dit "Si l'une de ces activités vous intéresse, n'hésitez pas à me le dire. Je peux également vérifier la disponibilité et vous aider à réserver." Donc là, il peut pas vraiment le faire parce qu'il a pas encore les outils. Par contre, je lui ai dit dans les instructions de faire cela. Donc il se projette déjà. Super.

Maintenant, on a notre agent IA qui est alors on va juste sortir ici. On va dézoomer un coup. Donc on a notre base de connaissance dynamique qui est créée juste ici. On va la baisser. Et en fait, à chaque fois que je vais venir ajouter un document, elle va être automatiquement déclenchée par ce trigger et ajouté à notre base de connaissance. Super. Maintenant que notre agent IA a les ingrédients les plus importants, c'est-à-dire son cerveau, donc le LLM, une mémoire pour se rappeler de toutes les interactions et une base de connaissance, on va enfin pouvoir passer aux compétences. Concrètement pour les compétences, vous allez voir que c'est assez simple. C'est toujours cette même en fait maintenant, je pense que vous commencez à vous rendre compte de toutes les possibilités qui s'offrent à nous. Une fois que vous avez compris ce que c'était une API et que en soit il y a rien de technique et que vous comprenez qu'un agent pour peu que vous utilisez une plateforme comme N8N, vous pouvez lui demander de tout faire et bien vous allez avoir vraiment un champ des possibles énormes. Donc là pour ajouter un outil, on vient cliquer ici et on voit qu'il y a déjà plein d'outils qui sont préconfigurés. Mais juste pour vous faire un petit exemple, moi ce que je vais faire c'est que en fait j'ai envie de connecter un module de météo pour que notre agent IA recommande des activités à Bali selon la météo qu'il fait actuellement. Et ça en fait ça va éviter à notre agent ou potentiellement ça va juste amener un effet un peu waouh à notre agent. Et donc vous avez plusieurs manières de faire. Soit vous utilisez un module de météo directement, soit ce que moi je vous conseille de faire parce que le module de météo il est bien mais sachez juste qu'il faut attendre plusieurs heures qui s'activent en fait. Donc vous devez toujours créer les comptes sur les autres plateformes. Mais nous ce qu'on va faire c'est qu'on va utiliser Google Search simplement et ce sera beaucoup plus simple. Donc Google Search qui est la navigation web. Et en gros, ça va nous permettre d'une pierre de coup de non seulement récupérer la météo, mais de donner la possibilité à notre agent de faire des recherches en ligne. Donc là, on va utiliser ce nœud là. J'ai déjà fait la connexion, je vous inviterai à le faire. En général, quand vous faites les connexions, c'est relativement simple, hein. Vous avez juste besoin d'aller créer un compte sur la clé API. Vous pouvez regarder la documentation de N8N qui vous explique comment le faire. Et c'est relativement simple, hein. Vous allez sur euh le lien donc SerpAPI documentation, vous allez sur le lien là-bas, vous créez un compte, vous récupérez votre clé d'App comme on l'a fait sur OpenAI et ensuite vous avez la possibilité de le faire. Donc moi, j'ai déjà fait la connexion, je vais venir sauvegarder ici et comme d'habitude, on va venir tester. Donc là, normalement la connexion devrait se faire et on va venir faire un petit test : quelle météo il fait à Bali. Et là, normalement, on va voir qu'il va venir utiliser le l'outil parce qu'il

Sait qu'il doit utiliser cet outil-là pour me donner la météo. Actuellement à Bali, il fait 81 F, donc environ 25° avec un temps nuageux. Bref, c'est super.

Quelle activité tu me conseilles selon la météo des prochains jours ? Et là, en fait, vous commencez à comprendre le fait qu'on est en train de mélanger toutes ces compétences, tous ces ingrédients, qu'en fait notre agent commence à être capable de faire plein de choses. Étant donné qu'il est capable de faire des recherches en ligne, il est capable d'aller voir la météo et sur la base des connaissances et des activités auxquelles il a accès, il va me recommander. Par exemple, il va me dire "Activité aquatique, pasa et bien-être super, on est très content."

Maintenant qu'on a tout ça dans notre agent, ce qu'on veut, c'est que l'on puisse récupérer les informations pour passer à la réservation. Si je veux réserver, on veut que notre agent récupère les informations de contact de l'utilisateur et ça, ça va être ultra intéressant. Alors déjà, de 1, parce que si on va faire une réservation, vaut mieux avoir le nom, prénom, email et numéros de téléphone pour faire toutes les confirmations par la suite. Mais surtout parce que, à partir du moment où on récupère ces informations, même si l'utilisateur ou le prospect ne convertit pas et n'achète pas le service de l'entreprise, et bien on a récupéré ces informations qui font qu'on peut le relancer par la suite. Donc si, par exemple, pour x ou y raison, il est distrait et il ne va pas au bout de la réservation, et bien on va pouvoir lui renvoyer un message par WhatsApp, par la suite ou par n'importe quelle autre plateforme, par mail pour lui dire "Ah salut Yas, tu nous avais contacté. Voilà, est-ce que tu serais, tu es toujours intéressé ? Est-ce qu'on peut te proposer autre chose ?" Et ça, c'est ultra puissant pour les entreprises. Voyez la différence avec une entreprise qui n'avait rien à la base. Et maintenant, avec un agent, on récupère des informations pour faire des relances directement.

Et donc, pour ça, ce qu'on va faire, c'est qu'on va venir créer une petite base de données pour récupérer ces infos. Et le plus simple quand vous commencez, alors quand vous serez un peu plus avancé, je vous conseillerai de passer par des plateformes comme Airtable et autres, mais au début un Google Sheet fait largement l'affaire. Donc j'ai déjà créé une, alors BDD c'est base de données, agent IABI. Donc créez simplement un Google Sheet dans votre Google Drive. Mettez le nom des colonnes. Donc nous, ce qu'on va vouloir récupérer, c'est le nom de l'utilisateur, l'email, le numéro de téléphone, l'activité qu'il souhaite faire et la date à laquelle il veut la faire. Et ça déjà, de un, comme je vous l'ai dit, c'est intéressant ne serait-ce que pour l'agent d'avoir ces informations-là, mais pour l'équipe, pour l'entreprise, ça leur fait un endroit où ils peuvent utiliser tout ça.

Maintenant, si vous créez ça pour une entreprise et qu'ils ont déjà leur propre outil, et bien vous avez vu sur N8N, vous pouvez faire à peu près n'importe quoi. Et il y a déjà beaucoup d'outils qui sont là. Donc, il vous suffira de trouver l'outil et l'écosystème dans lequel l'entreprise travaille et venir connecter l'outil en question. Si vous voulez passer par Excel, et bien vous passez par Microsoft Excel. Et nous, pour l'exemple, ça va être Google Sheet. Et du coup, ce qu'on va faire, c'est qu'on va venir créer un nouvel outil. On va mettre Google Sheet ici. On va cliquer sur Google Sheet. Vous voyez que nous, on a déjà fait la connexion, donc on va juste la réutiliser. Pour ceux qui ne l'ont pas fait, bah du coup, comme je vous l'ai expliqué avant, il vous suffit simplement de mettre "create new credential", d'aller dans votre Google Cloud, revenir un peu en arrière et faire une nouvelle connexion. Mais normalement, il vous suffit juste de venir dans les services et d'activer euh les différents services. Donc comme on va revenir juste en arrière, API et services, vous revenez sur API et services, vous ajoutez une nouvelle API et là, ce qui vous fait à chaque fois et ça je ne vais pas le remontrer plusieurs fois à chaque fois, mais là ce que vous devez faire dans votre cas de figure, c'est de venir activer Google Sheet API. La connexion se fera naturellement, mais vous devez d'abord vous assurer de connecter Google Sheet API. Donc moi je l'ai déjà fait donc j'ai le bouton "gérer", mais comme on l'a vu tout à l'heure, tout ce que vous avez à faire, c'est d'activer et de reprendre les mêmes identifiants pour faire la connexion. Moi je l'ai déjà fait pour gagner un peu de temps.

Et ici, ce qu'on va vouloir faire, c'est de connecter notre agent IA à la base de données qu'on a créée juste ici sur Google Sheet. Pour ça, ce qu'on va faire, c'est qu'on va venir voir dans "liste" et on l'a appelé BDD agent IA. Donc on va venir, ah bah elle s'affiche directement ici. Hop. Et dans la liste, on va lui dire "feuille 1". Donc la feuille 1 qui est littéralement, si on regarde en bas à gauche, cette feuille-là. Une fois que vous avez fait ça, tout ce qu'on a besoin de faire, c'est de lui expliquer exactement ce qu'on attend de lui. Et nous, ce qu'on attend de lui ici, c'est "append row". Donc ce qu'on veut, c'est qu'il crée une nouvelle ligne dans le Google Sheet à chaque fois que des informations vont arriver. Donc on va "append row" et ensuite on va lui ajouter plusieurs propriétés. Magnifique. La connexion entre NN et Google Sheet, c'est bien fait. Et en fait, ce que vous voyez ici, les différentes variables que vous voyez ici, c'est celles qu'on a préconfigurées ici. Si, par exemple, j'ajoute "test" juste là, ou là peut-être pas là, on va copier, on va enlever, on va mettre juste là. Et euh ce que vous allez voir, c'est que le "test" ne s'ajoute pas ici parce que vous voyez effectivement qu'il n'est pas mis à jour. Donc si vous décidez de changer d'avis, si vous renommez les colonnes, important de faire toujours attention à venir rafraîchir les informations et là vous allez voir qu'il va m'ajouter la variable "test". Donc nous, on va l'enlever parce que ça ne nous intéresse pas.

Une fois que vous avez fait ça, l'idée va être de venir justement récupérer toutes les informations que l'agent va récupérer et de venir les classifier. Ici, vous avez plusieurs manières de faire, mais pour commencer, ce que moi je vous conseille de faire, c'est d'utiliser les modèles d'intelligence artificielle. Et pour ça, ce qu'on va faire, c'est ici laisser le modèle définir le paramètre. Donc, on va venir cliquer à chaque fois pour chacun. Et en fait, ce qui va se passer, c'est que le modèle, dans la réponse de l'utilisateur de chat, il va définir quelle est la variable, quelle est la réponse adaptée à chacune d'entre elles. Une fois que vous avez fait ça, on va venir encore une fois sauvegarder et on va faire un petit test. Et là, normalement, ce qui va se passer, c'est que l'agent IA va me demander mes informations et il va les ajouter directement à notre base de données. Donc, on va rafraîchir notre conversation. On va lui dire "salut". Alors, quelle activité à Bali vous intéresse ? On va dire "surf débutant". Là, normalement, il va me dire "OK, c'est good." On voit que c'est en train de déclencher notre agent et qu'il est en train de voir sa base de connaissance. Il me donne les différentes informations. Je suis très content. 35 € par personne, c'est super. Est-ce que je souhaite réserver ? Effectivement, oui, je souhaite réserver. Il me dit : si oui, fournir le nom, l'email, le numéro de téléphone, tout ça, il le fait parce qu'on lui a précisé dans le prompt système qu'il devait le faire. Donc très important. Et il me demande aussi si j'ai une date pour cette réservation. Je ne sais pas si vous commencez à vous rendre compte. Là, en une seule interaction, j'ai toutes les infos que je veux et je vais pouvoir passer à la réservation. Donc je vais lui dire hop juste ici. Oui, je souhaite réserver. Hop hop hop réserver. Et je m'appelle Yas. Et vous allez voir que, vu qu'on a mis un modèle d'intelligence artificielle, je n'ai même pas besoin de tout préciser. Je vais lui donner mon email. Hopchatfi.co. Ensuite, il m'a demandé quoi ? L'email, le numéro de téléphone. Donc ça, vous vous doutez que je ne veux pas mettre mon vrai numéro. Et finalement la date. Et pour la date, j'aimerais, on est le combien ? J'aimerais, on est le 24. Ben on va lui dire demain 25 juin 2025 à 15h, à 14h. Bon bah allez, allons-y comme ça. Hop là, je lui donne l'information et normalement il va venir l'ajouter à mon Google Sheet et ça c'est super. Donc là, ça a bien fonctionné. Si je viens dans mon Google Sheet, je vois que toutes les informations ont été ajoutées. Donc on voit bien qu'il y a le nom, l'email, le numéro de téléphone, l'activité souhaitée et la date activée. Super.

OK, maintenant notre base de données avec les informations fonctionne. On va vouloir aller un peu plus loin et on va vouloir maintenant réserver directement la date, le créneau dans notre agenda. Donc là, pour la démo d'aujourd'hui, je vais me contenter de vous montrer comment réserver le créneau. Mais en soi, c'est exactement le même procédé pour vérifier s'il y a une disponibilité. Mais pour aller un peu plus vite et pas que la vidéo dure 6h entière, on va venir utiliser notre outil Google Calendar. Donc maintenant, vous commencez à comprendre comment ça marche. On a déjà la connexion qui est faite. Dans votre cas de figure, à vous, allez faire l'activation sur euh Google Cloud. Une fois que vous avez fait ça, vous voyez ici qu'il y a déjà qui est, il y a tout qui est fait. Donc nous, ne mettez pas "automatically". Donc "to description", c'est comment doit se comporter l'agent IA, comment il doit utiliser cet outil. Je crois que j'ai oublié de le faire avant. Ce que vous voulez le faire, c'est le faire manuellement à chaque fois pour expliquer exactement à votre agent comment l'utiliser. Donc hop là, j'ai remis "automatically" manuel et là, j'en avais déjà préparé un et je lui explique ce qu'il doit faire. Et en fait là, je lui dis "utilise cet outil". Hop là, j'ai, c'est le mauvais. Donc on va revenir juste ici pour maximiser les chances qu'il se comporte bien. Alors effectivement, soit vous pouvez le faire automatiquement, soit manuellement, mais moi je vous conseille vivement à chaque fois de décrire à votre agent comment fonctionne l'outil. Donc là, je lui dis "utilise cet outil pour sauvegarder les informations client, paramètres recrit, nom euh email, numéros de téléphone, activité, bla bla bla bla bla." Là, vous voyez que je suis allé dans le détail, mais en soi, il a réussi à le faire très très bien sans euh avoir fait cette description. C'est juste que, selon la complexité et la taille de votre agent et les compétences que vous lui donnez, plus vous mettez des descriptions, mieux c'est. D'ailleurs, vous pouvez même ajouter des descriptions ici à chaque variable. Et là, vous pourriez dire, par exemple, ici, il faut ajouter le nom, ici, il faut ajouter l'email. Vous pouvez faire tout ça ou vous pouvez laisser le modèle d'intelligence artificielle le définir euh selon la nature de la phrase ou de la donnée. Moi, je vous conseille quand vous voulez mettre en production ce genre de système de toujours faire bien les choses et donc de mettre une description. Donc là, on a mis notre description juste ici. On va finir la configuration de notre Google Agenda. Et du coup, pour notre Google Agenda, ce qu'on va faire, c'est qu'on va prendre la description juste ici que j'avais déjà préparée. Dans tous les cas, toutes ces informations-là, vous pourrez les récupérer. Je vous conseille de faire au fur et à mesure avec moi dans la vidéo, mais vous pourrez les récupérer dans le guide complet, dans la communauté gratuite et vous pourrez récupérer le template directement avec tous les prompts qui seront déjà mis dedans. Donc là, ce qu'on va lui dire, c'est "utilise cet outil pour ajouter la réservation du client dans l'agenda". Et donc là, vous allez pouvoir venir connecter votre agenda et normalement, vous allez avoir tous les agendas qui vont s'afficher. Donc là, vous voyez qu'il y a mon agenda à moi et il y a l'agenda de l'agence de Bali que je viens de créer. Donc pour ça, rien de plus simple. Vous allez sur votre Google agenda et normalement vous pourriez la voir. Donc là, on est sur mon Google agenda. J'ai créé un agenda exprès pour ce, celui de l'agence de Bali, donc pour notre démo. Et vous allez voir que maintenant il est connecté normalement à ça. On va venir connecter notre agenda et il devrait pouvoir, on va juste enlever ces variables-là et on va faire exactement comme avant pour vous faciliter la tâche et on va lui dire de générer exactement. En fait, là l'idée c'est que le modèle d'IA définit de par la phrase, par exemple, et là il va venir comprendre que dans "J'aimerais le 25 juin à 14h", la date de début et enfin l'heure de début et la date, ça va être ces informations-là. Une fois que vous avez fait ça, on va pouvoir lui ajouter quelques informations en plus. Par exemple, le fait qu'on veut, bon alors non, en fait je vais juste vous montrer ce que ça donne si on le lance comme ça. Comme ça, vous avez toute l'information. Donc on va venir lui réécrire la même phrase. Salut. Hop. À chaque fois, on commence à connaître la chanson. Surf débutant. Et là, vous allez voir que cette fois-ci, non seulement il va venir mettre le Google Sheet, mais il va venir l'ajouter dans l'agenda. Hop, je remets la même phrase, on relance et normalement, il va venir ajouter l'information, une ligne en plus, mais également dans l'agenda. Donc, si on vient checker notre base de données, on voit qu'il vient d'ajouter en direct les différentes informations. C'est les mêmes parce que j'ai copié-collé. Et dans notre agenda, normalement, on devrait voir apparaître l'événement qui va se créer demain. Magnifique. Et là, on voit qu'il y a l'événement qui s'est créé. Donc, l'événement s'est créé. Par contre, on ne voit pas de titre, on ne voit pas de description, on ne voit rien du tout. Pourquoi ? Exactement pour la raison pour laquelle je voulais vous montrer juste avant et j'ai coupé pour que vous compreniez.

Une fois que vous avez fait tout ça, vous êtes bien connecté à votre agenda, maintenant vous voulez qu'il y ait des informations en plus et là vous voyez qu'il y a toutes les informations que vous voulez ajouter directement dans votre agenda. Et typiquement, si vous le faites pour une boîte ou pour vous, et bien ce que vous voulez, c'est qu'il y ait une description qui soit faite. Donc quel est déjà l'événement qui vient de se créer ? Et bien là, vous pouvez décider de mettre une variable ou faire comme d'habitude utiliser le modèle qui va définir de par les échanges sur le chat quelles sont les informations et je vous recommande de mettre également ici hop "summary" et tout ça, ça va vous permettre en fait de mettre un nom, donc un nom de titre. Donc "summary", c'est le résumé de, c'est c'est l'information de de l'événement. La description, vous verrez ce que c'est. Et ce qu'on veut, c'est aussi récupérer l'email de l'utilisateur pour lui envoyer une invitation sur son propre calendrier. Donc là, on est en train de créer une invitation, une réservation sur le calendrier de l'entreprise, donc l'agence d'activité de Bali, mais également on veut lui envoyer une notification par mail et on le fera en plus, enfin une invitation de Google Agenda pour qu'il ait aussi l'événement et qu'on s'assure qu'il vienne bien. Et pour cela, ce qu'on va faire, c'est qu'on va trouver juste quelque part l'agent. Hop hop hop, il est où l'email ? Attends dit. Super. Juste là, ça veut dire c'est les gens qui vont se présenter. On clique dessus et on va lui dire aussi de générer automatiquement. Donc en gros là, avec tout ce qu'on vient de faire, il va comprendre les informations nécessaires à ajouter dans l'agenda. On ressort, on fait sauvegarder, on vient supprimer ici pour pas que ça rentre en confusion. Et ce qui va se passer, c'est qu'on va lui demander exactement la même chose. On rafraîchit. Désolé pour le fait qu'on recommence à chaque fois, mais au moins vous comprenez quel est le procédé et quelle est la réflexion qu'il faut avoir à chaque fois. On va lui dire "surf débutant". Et au moins, vous voyez comment fonctionne chacun des nœuds. Et là, on va lui mettre déjà toutes les réponses préconfigurées. Hop. Et cette fois-ci, vous allez voir qu'il va refaire la même, le même procédé qu'avant, sauf qu'il va réussir à créer l'événement avec les bonnes informations. Donc là, on voit "réservation cours de surf". Magnifique. Donc là, vous voyez qu'en fait, il a déduit de parts qu'on avait, notamment le fait que grâce à la mémoire, il a vu que je lui avais demandé un cours de surf. Il est venu réserver le créneau, il m'a fait une invitation. Donc c'est bien mon email yd@chatflowai. Donc normalement, je vais recevoir sur mon email. Et il a mis une description : "Cours de surf débutant à Chengu Peach". Magnifique. Donc maintenant, on a un agent IA qui est capable de répondre aux questions des utilisateurs, qui est capable d'ajouter leurs informations dans une base de données, qui est capable d'ajouter l'événement dans un agenda. D'ailleurs, vous pouvez utiliser l'agenda que vous voulez, mais c'est juste que Google Calendar, c'est quand même le plus simple.

Maintenant, si vous voulez venir varier un peu la manière dont c'est écrit, si vous voulez vous assurer que ça suit un formatage précis, et bien tout ce que vous avez à faire, c'est de venir ajouter une description pour lui dire comment est-ce que vous voulez qu'il se comporte à cette étape précise.

Maintenant qu'on a réussi à faire tout ça, ce qu'on veut faire, c'est lui demander d'envoyer un email de confirmation. Donc ça va permettre à notre agent de s'assurer que notre utilisateur, donc moi qui parle ici, puisse bien avoir l'email de confirmation. Pour ça, on va faire, donc on a déjà la connexion. Comme d'habitude, vous devez faire pareil qu'avant. On va venir lui décrire exactement comment il doit se comporter de manière manuelle. Donc comme d'habitude, je vous ai tout préparé. Donc hop, pas automatique, on va mettre manuel. Là, je vais vous lire : "Envoie un email de confirmation récapitulatif à l'utilisateur avec toutes les informations de l'activité qu'il a réservée." Comme ça, en plus d'avoir un événement qui est ajouté à son propre agenda, et bien il a un email de confirmation. Ce qu'on veut faire avec notre module de Gmail, on veut envoyer un message. On va mettre ici la variable, donc on va la faire générer automatiquement pour la démo. Ça va être plus simple. Donc en gros, il va comprendre qu'il doit reprendre l'email littéralement de la personne qui vient de s'inscrire. Pour le sujet, on va lui mettre "confirmation de réservation". Donc vous voyez, vous avez toujours la possibilité soit de mettre la manière dynamique. Donc là, potentiellement, si j'avais cliqué ici, et bien ça me l'enlève, ça définit par le modèle. Donc il va lui dire probablement "réservation de ton cours de surf". Mais si on veut s'assurer que ce soit tout le temps la même structure, vous pouvez venir mettre, comme vous le voyez ici "fixed", donc de manière fixe "réservation", ah non "confirmation de votre réservation", comme ça on a un minimum de structure et que vous comprenez un peu mieux comment fonctionnent ces variables. D'ailleurs, je vais même zoomer un coup pour vous. Je ne sais pas si vous voyez très bien depuis le début, mais je pense que ça devrait jouer. Donc là, soit vous faites générer par l'IA, ou en tout cas l'IA comprend ce qu'elle doit mettre comme objet, soit vous mettez quelque chose de fixe, soit vous mettez une variable. Nous, ce qu'on veut surtout pas, c'est envoyer un email en HTML au risque que ce ne soit pas lisible. Et dans le message, on ne va pas s'embêter, vous avez compris, vous pouvez mettre soit des variables, soit mettre un texte préconfiguré, soit simplement laisser l'IA générer la réponse en lui disant voilà, elle va se baser sur toutes les informations. Et une fois que vous avez fait ça, je vais vous montrer tout à l'heure, je vous avais dit que vous pouviez ajouter une description à chaque fois que l'IA, en fait la description partait du principe que c'est une mini instruction, un mini prompt pour expliquer à chaque étape comment doit se comporter l'IA. Donc là, pour vous montrer un peu, étant donné que là c'est un email qui est envoyé, on veut quand même qu'il y ait un peu d'idée sur ce qu'il doit faire et je lui ai dit : "rédige un email qui récapitule toutes les informations nécessaires sur l'activité réservée ainsi que l'agence afin que l'utilisateur dispose de tout ce qu'il lui faut comme information". Maintenant qu'on a fait ça, on va venir sauvegarder comme d'habitude. On va venir recommencer notre conversation et vous allez voir que normalement je devrais recevoir un email de confirmation en plus de toutes ces informations-là. Pour vous montrer que ça fonctionne correctement, on va venir supprimer les précédentes datas. On va venir supprimer ça juste ici. Et on va venir euh sauvegarder. On l'a fait. Et on va venir relancer notre conversation. Coucou. Bon, comme vous voyez que c'est souvent le même schéma, c'est juste pour aller un peu plus vite. Quelle activité vous intéresse, je pourrais dire n'importe quoi. Je pourrais dire le quad si vous voulez que je change un peu. Donc là, il va aller voir dans sa base…

De connaissance, les informations sur le quad. Donc là, il est bien aller voir dans ma base de connaissance que le quad, on va vérifier, c'était bien 55 €. Donc là, on voit que c'est 55 €. Il me donne toutes les informations. Si ça va un peu vite pour vous, c'est juste pour pas que la vidéo dure trop longtemps. Hésitez pas à revoir cette partie-là. Hésitez pas à mettre au ralenti. C'est juste que c'est assez répétitif et je veux que vous restiez bien concentré.

Donc là, est-ce que je veux réserver cette activité ? Est-ce que je peux donner le nom, l'email, etc. ? Oui, je m'appelle Sophie. Me demandez pas pourquoi. On va mettre mon email à moi comme ça on reçoit bien l'information. Hop. A.Co, un numéro au hasard et finalement la date, on va dire le 26 juin. Vous allez voir que là, en fait, je détaille même pas forcément la date, le nom et étant donné que c'est un modèle intelligent derrière, il comprend la nature de la donnée à chaque fois, le 26 juin 2025 à 18h. OK. Et là, normalement, si tout se passe bien, il va aller voir sa base de connaissance, il va réfléchir avec son cerveau, il va aller ajouter les informations dans notre Google Sheet, nous faire un Google Calendar et normalement, il devrait m'envoyer un email de confirmation et on va vérifier tout ça ensemble.

Donc là, il est en train de réfléchir. J'imagine qu'il est en train de rédiger l'email. Je suis pas sûr que l'email soit parti, mais déjà on va vérifier que le Google Agenda il apparaisse bien. Donc il a bien compris quad, il a bien fait la réservation, il m'a mis refusé étant donné que je suis pas au bureau jeudi. Effectivement, il m'a mis une description, c'est super. Il a ajouté toutes les informations ici et donc il a bien ajouté sur l'événement. On va voir s'il m'a envoyé un email. Donc on vient sur ma boîte de réception et on voit bien que l'email est arrivé. Bon, arrivé de moi étant donné qu'il est parti de mon email, mais vous voyez bien la confirmation de votre réservation. Et si je clique, merci pour votre réservation du quad bike Adventure, etc. Il y a toutes les informations. Donc là, c'est du formaté. Vous pouvez le changer facilement directement depuis N8N. Et on voit que toutes les informations ont bien été envoyées.

Et je pense que là, vous commencez à comprendre la puissance de ces agents IA. On est en train de lui donner plein de compétences et il est en train de prendre des décisions et de faire plein d'actions sur différentes plateformes de manière simultanée, qui prendrait beaucoup plus de temps à un humain. Déjà, il faudrait avoir quelqu'un tout le temps qui est là pour répondre. Ensuite, il faudrait ajouter les informations sur Google Sheet, potentiellement faire l'événement sur calendrier, envoyer un email. Bref, c'est du temps qui est perdu. Là où clairement là, j'envoie un message, en trois messages, c'est fait en littéralement 10 secondes.

Finalement, pour conclure gentiment avec cet agent, ce qu'on veut faire, c'est ajouter Slack. Donc Slack, c'est quoi ? Pour ceux qui connaissent pas, j'ai déjà fait la connexion pour éviter de voir tout recommencer. En gros, Slack, c'est un peu le Discord professionnel. C'est un peu comme Meet, si je… enfin pas Meet, Teams, et en fait ça vous permet de connecter, par exemple, moi j'utilise Slack avec mes équipes pour discuter et échanger des messages et ce qu'on veut c'est que notre agent IA, une fois qu'il a fait tout ça, il vienne envoyer un message directement à un membre de mon équipe sur Slack ou un membre de l'équipe de l'entreprise pour lui dire : au cas où, attention il y a une nouvelle réservation qui a été faite et comme ça les équipes peuvent commencer à préparer l'activité.

Pour la connexion Slack, je vais pas forcément faire le détail de comment est-ce que vous pouvez connecter Slack à votre agent IA, sachant que je pense que beaucoup d'entre vous ne connaissent pas ou n'utilisent pas Slack. Moi, j'ai déjà fait la connexion. Tout ce que vous allez avoir besoin de faire, c'est de décider d'envoyer un message soit à un utilisateur direct. Donc si vous connaissez un membre de votre équipe qui gère ça, et bien vous pouvez lui envoyer un message directement à lui. Soit vous pouvez envoyer dans un channel. Donc un channel, c'est littéralement dire voilà, c'est un espace, par exemple général, donc là il est déjà connecté à un de mes Slacks, et bien vous pourriez avoir un channel qui s'appelle réservation client et à chaque fois quand votre agent IA il va faire une réservation, et bien là il va envoyer un message. Et donc ce qu'on va faire ici, c'est qu'on va demander au modèle de venir générer une réponse directement. Et ce qu'on peut faire, c'est faire comme on a fait jusqu'à présent, lui mettre une petite description pour qu'il sache exactement quoi faire. Même pas besoin dans ce cas-là. Euh là, il sait que ce qu'il doit faire en gros grâce à la description que je vais lui mettre juste au-dessus de l'outil, c'est de venir dire justement aux membres de l'équipe euh la réservation qui a été faite. Donc envoie un message à l'équipe de l'agence pour prévenir qu'une réservation a été faite et communiquer toutes les informations nécessaires. Donc là, il sait qu'il va utiliser Slack pour envoyer un message. Il sait ce qu'il doit faire avec cet outil, il comprend qu'il doit envoyer un message dans le channel général et finalement il comprend qu'il doit générer lui-même la réponse avec l'IA. Une fois que vous avez fait ça, on sauvegarde et ça va être le test final de notre agent IA pour voir comment est-ce qu'il va déclencher toutes ses compétences.

Donc on va recommencer depuis le début, ça commence à être un peu redondant et même pour aller un peu plus vite, on va prendre déjà ces informations-là qui sont prêtes, ça ira plus vite. On revient sur notre agent. Alors, est-ce qu'on lui a mis coucou ? On lui a pas envoyé coucou. Quelle activité ? On va mettre surf débutant. Comme ça, il sait tout de suite de quoi je veux parler. Encore une fois, je prends le même exemple, mais ça pourrait être n'importe quelle information dans la base de connaissance. Et là, je leur mets les mêmes infos comme ça, ça va plus vite. Et comme d'habitude, il va venir faire les recherches, ajouter dans le CRM. Là, on voit que Google Agenda a été déclenché. On voit que l'email a été envoyé. On voit que Slack également, normalement le message a été envoyé. Donc ça a été envoyé dans un canal de mes équipes. Donc je vais aller checker ça tout de suite. Mais si on vient dans le canal général, donc qu'on a mentionné juste avant auquel on l'a connecté et qu'on a mis l'agent N8N, on voit bien qu'il y a un message qui a été envoyé : notre agent, nouvelle réservation Sophie YDI, bref toutes les informations nécessaires et on arrive enfin au bout. Donc on va supprimer, sinon ma team va pas comprendre pourquoi j'ai envoyé ça. Hop, on enlève et on revient sur notre agent. Et on a enfin notre agent IA qui est 100 % fonctionnel. Il est capable de réfléchir, il est capable de se baser sur des informations dans ses connaissances et de faire plusieurs actions selon la nature de l'échange, selon la nature du procédé. Donc là, j'ai resservi le même procédé à chaque fois, mais il aurait pu commencer par essayer de me convaincre. C'est juste que je voulais aller un peu plus vite, mais ça c'est des choses que vous maîtrisez dans le prompt système.

Maintenant que notre agent est fonctionnel, on va enfin pouvoir passer à la dernière étape qui est l'étape déploiement. Où est-ce qu'on veut que notre agent puisse interagir ? Comme moi je vous ai dit, je trouve que passer par WhatsApp étant donné que tout le monde est sur WhatsApp, c'est quand même vachement plus agréable. Quand je voyage, quand je pars en vacances, j'adore quand il y a des conciergeries avec qui je peux directement avoir un point de contact sur WhatsApp. Il y a tout sur WhatsApp. On est tous tout le temps sur WhatsApp. Donc autant passer sur cette plateforme. J'ai commencé par le chat pour vous montrer et je vous conseille de faire comme ça avant de vouloir déployer pour vous assurer qu'il soit fonctionnel avant de vous ajouter des difficultés en plus. Mais du coup, nous maintenant ce qu'on veut c'est pas échanger sur l'interface de N8N, mais c'est qu'on veut que notre agent soit directement sur WhatsApp. Donc ce qu'on va faire, c'est qu'on va venir déconnecter ici. Donc on va mettre cette fonctionnalité de côté et je vous parle de WhatsApp, mais en soit vous avez compris ça peut être un agent qui va interagir directement par email, c'est un agent qui pourrait interagir directement par Telegram, un agent qui pourrait interagir directement par Instagram, enfin en passant par la plateforme Meta. Donc vous pouvez tout faire, mais comme je vous ai dit, nous ce qui va nous intéresser, c'est WhatsApp.

Donc ce qu'on va faire, c'est qu'on va venir utiliser notre trigger juste ici. Et comme vous l'avez compris, on veut qu'il y ait un input et un output exactement comme on l'a fait là. Mais sauf que là, cette fois-ci, c'est une plateforme externe, il faut renvoyer l'information, donc le message de l'agent sur la plateforme externe. Donc on va venir dans trigger et on va mettre quand on y reçoit un message. Donc là, normalement, moi, j'ai déjà fait la connexion. Une fois que vous avez fait la connexion, vous venez juste ajouter votre trigger juste ici et vous faites la connexion comme ça. Une fois que vous faites la connexion, normalement, attention ici à bien mettre Define Below et pas le Chat Trigger qui n'est plus le Chat Trigger. Donc Chat Trigger Node, c'est le nœud que je vous ai montré qu'on a déconnecté juste avant. Donc si j'avais laissé comme ça, ça ne fonctionnerait pas. Donc on va venir mettre Define Below. Et une fois qu'on va le run une fois, normalement ça devrait marcher. Donc on va venir tester la step. On va voir si la connexion se fait directement. OK, là, ta t ta. OK, là va falloir refaire la connexion juste ici. Mais avant ça, je vais juste vous montrer comment connecter l'output. Donc là on va mettre WhatsApp Business Cloud aussi et on va mettre Send Message. Exactement. Donc là, avant c'était le déclencheur, maintenant c'est l'action qu'on veut qu'il prenne et ça va être d'envoyer un message sur WhatsApp et vous allez voir tout de suite comment ça fonctionne. OK ? Maintenant on aura juste à faire la configuration des deux nœuds, mais globalement à partir de maintenant quand je vais envoyer un message sur WhatsApp, ça va être la même chose que ce qu'on a fait jusqu'à présent, un peu plus compliqué. L'agent va faire les mêmes étapes et va renvoyer l'information sur WhatsApp Business Cloud. Vous allez comprendre pourquoi est-ce que j'insiste vraiment pour que vous commenciez pas directement à essayer de mettre en place WhatsApp. Vous allez comprendre pourquoi parce que bon, relativement, il y a deux ou trois démarches à faire alors que là c'est directement, si vous voulez commencer à faire quelques tests également, faites via Telegram, c'est plus facile. Et une fois que vous êtes prêt à mettre ça en production et que vous voulez passer à la vitesse supérieure, je vous inviterai vivement à suivre cette procédure pour mettre en place WhatsApp.

Alors globalement, ce qu'on va faire, c'est qu'on va commencer par notre nœud. Là, vous voyez qu'il y a déjà une connexion, mais nous on va faire… là on va refaire la connexion ensemble. Donc on va juste cliquer ici. On va venir créer New Credential. Donc jusqu'ici, c'est comme d'habitude jusqu'à présent. Pour avoir encore plus de détails, n'hésitez pas à voir la documentation de N8N sur comment il faut en gros connecter WhatsApp, mais moi je vais le faire pour vous et je vais vous montrer. Donc globalement, vous allez devoir, déjà pour connecter WhatsApp, vous connecter à l'écosystème de Meta, donc anciennement Facebook, qui ont racheté WhatsApp pour ceux qui le sauraient pas. Et du coup tout se passe directement sur la plateforme de Meta. Et pour ça, ce qu'on va faire, un peu à l'instar de OpenAI, on va aller sur Meta développeur. Donc on va venir juste ici. Et en fait ce qui va se passer, c'est que quand vous allez arriver sur Meta développeur, donc là on va rentrer dans l'espace développeur. Encore une fois, n'ayez pas peur, vous n'aurez absolument pas besoin de coder à aucun moment. On va venir dans mes applications, donc créer un compte Facebook, utiliser un compte Facebook, mais ce que vous allez voir, c'est que Meta euh forcément évite un maximum qu'il y ait des scammeurs, qu'il y ait des personnes, pas des vraies entreprises, des gens pas très sérieux qui utilisent WhatsApp d'un point de vue professionnel. Du coup, il y aura deux ou trois démarches à faire, notamment le fait qu'il faudra euh venir authentifier son entreprise et mettre des vraies informations. Donc, une fois que vous allez arriver donc sur le site développeur, vous allez arriver donc sur cet endroit où s'écrit mes applications. Et quand vous allez sur mes applications, vous allez arriver à cet espace-là. Et là, je vais transiter sur le compte de mon entreprise parce que pour pouvoir échanger via WhatsApp, il faut avoir un compte entreprise. Et pour avoir un compte entreprise, faut faire certaines démarches qui sont relativement simples que je vais pas faire aujourd'hui, sinon la vidéo va durer 10h. Mais faut aller dans l'espace, faut mettre les vraies informations de votre entreprise et faut recevoir au bout, je crois, de quelques heures ou jours, le fait que Meta va aller vérifier que votre entreprise existe vraiment. Et pour ça, on se retrouve sur un autre compte.

Donc là, on se retrouve sur un espace d'un des comptes qu'on utilise pour nos clients. Et du coup, ce que vous allez vouloir faire là, vous pouvez voir qu'il y a déjà pas mal d'applications existantes, mais nous on va venir cliquer sur créer une app. Pourquoi est-ce qu'on fait tout ça ? Je vous le rappelle, pour récupérer l'ID et la clé d'accès pour faire la connexion avec N8N. Donc là, on va mettre le nom de l'application. On peut l'appeler N8N agent IA. Comme ça, on a l'information. Vous pouvez garder votre email. Hop, on fait suivant. Ici, vous allez avoir plusieurs utilisations possibles de pourquoi en fait vous êtes en train de créer une application entre guillemets. Donc, c'est pas vraiment une application, mais eux ils appellent ça comme ça pour faciliter la chose. Vous allez venir cliquer sur Autre, on va mettre suivant. Ensuite, vous allez mettre Business. Comme je vous l'ai dit, vous pourrez pas faire, il y a plein de choses que vous pourrez pas faire si vous êtes consommateur. Donc faites les démarches pour vous enregistrer en tant que business si vous avez une boîte. Si vous avez pas, ça va être compliqué de passer par l'écosystème de Meta. C'est pour ça que je voulais pas présenter tout de suite. Mais en soit, l'agent reste le même. C'est juste que vous devrez déployer sur d'autres plateformes, par exemple Telegram. Mais bon, c'est pas infaisable non plus. Faut juste faire quelques démarches. Donc vous mettez Business, vous faites suivant. Ensuite, vous avez toujours le nom N8N agent IA, vous mettez votre email et ici, il va falloir sélectionner un portefeuille business pour pouvoir le faire. Et donc si vous l'avez pas fait, pour ceux qui ont déjà utilisé Meta Ads, donc la publicité, faudra juste aller créer un portefeuille business pour aller de l'avant. Si vous en avez pas un, vous pourrez pas aller plus loin dans cette démarche. Donc moi, j'ai déjà plusieurs portefeuilles business. Je vais venir cliquer sur le premier et je vais venir créer une application. Donc là, ça me demande de valider le mot de passe. On va valider le mot de passe. Normalement, on va pouvoir aller de l'avant. Et une fois que je serai allé de l'avant, on va pouvoir créer notre connexion avec WhatsApp. Donc là, l'application a bien été créée. Vous voyez déjà, faudra garder ça en tête. Le mode développement est Live. À partir du moment où vous mettrez en production votre agent et que vous voulez qu'il fonctionne tout le temps, très important de pas oublier de mettre en Live. Nous, pour l'instant, pour la démo développement, ça suffit. Et là, vous voyez qu'il y a plein d'applications. Donc, en soit votre agent, il y a… vous pourriez le déployer sur Messenger, sur Instagram. Quand vous parlez avec quelqu'un, bien, il pourrait y avoir un agent qui fait les réponses. Mais nous, pour notre exemple, on va venir mettre WhatsApp. Donc, on va venir configurer WhatsApp et je vais vous montrer les prochaines étapes pour venir faire la connexion.

Donc là, on arrive sur notre… on est bien sur notre application agent WhatsApp et on va venir commencer à utiliser l'API juste ici. Donc, on va cliquer sur commencer à utiliser l'API. Et ce que vous allez devoir faire, c'est déjà de 1 venir générer un token d'accès et ensuite mettre un numéro de test. Donc le numéro de test ici, tout ce que vous avez besoin de savoir c'est que vous avez déjà un numéro qui est fourni. C'est le numéro euh à travers lequel votre agent va échanger. Donc on va le voir juste après sur WhatsApp quand je vais faire la démo, mais ce sera ce numéro-là. Sachez que vous pouvez mettre votre propre numéro WhatsApp Business. Faut juste faire attention, si vous avez déjà un compte WhatsApp, ne mettez vraiment pas un numéro parce que ça va vous bloquer. Vous risquez d'être bloqué directement par l'écosystème de Meta. Assurez-vous que si vous mettez un numéro de téléphone pour votre agent IA, que ce soit un numéro de téléphone qui n'a aucun compte WhatsApp qui est associé. Et si vous voulez faire des choses assez sérieuses et vraiment proposer vos services à travers WhatsApp aux entreprises, je vous invite vivement à lire la documentation et la réglementation de WhatsApp pour éviter de vous faire bannir. En soit, à partir du moment où vous maîtrisez ces informations-là et nous on l'explique dans l'académie, euh c'est relativement simple quand vous comprenez la fenêtre des 24 heures, etc. C'est relativement simple. C'est juste que si vous ne pouvez pas arriver comme ça et déployer sur WhatsApp sans vous renseigner sur ces informations-là qui sont importantes. Bon bref, donc là vous pouvez mettre le numéro ici, mais sachez que vous avez la possibilité dans les paramètres de mettre votre propre numéro ou celui de vos clients. Mais nous pour le test ça suffira. Ça nous permettra d'aller plus vite. Ici vous avez la possibilité de sélectionner le numéro test donc avec lequel vous allez tester pour avoir une première, un premier message pour commencer à échanger avec l'agenda. Donc je vous invite ici à mettre votre propre numéro de téléphone. Donc c'est celui avec lequel que vous pourrez échanger sur WhatsApp. Donc là on va cliquer sur celui-ci. Venez générer un token d'accès. Donc là, on va venir générer un promener token qui va nous permettre justement de nous connecter à notre agent IA. Donc là, on a une petite fenêtre. On va continuer. Vous allez venir mettre, vous pouvez activer tous les éléments actuels et vous allez simplement venir valider sans rien faire de plus. Et là, ça va vous donner la possibilité d'accéder à votre token d'accès. Une fois que vous avez accès, vous allez venir le copier. Donc là, vous copiez votre token d'accès. Vous revenez sur N8N. Donc là, on se retrouve sur N8N. Vous pouvez mettre directement le token d'accès ici. On peut revenir encore une fois sur notre… euh WhatsApp Business. On prend l'ID du numéro de téléphone, ID du compte WhatsApp Business. Donc vous allez prendre cet ID ici. Vous allez revenir le remettre dans votre Client ID et là pour le premier nœud, normalement vous allez pouvoir sauvegarder. Alors là on voit que ça a été créé successfully. Je sais pas pourquoi ça met une erreur, mais normalement la création a bien eu lieu. Donc là on va pouvoir quitter. Normalement notre connexion a bien été faite avec notre compte WhatsApp. Donc on va juste sélectionner celui qu'on vient… Alors, c'était le numéro 2, je pense. Bien, sélectionner celui-ci. OK. Donc là, normalement, on a notre premier nœud WhatsApp qui fonctionne. Donc faut juste lui envoyer des informations pour que ça fonctionne. Mais pour ça, on va revenir sur Meta et on va configurer le deuxième nœud tout de suite pour que ça fonctionne directement. Et pour configurer le deuxième nœud, donc là après on fera un test avec envoyer un message. Normalement, on va venir dans Paramètres de l'app, dans Général. Dans Général, on va venir configurer le deuxième nœud. Et en fait ce qu'on veut faire ici c'est de venir enregistrer les modifications. C'est de venir récupérer ces informations-là. Exactement. Identifiant de l'application. Donc pareil on revient. Et cette fois-ci, ça va être pour le nœud de sortie qui n'est pas le même que le nœud d'entrée. Attention. Et là, on va refaire… je vais refaire avec vous les différentes credentials. Donc on va venir créer un nouveau pour vous directement. Donc on va venir mettre l'Account ID ici. Et attention à pas mettre… hop, on va juste sauvegarder. Alors on va juste sauvegarder tout ce qu'on a fait jusqu'à présent. Hop, on va revenir créer des nouveaux credentials pour vous montrer l'exemple. Donc là, Business Account ID, on le crée ici. On vient sauvegarder et on vient récupérer cette fois-ci. Et là, il vous suffit juste d'afficher votre clé secrète et de faire la modification. Alors, vous savez que vous pouvez modifier énormément d'informations. Ici, vous pouvez renommer votre agent IA, vous pouvez mettre si vous voulez une… une icône, vous pouvez faire plein de choses. Là, vous pouvez mettre l'icône de l'app. Bref, vous avez pas mal de choses sympas à faire. Là, c'est l'endroit…

Des commandes pendant les heures de pointe, comme on va le voir avec l'exemple que je vais prendre, et bien cet agent vocal, il peut traiter un volume illimité d'appels simultanément, qualifier les commandes, consulter le menu en temps réel, calculer les prix automatiquement et confirmer les commandes sans intervention humaine.

Au-delà de potentiellement remplacer des humains, c'est-à-dire bon bah économiser soit le coût d'un salaire, soit potentiellement replacer un humain qui était concentré à faire le service et en même temps prendre des appels, et bien là, on va pouvoir remettre l'humain sur là où il a vraiment de la valeur ajoutée. Par exemple, faire uniquement le service plutôt que prendre les appels. Et ce qui est incroyable avec ces systèmes-là, c'est qu'on va pouvoir prendre des appels en illimité de manière simultanée, ce qui n'est normalement pas possible avec un humain. L'humain, à partir du moment où il est au téléphone avec un client, si quelqu'un d'autre appelle pendant ce temps-là, et bien ça va tout simplement pas pouvoir répondre.

Les résultats et la valeur qu'on va apporter à une entreprise à travers une solution comme celle-ci, c'est relativement la même chose que notre première construction. Tout d'abord, l'augmentation du chiffre d'affaires, étant donné qu'on va plus perdre aucun appel. Là où avant, bah si un humain n'est pas disponible, et bien on va aller appeler un autre restaurant pour faire sa commande. Là maintenant, on va pouvoir tout traiter de manière illimitée, ce qui va forcément augmenter le chiffre d'affaires. On va réduire le coût du personnel. On va améliorer l'expérience client qui va être disponible 24h/24. Ça veut dire que, à partir du moment où le restaurant est ouvert, à moins qu'il y ait d'autres systèmes en place, et bien je peux appeler quand je veux et j'aurai une réponse. On va optimiser le temps de l'équipe qui va se concentrer sur la préparation de la commande plutôt que rester au téléphone à essayer de comprendre ce que les clients disent. On va pouvoir avoir des commandes qui soient plus précises. Donc il y aura moins d'erreurs de calcul, il y aura moins d'erreurs de commande et finalement une traçabilité complète des commandes.

Et ça, on va le voir grâce à l'outil qu'on va utiliser, et bien on aura la transcription, on aura les appels de tous les échanges qui ont eu lieu entre des clients et l'agent vocal. Et ça, en soi, c'est pas quelque chose que je vais aborder dans cette formation. Voyez-le comme une base de données qui a une valeur illimitée pour les restaurants mais également pour les entreprises.

Ça veut dire quoi ? Ça veut dire que si on sort de ce cadre de cette démonstration avec les restaurants qu'on va faire ici, admettons qu'il y ait un agent vocal qui fasse des appels avec des prospects, qui fasse des appels potentiellement avec des étudiants qui ont postulé pour un job, pour avoir un peu plus d'information. Et bien toutes ces données-là, on les récupère. Là où un humain, à la base, bah il y a pas toujours les appels qui sont enregistrés et surtout c'est plus compliqué à partir de notes de pouvoir faire une automatisation intéressante par la suite. Alors qu'avec le système qu'on va utiliser, je vous le montrerai juste après, à partir du moment où il y a un utilisateur qui est au téléphone avec notre agent, il a tout l'appel sera transcrit et ça derrière ça va nous créer une base de données de tous les échanges qu'on va pouvoir réutiliser par la suite pour l'amélioration des services, l'amélioration des produits, comprendre quelles sont les douleurs de nos prospects, comprendre potentiellement quels sont les profils qui nous appellent. Et ça ça vous permet de faire énormément de choses par la suite en utilisant l'IA parce que vous pourriez tout simplement récupérer toutes les transcriptions, les mettre dans un LLM potentiellement et leur demander voilà de manière anonyme quelles sont les douleurs qu'on peut identifier chez tous les clients pour le restaurant. On pourrait demander voilà quels sont les plats qu'on nous commande le plus et ça nous permet d'avoir beaucoup plus de visibilité sur tous les échanges utilisateurs, ce qui est ultra intéressant.

La structure, je vous la montre rapidement mais on va y accéder juste après. On va utiliser Rounded. Vous voyez que la systématique est un peu différente de ce qu'on a vu un peu sur N8N mais reste relativement similaire. Là où avant tout était centralisé sur un agent IA et avec des tools différents visuellement comme ça. Là sur la plateforme Nocode donc Rounded qu'on va utiliser, c'est relativement la même chose sauf que cette fois-ci au lieu d'avoir une distinction claire entre chaque partie et bien l'agent IA c'est l'entièreté du système et nous on va venir définir le flow utilisateur directement de notre agent. Donc là ce qu'on va expliquer à notre agent c'est que d'abord je veux que tu donnes les informations s'il te les demande. Je veux que tu prennes la commande ensuite que tu confirmes la commande et potentiellement que tu peux également modifier. Donc on vient vraiment imaginer le parcours utilisateur en lui donnant toutes les compétences. Mais vous allez voir, c'est relativement simple et c'est exactement la même chose que ce qu'on a fait sur N1.

Alors, comment va fonctionner cet agent IA ? Tout d'abord, il va réceptionner. Donc, le client, il va appeler le numéro du restaurant et l'agent IA, il va recevoir cet appel. À partir du moment où notre agent vocal reçoit l'appel, l'agent il va se présenter et proposer d'aider pour prendre la commande. Une fois que l'agent s'est présenté et qu'il a proposé de prendre la commande, il va prendre la commande. Donc il va venir consulter automatiquement le menu qu'on va lui stocker dans Google Sheet ou directement dans le prompting et il va pouvoir répondre à partir de ces informations-là. Il sera capable de gérer les modifications. Donc il aura la capacité de modifier et d'ajouter ou de supprimer des éléments. Donc si à un moment donné je lui dis que je veux des nouilles sautées et que finalement je lui dis "Ah non mais vous savez quoi ? ce que vous m'avez proposé, c'est intéressant, je vais changer." Et bien, il a la capacité de le faire. Il va pouvoir calculer automatiquement le total de la commande. Ensuite, il va pouvoir confirmer la commande. Donc, il va faire un récapitulatif de toutes les informations avec le prix total de la commande pour s'assurer que l'utilisateur a bien compris la commande et finalement stocker les informations. Vous allez voir, pour pas que la vidéo elle dure 10h, il y a des éléments qui sont très similaires à NN où je vais pas forcément rentrer dans le détail. Par exemple, vous pourriez ajouter le fait de mettre un outil calendrier pour mettre les réservations table. Vous pourriez faire plein de choses avec tous les outils que je vais vous montrer, mais je vais essayer d'être un peu plus concis pour surtout qu'on se concentre sur la différence entre les agents vocaux et les agents textes.

Maintenant qu'on a compris ça, les outils qu'on va utiliser, bah forcément c'est un téléphone, donc c'est la capacité de répondre au téléphone, mais ça ça va se faire à travers Rounded. On va réutiliser le LLM de ChatGPT qui va être le cerveau de notre agent et finalement on va se contenter cette fois-ci de Google Sheet étant donné qu'on a déjà abordé beaucoup d'outils dans l'agent précédent. Là, le but c'est surtout que vous voyez la différence entre les deux. OK ?

Maintenant qu'on a compris ce qu'on allait construire, les différents résultats qu'on pouvait obtenir d'une solution telle que celle-ci, les outils et le fonctionnement, on va prendre un exemple comme on l'a fait pour le premier agent. Donc pour le premier agent, on avait choisi une agence d'activité à Bali. On va rester un peu dans la même thématique tropicale pour faire plaisir à tout le monde vu qu'on est en été. Et on va choisir un restaurant qui est à, au bout, donc à Bali. Donc là, typiquement, ce genre de solution, ça pourrait autant profiter à une petite entreprise qu'à une grande entreprise. Et c'est exactement la même situation ici. Ça peut autant profiter qu'à un petit restaurant qu'à un grand restaurant. Pourquoi ? Parce qu'un petit restaurant, peut-être qu'il a pas les moyens d'avoir quelqu'un qui va répondre au téléphone et donc il va juste pas prendre les commandes en ligne et un grand restaurant. Au contraire, si on prend par exemple là, on voit qu'il y a plusieurs restaurants, si on prend Dona qui a l'air énorme, donc visiblement qui a 4800 avis pour une très très bonne note, j'imagine qu'ils reçoivent un nombre incalculable de numéros de téléphone et si on va sur leur site, je dois trouver le numéro de téléphone. Voilà, quelque part là, on voit qu'ils prennent les commandes visiblement via numéro de téléphone. Et typiquement, un restaurant comme celui-ci, je pense pas qu'ils peuvent prendre toutes ces appels en même temps étant donné qu'il doit y avoir énormément de gens qui les appellent. Du coup, ça va être un superbe exemple pour notre création. Donc là, si on vient voir le menu, on voit qu'il devrait pouvoir y accéder et ça ça va être ultra utile pour notre agent. Étant donné que comme je vous l'ai dit avant ou comme vous l'avez vu dans l'agent de NN, l'objectif est que on vienne remettre dans sa base de connaissance tout le menu. Donc là, si on regarde, on voit qu'il y a pas mal de menus. Bon, on va pas télécharger ce menu-là pour des risques de propriété intellectuelle, mais vous avez l'idée concrètement vous on vient prendre le menu avec toutes les informations. Là, visiblement, je peux même le télécharger en PDF. Je vais juste l'utiliser comme exemple, mais on va pas l'utiliser jusqu'au bout. Donc là, normalement, on devrait pouvoir le télécharger. À partir du moment où on va le télécharger, retenez bien cette information et cette étape parce qu'elle va être importante pour la suite de la construction. Donc, si je viens dans le PDF ici, je vois que j'ai tout le menu. Super.

Maintenant que j'ai le menu, on va enfin passer à la plateforme qu'on va utiliser qui est Rounded. Donc on va venir simplement taper Rounded ici. Comme ça, je vais pouvoir vous présenter la plateforme. Et en fait, Rounded, c'est une plateforme qui vous permet de créer des agents vocaux. Donc ils sont spécialisés sur les agents vocaux, pas sur les agents textes comme on a pu voir sur NN. Et ce qui est super avec cette plateforme, c'est que c'est une entreprise française. C'est une start-up française. Vous avez peut-être vu dans d'autres de mes vidéos où je présente des fois Vapi, je présente Eleven Labs, je présente Retel qui sont tous des concurrents, des alternatives à Rounded qui sont des alternatives américaines pour la plupart si je dis pas de bêtises. Et ce qui va être incroyable avec Rounded, c'est que non seulement la boîte est française, donc c'est cool aussi de soutenir les start-ups européennes, mais en plus il va y avoir pas mal d'éléments qui vont être facilités. Par exemple le fait que vous allez pouvoir obtenir un numéro de téléphone français directement lors de l'inscription sur la plateforme, ce qui est pas le cas sur les autres plateformes. Par exemple, si vous avez regardé mes autres vidéos quand j'utilise Vapi, et bien pour pouvoir connecter Vapi à un numéro de téléphone, il faut passer par Twilio donc qui est un autre service et sur Toyo, c'est assez galère voire compliqué de connecter un numéro français. Là aussi sur Rounded, à partir du moment où vous créez le compte et vous mettez un petit bouton, je vais vous le montrer, ajouter numéro, vous avez automatiquement un numéro de téléphone français qui est associé à votre compte, c'est-à-dire à vos différents agents et ça c'est super. Mais en plus de ça, Rounded, bon moi je travaille avec Rounded sur plusieurs autres projets et du coup ils nous ont mis en avant-première une toute nouvelle fonctionnalité qui est incroyable et qui va être game changer sur le marché que je vais vous présenter juste après. Donc là, vous voyez le site, il est relativement simple mais ce qui va nous intéresser, c'est la facilité avec laquelle on va pouvoir déployer des agents vocaux en quelques minutes. Donc on construit, on intègre, on déploie et après on peut faire le suivi. Mais nous ce qui va nous intéresser, c'est de venir directement sur la plateforme.

Alors juste avant de vous montrer dans le détail la construction ici, donc là vous avez pu le voir juste avant là vous voyez que j'ai fait une construction agent restaurant commande. Là ils m'ont gentiment mis à disposition un compte développeur. Pourquoi ? Parce que comme ça, je vais pouvoir vous montrer en avant-première les nouvelles fonctionnalités qu'ils ont mis à jour. Sachant que les fonctionnalités seront disponibles pour le grand public quand la vidéo sera sortie. Normalement, il y aura pas de souci. Mais ce qui va nous intéresser, c'est cette partie-là. Alors, une fois qu'on est sur la plateforme, vous voyez qu'on arrive sur un espace comme celui-ci et qu'on peut venir créer un agent juste ici. Donc, il vous suffit de cliquer sur plus, new agent. Et ce qui est sympa avec Rounded, c'est qu'il y a déjà des templates qui sont prêts. Par exemple, là, on voit qu'il y a déjà un agent vocal de réception qu'on pourrait utiliser, un agent qui fait du tracking, un agent de qualification de prospect. Mais nous, ce qui va nous intéresser par la suite, c'est de venir le créer from scratch. Donc, à partir de rien, comme ça, vous voyez tout le processus de réflexion de comment on vient créer ces agents hier. Ça c'est l'espace où vous allez pouvoir venir gérer tous vos agents IA. Ensuite, il y a le numéro de téléphone. Donc là, ils m'ont déjà associé un numéro de téléphone qui est celui-ci. Pas la peine de l'appeler car il est désactivé. Et vous voyez que là, on a la possibilité de faire pas mal de choses. Vous pouvez également mettre votre propre téléphone et de faire des redirections. Si vous avez pas de numéro de téléphone au début, quand vous allez arriver ici, vous allez voir qu'il y a aucun numéro de téléphone et du coup, il vous suffira de venir cliquer sur get a number. Donc il va vous permettre d'avoir un nouveau numéro de téléphone. Là ça va pas fonctionner parce que j'en ai déjà un. Mais vous quand vous allez arriver, vous aurez pas de numéro de téléphone. Faudra simplement cliquer ici pour que vous ayez un numéro qui vous soit attribué.

Pour ceux qui se posent la question sur ces agents vocaux, il y a la possibilité de faire de l'inbound et de l'outbound. C'est quoi la différence ? Et ça c'est sur toutes les plateformes. La différence entre inbound et outbound. Inbound c'est les appels entrants et outbound c'est les appels sortants. C'est-à-dire que dans certaines configurations, vous avez envie que votre agent vocal par exemple aille appelé de lui-même des numéros de téléphone. Admettons que vous ayez des prospects qui viennent mettre des informations sur votre site web comme le mien par exemple, et bien je pourrais avoir un agent vocal qui va rappeler à partir du numéro de téléphone qu'on aura récupéré dans le formulaire qui va rappeler les prospects pour leur demander de donner un peu plus d'informations sur leur projet. Sauf que pour éviter le spam et des situations où on reçoit tous déjà un milliard d'appels de numéros qu'on connaît pas et qu'on a pas envie de répondre, et bien pour certaines situations, vous allez devoir venir faire ici une demande particulière à Rounded. Et c'est ça qui est super, c'est qu'ils sont très proches de leurs utilisateurs. Par exemple, vous avez besoin d'un numéro qui soit international, vous avez besoin de plus de numéros de téléphone, vous voulez plus de limites, vous voulez faire de l'outbound de manière assez élevée, et bien il vous suffit simplement de venir remplir cette forme-là. Et en fait ce qui va se passer que vous allez remplir un formulaire, vous allez faire votre demande directement auprès de l'équipe Rounded qui va s'assurer que vous avez une vraie entreprise qui va s'assurer de votre business model pour pas créer quelque chose qui pourrait être négatif pour les utilisateurs. Donc ça c'est vraiment super de leur part d'être aussi proche des utilisateurs. Mais à partir du moment où vous avez votre agent IA et votre numéro de téléphone, vous pouvez venir ici choisir votre agent IA. Ensuite, vous avez la possibilité de faire des campagnes donc de l'outbound. Ça c'est pas quelque chose qu'on va traiter aujourd'hui mais ça pourrait être le sujet d'une autre vidéo. Ensuite vous avez les calls. Ici vous allez avoir l'historique de tous les appels qui ont été passés avec vos agents IA. Et ça c'est incroyable notamment pour la raison que je vous expliquais tout à l'heure. Par exemple si je viens cliquer ici, j'ai fait quelques tests sur l'agent que je vais vous montrer. Et bien on voit la durée de l'appel, on voit exactement ce qui s'est passé, on voit la transcription complète de l'échange entre l'humain, donc l'utilisateur et l'agent IA. Et on a même accès au vocal. Et du coup, ce qui est ultra intéressant, c'est que ce que vous pouvez imaginer à la fin de temps en temps, potentiellement avec vos clients ou avec les entreprises, c'est venir récupérer toutes les transcriptions de tous les échanges entre l'agent vocal et les utilisateurs et par la suite venir les réutiliser potentiellement dans un autre LLM pour dire voilà tous les échanges qu'il y a. Selon toi, quelles sont les demandes les plus récurrentes des utilisateurs ? Selon toi, qu'est-ce qu'on pourrait changer dans le menu ? Et en fait, recréer par la suite plein d'autres solutions IA. Et ça, c'est incroyable. Donc c'est ici que c'est ce qu'on appelle les logs. Par exemple quand vous créez une automatisation sur make.com ou autre chose et bien vous pouvez faire le suivi de ce qui se passe dans vos automatisations directement dans les logs. Et là les calls c'est exactement la même chose. Si à un moment donné il y a des bugs ou il y a quelque chose qui fonctionne pas et bien c'est comme les logs. Vous allez pouvoir venir voir ce qui a cloché, ce qui a pas fonctionné et venir débugger votre projet à partir de là.

Et maintenant juste avant de passer à la toute nouvelle fonctionnalité que je trouve incroyable, je vais vous présenter donc Knowledge Base. Knowledge Base. Bon maintenant je pense que vous commencez à comprendre. C'est la base de connaissance. C'est ce qu'on a vu dans la théorie. C'est ce qu'on a vu sur N1. Par exemple, si je veux venir ajouter directement notre PDF qu'on a vu avant, et bien on va pouvoir la créer. Là, je viens de créer une base de connaissance et en cliquant dessus, je vais pouvoir venir télécharger directement notre fameux fichier PDF de Dona. Donc ça, c'est important. Si vous voulez que votre agent, il ait tout le contexte, toutes les informations sur une entreprise, et bien c'est ici que vous allez venir lui mettre en format PDF, exactement comme on l'a fait pour notre premier agent. Ces informations-là, par exemple, les heures d'ouverture, euh les emails, le menu, les différentes informations sur l'entreprise, vous devez venir le mettre ici. À partir du moment où vous avez créé une base de connaissance, vous pouvez choisir de venir lier votre agent à cette base de connaissance.

Et maintenant, notre dernière features ultra intéressante de Rounded, c'est la toute nouvelle qui est pas encore disponible à l'heure où je tourne mais qui devrait l'être quand la vidéo va sortir et ce sont les intégrations. Ça peut vous paraître bête comme ça parce que vous l'avez vu sur NN mais jusqu'à présent sur la plupart des outils pour la création d'agents vocaux, fallait passer par des outils comme make.com pour faire la connexion entre notre agent IA et d'autres plateformes. Donc là, l'agent que je vais vous montrer, il a été créé par Mathieu qui est notre expert sur la création d'agents vocaux dans l'académie, mais qui est aussi un membre de l'équipe Rounded qui lui permet de maîtriser parfaitement la plateforme. Et là, justement, je vais vous montrer exactement ce template-là. Sauf que lui, quand il a dû créer cela, bah ce qu'il avait dû faire, c'est qu'il nous a mis à disposition. Donc là, il a créé l'agent de A à Z. Il a mis toutes les informations pour que les membres puissent le recréer. Et en fait ce qui se passe c'est que initialement et sur toutes les autres plateformes de création d'agents vocaux pour pouvoir permettre à notre agent de faire des actions comme on l'a vu sur NN sur d'autres plateformes notamment le fait de récupérer des informations sur un Google Sheet, faire une réservation sur Google Calendar et bien fallait toujours passer par make.com. Mais qui permet comme on en a discuté précédemment de faire des automatisations mais qui permet à travers des webhooks de faire des liens. Et en fait ce que faisait Mathieu et ce qu'on devait faire jusqu'à présent c'était qu'on avait besoin toujours d'une automatisation qui vient connecter notre agent IA à une autre plateforme. Là par exemple dans ce cas de figure ici le but était de le connecter à Google Sheet et on le faisait via webhook. Et en fait ce qui est assez fou, même si ce qu'a fait Mathieu ici est incroyable et d'ailleurs on va se baser dessus pour créer notre agent, c'est que maintenant ils ont sorti ces fameuses intégrations qui nous permettent de ne plus passer par make.com. Et ça pour quelqu'un qui débute, c'est un avantage énorme parce que make.com, c'est une plateforme à part entière qui demande d'être un peu maîtrisée. Alors que maintenant là, on va pouvoir simplement accéder à toutes les intégrations qui sont déjà préfaites. Admettons que je souhaite connecter mon agent IA à Google Calendar. Et bien, j'ai juste à taper Google Calendar et normalement, je vais avoir le module, la compétence qui va apparaître. À partir du moment où elle apparaît, j'ai…

Tout simplement, à cliquer sur « connect », et là, la connexion va se faire, et je vais pouvoir faire plein de choses. Donc, je vais me connecter à travers Pipe Dream, et derrière mon agent pourra faire des actions exactement comme on l’a fait avec NN. Et ça, c’est énorme sur le marché. Franchement, ça va être game changer, ça va faciliter énormément la création de ces agents vocaux. Là où avant, il fallait tout le temps passer sur M pour ceux qui le maîtrisent. Bon, c’est pas la mer à boire, mais pour les personnes qui ont jamais utilisé ces outils, c’est un peu plus compliqué. Donc maintenant, on va pouvoir passer directement par ces intégrations.

Actuellement, il y a plus de 1550 intégrations, ce qui est déjà énorme, mais ils m’ont dit que ça devait passer à 2500 très vite, et j’imagine que ça continuera à augmenter exactement comme N8. OK, maintenant qu’on a compris notre plateforme et comment Roundit fonctionne, on va pouvoir passer à la création de notre agent. D’ailleurs, vous pouvez voir ici que vous pouvez suivre aussi votre balance. Donc ça, c’est les combien ça va vous coûter le fonctionnement de votre agent ? Mais on rentrera un peu plus dans le détail quand on va venir créer notre agent.

Donc vous, quand vous allez venir créer votre compte sur Rounded et que vous allez venir créer cet agent, sachez que après que Mathieu ait fait la démonstration de la construction de cet agent vocal, ils l’ont ajouté en template. Là, je suis sur un espace développeur, donc il s’affiche pas, mais sur un compte normal sur Roundit, quand vous mettez « new agent », et bien vous aurez la possibilité de le sélectionner ici, ce qui va vous permettre d’avoir instantanément ce que je vais vous montrer. Maintenant, s’il est toujours pas disponible, dans tous les cas, le template sera disponible dans le guide complet.

Mais nous, ce qui va nous intéresser et ce que je vous recommande de faire en général sur ces outils, c’est que même si les templates c’est super, la meilleure manière de comprendre et de maîtriser une plateforme, c’est de venir le créer from scratch, donc à partir de zéro. Donc là, on voit que maintenant mon agent s’est créé, on va pouvoir venir le construire step by step. Donc juste avant de passer à la construction directement de notre agent qui va être relativement simple, je vais vous présenter rapidement les deux ou trois infos que vous avez ici.

Là, vous voyez ici que vous avez un récapitulatif de combien vous coûte votre agent vocal par minute. Et ça, on va le voir dans le deuxième chapitre. Mais c’est notamment la valeur qu’on va pouvoir vendre aux entreprises. Leur dire : « voilà, un humain vous coûte potentiellement temps par heure pour répondre au téléphone, sachant qu’il peut répondre qu’à 17 cols. Là où un agent, il a bon bah, avec les cols ici en moyenne un appel, c’est 2 minutes. Donc ça va vous faire temps, et après vous pouvez faire la valeur de ce que coûte un agent VSU. Donc à partir du moment où vous aurez choisi le modèle, et ça on va le voir juste après, vous pouvez ajouter des tâches, vous pouvez ajouter des variables, et là vous avez les réglages globaux de l’agent. Donc ce qui est important de comprendre sur Rounded avec les agents vocaux, c’est que là, l’espace que vous voyez ici, contrairement à Nen où on allait vraiment gérer tout l’agent IA, là c’est vraiment juste pour gérer le flow utilisateur, donc le flow de la conversation. On va expliquer à notre agent comment est-ce qu’on veut qu’il se comporte avec nos utilisateurs, ce qui est ultra poussé. Il y a d’autres plateformes comme Vapi où, par exemple, historiquement, il fallait juste mettre un gros prompt, et on laissait faire l’agent IA, ce qui peut être bien, mais en même temps ce qui peut laisser de la place à de l’hallucination, et on a moins de contrôle sur la conversation utilisateur. Là, ce qui est cool sur Rounded, c’est qu’on a un peu plus de contrôle sur ça.

Avant de passer aux différentes étapes, aux différentes tâches qu’on va ajouter ici, le plus important c’est de venir régler les différents réglages de notre agent. Donc là, vous pouvez mettre le nom. Donc le nom de l’agent IA, on va l’appeler euh « agent restaurant ». Ici, comme on l’a discuté dans la théorie, vous avez le choix entre plusieurs modèles. Ce que nous, on vous recommande, c’est de prendre le GPT41 mini. Ce qui va être intéressant, c’est qu’il va avoir beaucoup plus de contexte. Donc la fenêtre de contexte, on en a parlé aussi, je crois, au début dans la théorie. Là, on a 1 million de fenêtres de contexte qui est énorme, beaucoup plus que des modèles comme GPT4. Il est plus intelligent que GPT4 au basique, et il coûte moins cher. Donc là, ce qui va nous intéresser, c’est que vous pouvez garder celui-ci, mais en soit, vous avez accès à plein de modèles bien au-delà de Penai. Moi, je vous recommande de commencer avec GPT41 mini pour la plupart des situations parce qu’il va répondre beaucoup plus vite, il est plus rapide. Maintenant, dans des situations au-delà de cette démonstration où vous avez besoin que l’agent soit plus performant et qu’il puisse raisonner un peu plus, et bien GPT41 fait très bien l’affaire également. D’ailleurs, on va même utiliser GPT 41 pour cette démonstration, mais c’est important aussi de garder en tête qu’il y a aussi une notion de coût à maîtriser pour avoir ce que vous voulez. Sachez que le but de ces agents vocaux, c’est pas de faire que de l’effet « wouah », c’est surtout une solution qu’on amène à une entreprise. Et quand on amène une solution à une entreprise, le but c’est d’amener de la valeur au business. Donc on s’en fiche que l’agent y arrive à répondre 10 fois plus vite s’il nous coûte 10 fois plus cher. C’est important de maîtriser la leçon des différents modèles pour comprendre quel est le modèle le plus adapté à votre solution. Sachant qu’il y a pas de choix unique, chaque solution est différente des autres. Mais au-delà des modèles d’Open AI, en plus ça passe par Azure, donc au niveau de la sécurité des données, c’est encore mieux. Il y a tous les autres modèles que vous pouvez trouver. Donc on a Gini 2 Flash, on a Mistral qui va être super pour la sécurité des données, et cetera, et tout ça, ça vous laisse pas mal de choix, mais nous, on va rester sur GPT41.

Vous avez la possibilité aussi d’ajouter un background audio. C’est quoi le background audio ? C’est juste un bruit de fond. Ça peut être intéressant dans certains cas de figure. Je sais que Mathieu m’avait dit que certains de ses clients, que c’était carrément un point essentiel pour aller de l’avant avec son agence. Et du coup, bon bah voilà, vous savez que c’est intéressant. Vous pouvez mettre des petits oiseaux en fond, vous pouvez mettre plein de choses sympas, mais nous, on va laisser rien du tout. Ensuite, on a le message initial. Donc ça, c’est comme sur NN, c’est le message que va dire en premier votre agent. Vous pouvez mettre une durée maximale pour les cols pour éviter justement que vos coûts explosent tout simplement avec un utilisateur qui s’amuse à faire n’importe quoi. Ça, c’est ultra intéressant. Ici, on va avoir les sélections de voies. Donc il aura pas mal de voies différentes que vous pouvez choisir. Moi, je vous invite vivement à rester sur les basiques, donc sur Cartasia, mais il y a pas mal de choix intéressants. D’ailleurs, je sais qu’ici un des fondateurs de la plateforme Rounded a fait dupliquer sa voix. Je crois qu’il s’appelle Yas aussi. Et là, il a fait Yes 11. Donc si à un moment donné, vous voulez que ce soit votre voix qui soit au téléphone ou la voix d’un des clients ou des entreprises, et bien vous pouvez le faire sur Eleven Labs qui est un autre outil que je vais pas aborder ici. Vous pouvez simplement dupliquer la voie et venir l’intégrer directement ici. Nous, on va rester sur quelque chose de basique. Je vous invite à regarder un peu, à prendre les voix qui sont les plus sympas en français.

Ensuite, dans le « Transcriber Selection », on va rester sur Azure. Donc le Transcriber, c’est quoi ? Faut comprendre que les plateformes comme Rounded ou les autres plateformes en général, ce qu’elles font, c’est que ce sont des plateformes qui viennent unifier plusieurs technologies. En soit, Roundit, c’est pas une intelligence artificielle à proprement dite. C’est une plateforme qui utilise plein de technos différentes pour nous donner la capacité de créer ces fameux agents. Vous le voyez là, il nous donne la capacité de nous connecter au service d’OpenAI pour avoir le cerveau. Il nous donne la capacité de venir sélectionner une voie avec Clara. Je pense qu’il passe par peut-être Eleven Labs, je sais pas. Faudrait vérifier. Il nous donne la capacité de faire de la transcription. En fait, à chaque fois, ça va être un service différent qui va être utilisé quand vous parlez au téléphone. Et bien, il y a plein de technologies qui rentrent en jeu. La première techno, c’est le fait que votre speech, donc votre parler, va être transcrit directement par la technologie. Et là, ils vont utiliser le service d’Azure qui est probablement le meilleur service sur le marché pour faire la transcription actuellement. Ensuite, à partir du moment où il y a la transcription de votre voie, il y a cette transcription qui est envoyée au modèle GPT41 qui va comprendre directement ce qui est en train d’être écrit, comprendre la situation avec tout ce qu’on sait des agents IA, et renvoyer une réponse texte. Cette réponse texte, par la suite, va être prise normalement par un service comme Eleven Labs ou le service que utilise Roundit derrière pour venir transformer ce texte en speech vocal, ce qui nous amène la réponse. Et en fait, Rounded, ce qu’ils font, c’est qu’ils viennent marier, ils viennent unifier ces différentes technologies pour nous donner l’expérience finale utilisateur ultra fluide. Et c’est pour ça que là, vous voyez, vous avez la possibilité de venir choisir différents services qui vont chacun avoir leur importance dans la solution finale.

Ensuite, à partir du moment où on a choisi la transcription, ici dans le langage, vous pouvez venir mettre la langue qui vous intéresse. Nous, ce qui nous intéresse, c’est le français. Et ensuite, bon bah, vous pouvez mettre le prompt global ici, ce qu’on ne va pas faire parce que nous, on va le mettre directement dans les tâches. Et vous voyez en dessous que vous avez pas mal de fonctionnalités différentes. Vous pouvez mettre du vocabulaire custom, donc que vous allez personnaliser selon ce que vous faites. Ça peut être intéressant. Vous avez la possibilité de connecter des webhooks. C’était notamment ça qu’on allait utiliser quand on allait venir faire la connexion avec Make, mais avec les nouvelles intégrations, il y aura pratiquement pas besoin. Ça reste intéressant dans certains cas de figure où il y aurait pas les intégrations ajoutées directement. Mais normalement, je pense que sur 2500 intégrations qui seront ajoutées, vous devriez trouver ce que vous cherchez comme sur NN. Mais au cas où vous trouvez pas l’intégration déjà préfaite, et bien vous avez la possibilité de le faire vous-même. Je vous laisserai explorer les différentes fonctionnalités dans le détail. Nous, on a déjà fait ce qu’on avait besoin ici.

Maintenant qu’on a créé, qu’on a fait les settings globaux de notre agent IA, ce qu’on va commencer à faire, c’est qu’on va créer les différentes étapes. Donc là, hop, en cliquant ici, vous voyez qu’on a une fenêtre qui s’ouvre, et ici, c’est exactement comme sur NN. Sur NN, notre agent, on lui donnait des compétences, et pour chaque compétence, on lui expliquait à notre agent global comment est-ce qu’il devait utiliser cette compétence. Et c’est exactement ce qu’on va faire ici. À chacune des compétences, on va venir mettre un prompt complet en utilisant le prompt engineering pour que notre agent IA comprenne ce qu’il doit faire à cette étape. Vous pouvez le voir pour chacune des tâches, ce qui est cool c’est qu’ils nous ont donné pas mal de flexibilité, notamment le fait qu’on peut choisir le modèle selon la tâche, donc selon la complexité de la tâche ou selon le besoin d’intelligence qu’on a de notre agent IA, et bien vous pouvez venir modifier. Et ça, au-delà de pouvoir avoir des étapes de plus en plus performantes, on va pouvoir jouer avec les coûts. Si, par exemple, à une étape, on a juste besoin qu’il aille checker une information dans une base de données ultra basique, et bien on peut aller venir mettre un modèle qui est un peu moins coûteux. Si, par exemple, on a besoin qu’il raisonne et qui comprenne ou qui soit un peu plus force de proposition, on peut mettre un modèle un peu plus avancé. Nous, on va se contenter de mettre GPT41 ici.

Donc là, on va venir maintenant mettre notre prompt, et ici, cette première tâche sera tout simplement l’accueil de notre agent. Son but sera d’accueillir les utilisateurs, de leur expliquer ce qu’est le menu et de répondre à leurs questions. Et donc ce qu’on va faire ici, c’est qu’on va venir lui mettre tout le prompt qui va lui servir à faire cela. Donc j’ai déjà le prompt qui est prêt que vous pourrez récupérer avant, mais on va le regarder ensemble rapidement. Donc je vais simplement le copier-coller. Et on voit ici qu’on est venu faire un prompt complet. Donc on l’a dit : « ton objectif est de qualifier la raison de l’appel du client et de le rediriger immédiatement vers la tâche appropriée. » Pourquoi ? Parce que vous allez le voir après dans le flow de construction qu’on va avoir deux tâches distinctes, notamment la tâche « information » et la tâche « prise de commande ». Et en fait, notre agent va, selon ce que va lui dire l’utilisateur, raisonner et comprendre laquelle de ces tâches va être intéressante. Pourquoi ce flow de conversation est aussi intéressant ? C’est qu’en fait, on va pouvoir maîtriser un peu plus la conversation et s’assurer qu’il comprennent exactement ce qu’il doit faire, et surtout on va pouvoir améliorer la performance de chacune des tâches étant donné que chacune des tâches aura son propre prompt, ses propres outils et ses propres variables. Là où ce que vous aviez vu par le passé sur Vapi, c’était un seul et unique grand prompt, ce qui minimisait, si vous voulez, la marge de manœuvre et la flexibilité qu’on avait sur la solution. Donc l’objectif, c’est celui-là. Les instructions à suivre sont simples : c’est essayer de comprendre la raison de l’appel. Voici les possibilités : l’utilisateur souhaite passer une commande à emporter, va immédiatement sur l’étape « prise de commande ». Donc on va le voir juste après. On va d’ailleurs copier la variable qui va nous être utile sans rien dire. Ne dis pas genre « mon équipe » tout de suite ou une autre phrase de ce type. Donc là, c’est une démonstration, mais vous, dans votre cas de figure, à vous de jouer un peu avec le prompt engineering jusqu’à ce que vous ayez l’expérience qui vous semble optimale. L’autre option, c’est que l’utilisateur cherche des informations générales sur le restaurant : horaire, menu, adresse, option végan, va immédiatement à l’étape « information » sans rien dire. Donc on va le voir juste après. Si l’appel ne concerne autre chose que ces deux raisons, informer poliment que l’agent ne peut pas aider pour ces services, mais que d’autres questions peuvent être adressées directement au restaurant en appelant à un autre moment. Donc là, à vous de vous amuser un peu avec le prompt. Donc là, on lui explique, on lui dit comment les transitions doivent avoir lieu, on lui dit ce que tu dois faire. Attention donc, respecte bien toutes les étapes ci-dessus pour garantir un processus fluide et naturel, et les règles à respecter. Dans ce nœud-là, vous allez mettre toutes les informations pour que lors de l’accueil, ça se passe bien.

Une fois que vous avez fait ça, on va pouvoir construire notre deuxième étape, les fameuses deux autres étapes. Et pour ça, on va venir ajouter les deux tâches. Donc hop, on va venir les connecter directement. C’est un peu le même concept que NN au final. On va venir les connecter. Je sais pas pourquoi ça a buggé. Hop là, on va venir connecter notre deuxième tâche. Et du coup, comme l’a très bien fait Mathieu, on aura une tâche « instruction », enfin une tâche « prise de commande » et une tâche euh « information ». Donc là, ça bug encore une fois. On va refaire la connexion. Ça devrait jouer normalement. Hop, on va la mettre ici. Et on va venir ouvrir notre première tâche. Ici, on va renommer la tâche directement. C’est important de renommer la tâche pour deux raisons. Non seulement pour que vous, la personne qui est en train de build la solution, vous vous y retrouviez parce que vous pouvez ajouter jusqu’à plus de 15 compétences si vous voulez. Vous pouvez mettre plein d’intégrations. Là, je suis en train de vous faire une démo relativement simple comme ça tout le monde arrive à la remettre en place par la suite, mais sachez que vous pouvez en avoir énormément des tâches et des compétences, et du coup, c’est ultra important pour vous pour vous y retrouver, mais c’est surtout ultra important pour votre agent IA. C’est comme sur NN, on vient nommer chacun des nœuds, on vient nommer chacune des tâches pour qu’après ici dans l’accueil, comme vous l’avez vu, on y fait référence. Donc là, si on descend, on voit qu’on lui explique qu’il doit utiliser le nœud ou la compétence « prise de commande ». Et c’est pareil ici, on va lui dire qu’il doit utiliser le nœud « information ». Et si vous nommez pas ou si vous nommez mal, et bien l’agent comprendra pas quel est l’outil qui doit utiliser. Donc là, on vient nommer ici. Et pour notre deuxième tâche, on va l’appeler tout simplement « information ».

Maintenant que vous avez nommé les deux compétences, et bien il va falloir faire exactement ce qu’on a fait dans l’accueil et ce qu’on a fait sur Nem. Donc on va venir cliquer ici, on va venir sélectionner un modèle, on va venir sélectionner un prompt donc qui est déjà prêt qu’on va tout simplement copier. Donc on va venir cliquer là, et je vais vous copier le prompt tout de suite. Là, on va venir copier le prompt, et là on va voir que l’objectif de cette tâche est de permettre au client de choisir ses plats et boissons dans le menu. L’agent doit s’assurer que chaque élément correspond bien à un item du menu et demander des précisions en cas d’ambiguïté. Ensuite, on lui a mis directement le menu dans le prompt. On l’a fait là pour que ce soit un peu plus simple et que la démo fonctionne tout de suite. Donc vous avez ces deux options, soit dans la base de connaissance, soit directement dans le nœud. Vous pouvez commencer par le mettre directement dans le prompt que ce soit plus simple, mais si le menu est un peu plus complet comme celui qu’on l’a vu, c’est intéressant de le mettre dans la base de connaissance. Donc là, vous voyez qu’il y a toutes les informations. Pour la démo, ce sera parfait. Donc les desserts, les boissons, et on lui donne les instructions de comment est-ce qu’il doit utiliser ce nœud-là. Donc dans les instructions, on va lui expliquer qu’en gros il doit démarrer la prise de commande à partir du moment où il a été accueilli par le premier nœud et qu’il a demandé à passer la commande. Ensuite, il doit venir vérifier chaque élément commandé. Donc pour chaque plat, boisson mentionné par le client, vérifie s’il existe dans le menu, si le client utilise un terme imprécis ou ambigu. Exemple : un risotto, bah demander une précision sur la variante demandée. Ça, on va le voir dans la démo. C’est par exemple, je lui dis : « Je veux un burger », mais qu’en fait ils ont plusieurs burgers. Il faut que l’agent comprenne qu’il doit lui demander quel est le burger exact qu’il veut. Pareil pour le risotto, et ensuite vous aurez toutes les instructions. À partir du moment où on a choisi, il va venir confirmer la fin de la commande, et si il confirme la commande, en tout cas si l’utilisateur confirme la commande, et bien on va utiliser la tâche suivante, le nœud suivant qu’on va créer par la suite qui sera la confirmation de commande. On peut lui dire ce qu’il doit faire, ce qu’il doit pas faire. Donc dans les instructions, on doit toujours vérifier que chaque plat est bien dans le menu avant de l’ajouter, et cetera, et cetera. Ça c’est vraiment l’importance du prompt engineering. J’ai fait une vidéo entière de plus de 3 h aussi, une autre formation qui est disponible sur ma chaîne où je vous explique justement comment utiliser le prompt engineering, comment le maîtriser. Et souvent ce qu’on va faire dans ces étapes-là, c’est qu’on va faire des systèmes prompts. Donc c’est des prompts systèmes qui sont beaucoup plus avancés que le prompt engineering classique qui vont venir être utiles dans des solutions comme celle-ci, dans les automatisations, dans les différentes applications qu’on utilise. Donc à partir du moment où vous avez fait ça, on va pouvoir aller dans les informations et faire la même chose. C’est important de connecter les deux nœuds entre eux parce que en fait on va simplement donner la possibilité à notre agent de switcher entre les deux. Si ça se trouve, des fois on a besoin d’information, des fois il y a besoin de faire la prise de commande, et le fait de venir les connecter comme ça ça permet à notre agent de faire la liaison entre les deux. Sinon, c’est simplement un flow de suivi de conversation comme celui-ci. Donc maintenant, on va venir mettre le prompt dans « information » qui va être relativement similaire dans l’idée à ce qu’on a vu jusqu’à présent. Donc, on garde notre modèle 41. Encore une fois, à vous de vous amuser avec le modèle, sachant que d’ailleurs, je vous ai pas montré, mais vous avez une estimation…

De combien va vous coûter votre agent ? Comme je vous l’ai expliqué avant, et c’est l’importance de comprendre que des plateformes comme Rounded viennent mélanger plusieurs technologies.

Pourquoi est-ce que ça coûte 0,125 € la minute ? C’est parce qu’en fait, c’est les coûts d’utilisation des API des autres services. Là, on voit que, par exemple, le fait qu’on ait sélectionné 4.1 ici, et bien c’est facturé à 0,045 par les services d’Open AI. C’est pareil pour le synthétiseur, c’est pareil pour le transcriber.

Alors, pour ceux qui ne savent pas, le synthétiseur, c’est ce qui vient transformer du texte en speech. Donc, c’est ce qui permet à notre agent de parler à l’oral comme nous. Le transcriber, c’est ce que je vous ai expliqué. C’est ce qui transforme le parler de l’utilisateur en texte. Ce qui permet ensuite à notre service de Chat GPT, enfin d’Open AI, de venir raisonner avec cette information-là. Et finalement, forcément, il y a les coûts de Rounded, donc de la mise à disposition du numéro de téléphone, de 0,02 au total.

Ça nous fait ça par minute, mais vous pouvez venir, surtout vous amuser à ce niveau-là pour diminuer ou augmenter le prix selon votre convenance. Donc, dans les informations, on va venir mettre notre prompt comme on l’a fait juste avant. C’est la même chose. L’objectif de cette tâche est de répondre aux questions du client concernant les informations générales du restaurant en fournissant des réponses précises et adaptées. Donc les horaires d’ouverture, les options qui y a à disposition, l’adresse, etc., etc. Encore une fois, vous pouvez faire tout ça dans les bases de connaissances directement.

Donc, maintenant que notre agent est capable de prendre des commandes et qu’il est capable de répondre à des informations, on pourrait déjà faire un test ici comme on l’a fait sur Nuten, et c’est ce que je vous recommande de faire. Mais pour que la vidéo ne dure pas 10 h complètes, et bien on va aller un peu plus vite cette fois-ci. On va venir connecter notre nouvelle tâche qui va être cette fois-ci beaucoup plus intéressante que ce qu’on a vu jusqu’ici. Donc, on va l’appeler « prise de commande ». Encore une fois, c’est important la nomenclature pour que nos agents s’y retrouvent. Donc « prise de commande » juste ici. On va mettre le GPT4O. On va venir mettre un prompt qu’on a préparé.

Dans tous les cas, tous ces prompts seront disponibles directement dans le guide ou directement dans le template quand vous allez l’utiliser. Donc vous les aurez, vous n’aurez pas besoin de me demander les prompts, ils sont dans le template, ne vous en faites pas. Et l’objectif ici, contrairement à ce qu’on a vu jusqu’à présent, ça va être de venir vérifier que la commande a bien été enregistrée et de faire des actions sur les différentes autres plateformes. Et c’est là que ça devient très intéressant.

Comme je vous l’ai dit, historiquement, pour faire toutes ces différentes actions, il fallait toujours passer par make.com. Donc ça, c’est une automatisation entre guillemets, c’est une connexion de plateforme pour plus qu’une automatisation. Là, c’est le web hook. Si on clique dessus, normalement on devrait trouver le web hook directement de Rounded. Donc là, je ne l’ai pas fait, mais normalement, à moi de venir sélectionner le web hook de Rounded. Et ensuite, il y a les connexions avec Google Sheet.

Pourquoi Google Sheet ? Parce que Mathieu nous a mis à disposition également un superbe calculateur de prix. Pourquoi ? Ça, c’est optionnel, vous n’êtes pas obligé de l’ajouter au début. Ne le faites pas quand vous allez tester votre agent vocal au début, mais vous pouvez le faire par la suite. Là, ce qu’on fait en fait, c’est qu’on met à disposition comme compétence, comme outil de notre agent vocal, un calculateur. Et en fait, ce que vous allez faire, c’est que vous allez venir, là, je vous ai mis quelques exemples, mettre tout le menu du restaurant ici, donc le nom exact des items. Donc, il suffirait de venir récupérer ce qu’on a mis juste avant dans cette étape. Donc là, par exemple, nous : yo bœuf sauté avec oignon caramélisé 14,90. Et bien ce qu’il faudrait faire, c’est venir mettre tout cela dans notre template, enfin dans notre Google Sheet. Ce qui va permettre en fait à notre agent IA à la fin de l’appel de faire le calcul total de la commande et de le dire aux utilisateurs. Pourquoi il peut faire ça ? Parce qu’en fait, on fait un appel d’API. Donc là, vous voyez que dans le prix ici, c’est une variable qui va venir donner la compétence. Donc là, ça peut faire un peu peur comme ça, mais qui va venir donner la compétence à notre agent IA de faire ces différents calculs.

Donc, comme je vous l’ai dit, historiquement, il fallait faire cette connexion par exemple avec une compétence comme celle-ci via make.com parce qu’on connecte à une plateforme extérieure. Mais avec la nouvelle plateforme, enfin les nouvelles fonctionnalités de Rounded, vous n’avez plus besoin de faire ça. Il vous suffit simplement de venir dans « add tool » ici, donc ajouter une compétence au nœud lui-même, et vous voyez qu’il y a pas mal de compétences, notamment « hangup » qui va nous intéresser qu’on ajoutera juste après. Mais vous voyez surtout qu’on a la bibliothèque des intégrations, et si vous cliquez dessus, vous avez toutes les intégrations qui vont s’ouvrir. Par exemple, on pourrait venir utiliser Google Sheet. Normalement, si je mets « Google », je pense qu’il devrait y avoir pas mal de choses qui vont sortir. Il ne nous a pas sorti Google Sheet. Donc on va aller jusqu’au bout. Et là, bah typiquement dans ce cas de figure-là, je viendrai cliquer sur Google Sheet. Et vous voyez que, exactement comme sur NN, exactement comme sur Zapier, Make, etc., ça c’est assez ouf qu’ils aient fait ça d’ailleurs sur la plateforme, et bien on va pouvoir faire plein de choses. Là, vous voyez que j’ai déjà connecté mon Google Sheet et je pourrais demander simplement de venir ici faire des actions différentes. Ça ça marche pour toutes les intégrations. Et nous, ce qui va nous intéresser ici effectivement, c’est de revenir faire exactement ce que faisait notre automatisation, c’est-à-dire venir « update » une cellule et récupérer des informations d’une cellule. C’est ce qu’on a besoin de faire. Et bien là, vous pouvez le faire directement sur Rounded. Donc là, on mettrait « update cell » et on pourrait ajouter une autre intégration. Si on descend là et qu’on refait la même chose sur Google Sheet. OK, il veut toujours pas. Et qu’on clique sur Google Sheet. Et cette fois-ci, donc on aura un premier outil donc qui va être juste au-dessus là. Vous pouvez ouvrir comme ça, comme vous le voyez ici. Vous pouvez la supprimer également. Et cette fois-ci, on veut récupérer des informations. D’ailleurs, il y a un peu plus que ce que je vous ai montré. « Get cell ». Je ne sais pas si… Ah voilà, c’est celui-là qu’on veut. « Get cell ». Et en fait là, ce qu’on fait, c’est que, sans passer par make.com, on est en train de donner la possibilité à notre agent de faire des actions sur d’autres plateformes. Donc si je reviens ici, maintenant notre agent, il va être capable d’aller faire le calcul des prix et de récupérer des informations. Nous, pour notre exemple, on va l’enlever juste ici parce qu’on ne va pas faire la connexion tout de suite. Voilà.

Donc maintenant, il est capable de confirmer. Par contre, ce qui va être intéressant, c’est que, à partir du moment où il confirme et il prend la commande, on veut donner la possibilité à notre agent de tout simplement raccrocher, donc venir « hangup ». Si on regarde rapidement les autres compétences, ça, ce sont des compétences qui sont déjà préfaites. Donc vous voyez qu’il y a déjà le nom, vous pouvez le changer si vous voulez. « Terminate de call » et vous pouvez changer par exemple la dernière phrase quand même. C’est plus sympa de mettre une phrase de conclusion. Là, c’était écrit automatiquement en anglais « goodbye », mais nous, on va mettre la phrase que j’avais déjà faite en français : « Merci d’avoir commandé chez La Table Gourmande. » Nous, dans notre exemple, c’était chez Donna. Et « au revoir ». Donc ça, vous pouvez changer dessus. Ça va être la dernière phrase qui va être dite par votre agent vocal. Super. Sauf que ce n’est pas fini, on arrive bientôt au bout. On va pouvoir bientôt tester notre agent vocal. On va ajouter un dernier nœud à notre agent qui va être le nœud qui va permettre aux utilisateurs de modifier leur commande. Pourquoi ? Parce que nous, les humains, on est indécis comme pas possible. Et si ça se trouve, pendant que je suis en train de parler au téléphone, et bien il y a mon pote qui va me dire : « Ah non, finalement, je ne veux plus des nouilles sautées, je veux des frites. » Bon, bah il faut avoir la possibilité de dire à l’agent : « Écoute, j’aimerais changer. » Et c’est précisément à ça que va servir ce dernier nœud et notre dernière fonctionnalité qu’on va donner à notre agent.

Donc, comme d’habitude, on va venir mettre ici le prompt complet. D’habitude, on va le renommer. Donc là, j’ai pris le temps, je ne voulais pas juste vous présenter le template fini parce que je voulais vous montrer tout le processus de réflexion et de création de ces agents vocaux pour vous montrer qu’en fait, même si là, comme ça, ça peut faire peur entre guillemets, ou sur le Figma que je vous ai montré avant, on voit juste un screenshot et on se dit « Waouh, ça a l’air compliqué », et bien une fois qu’on a fait chacune des étapes ensemble, on se rend compte que c’est relativement simple. À aucun moment, j’ai eu besoin de coder. J’ai juste besoin de venir comprendre quel va être le flow de conversation des utilisateurs. Et pour ça, je vous recommande vivement, s’il vous plaît, avant de passer à la construction, et c’est ce que j’explique dans l’académie lors de la préparation d’une solution, prenez le temps de venir mapper les solutions que vous allez créer. Ne commencez jamais, quand vous faites pour une entreprise, pour un client ou même pour vous-même, ne commencez jamais à mettre les mains directement dedans pour créer une solution. Alors, si vous développez vos compétences et vous apprenez à maîtriser les outils, faites. C’est très bien. Vous pouvez commencer directement dans le dur et, par la suite, vous pourrez itérer et voir ce que vous allez faire. Mais quand vous préparez une solution pour vous qui va être plus ou moins complexe ou pour un client, venez mapper votre solution avant de le faire. C’est quoi « mapper » ? C’est aussi bête que dire : « Voilà, étape 1, on a besoin d’accueillir le client, étape 2, on a besoin de prendre la commande. Ah, mais en fait, pendant que je prends la commande, il faut avoir la possibilité de donner des informations. » Et ben, on se rend compte qu’en fait, il y a deux étapes simultanément. Et avant de passer au coding, au développement de la solution, ce que nous, on est en train de faire en live ici sur Rounded, et bien il faut mapper. En fait, c’est aussi bête que dire les étapes, comprendre les étapes. Et en fait, ça fait que déjà vous avez une documentation de la solution que vous êtes en train de créer. Ça veut dire quoi ? Ça veut dire que si demain euh votre solution elle est prête et que vous vous arrêtez ou que vous voulez déléguer ou que vous voulez expliquer, et bien vous avez un endroit qui explique chacune des étapes. Mais surtout, vous allez pouvoir prendre le temps de planifier avant de passer à la construction. Ce qui vous permet de vous assurer que votre client est d’accord et d’éviter des erreurs lors de la construction ou de plus vous y retrouver. Donc, prenez toujours le temps, en gros, de réfléchir avant de développer. En général, dites-vous qu’une minute de réflexion, c’est à peu près 10 minutes de production. C’est 10 minutes que vous passez à développer. Plus vous prenez du temps à réfléchir et à planifier avant, plus rapidement vous aurez votre solution en place.

Donc voilà, maintenant on va pouvoir revenir ici. « Modification commande ». Donc on va l’appeler, hop, on va enlever ça. « Modification commande », comme ça il va comprendre. Et le prompt, c’est relativement la même chose. C’est : « L’objectif de cette tâche est de permettre au client de modifier sa commande initiale en intégrant les corrections dans la variable choix menu. » Et en fait ça, la variable, c’est ce qu’on va ajouter juste ici en bas dans notre agent IA. La variable, c’est l’endroit où les informations, les données, si vous voulez, qui sont données par l’utilisateur vont être récupérées. Pourquoi c’est une variable ? Parce que ça peut changer d’utilisateur à utilisateur, ce n’est pas quelque chose de fixe. Si vous ne mettez pas de variable et que vous dites juste un exemple de restaurant, et bien ça va être la même chose pour tous les utilisateurs. Nous, on veut que chaque utilisateur, bah forcément, il va avoir une information différente, et donc on va mettre une variable. Comment est-ce qu’on crée ces fameuses variables ? On vient cliquer sur « variable », et dans « variable », nous, on va en créer une nouvelle. Donc là, on voit qu’il y a le numéro. Il y a déjà des variables qui sont créées. Vous pouvez créer vos propres variables, et nous, on va l’appeler alors « choix menu ». Et ça, c’est les informations, c’est littéralement la commande que je vais passer juste après. Hop, tout ce que vous avez à faire, c’est cliquer sur ça, et du coup, maintenant, vous avez la possibilité de venir créer votre variable, en tout cas de connecter la variable que vous venez de créer directement ici.

D’ailleurs, comme je vous l’ai dit tout à l’heure, vous avez la possibilité de venir connecter aussi votre base de connaissance. Si vous ne voyez pas votre base de connaissance s’afficher ici, c’est que vous ne l’avez pas encore créé ici. Typiquement, tout à l’heure, je fais juste un petit aparté. Quand j’avais créé cette base de connaissance-là, et bien là, il m’aurait suffi de mettre « Donna » pour que la base de connaissance s’appelle « Donna ». Ici, j’aurais pu ajouter tous les PDF que j’aurais voulu ajouter, que ce soit les informations sur le menu, sur le restaurant, etc. Et une fois que j’ai ajouté toutes ces informations-là que j’avais d’ailleurs téléchargées juste ici avant, mais que je ne vais pas mettre pour ne pas me faire poursuivre par le restaurant Donna, et bien euh ici, dans « agent », dans notre agent d’avant, donc si on revient sur notre agent qu’on était en train de créer ici, on clique, et bien vous voyez que là, normalement, la base de connaissance de Donna est là, et en fait, vous pouvez créer la base de connaissance d’abord avec tous les fichiers et la lier à différents agents. Potentiellement, vous pourriez avoir plusieurs fichiers de connaissance, en tout cas plusieurs bases de connaissance pour plusieurs agents de plusieurs restaurants différents. Potentiellement, vous pourriez d’ailleurs avoir plusieurs bases de connaissance pour un seul restaurant que vous avez envie de lier avec plusieurs agents. Un restaurant, on pourrait avoir peut-être des, je ne sais pas moi, un agent pour prendre les commandes, mais un agent pour faire des réservations, pourquoi pas ? On pourrait avoir le même agent qui fait les deux d’ailleurs. Mais ce qui veut dire qu’on pourrait avoir besoin d’utiliser la même base de connaissance, et le fait de séparer ça sur Rounded, ça vous permet de réutiliser cette base de connaissance. Donc là, on va cliquer sur « Donna ». En fait, non, on ne va pas cliquer sur « Donna » étant donné qu’on ne l’a pas créé, mais vous avez l’idée. Par contre, on va venir clairement ajouter notre variable qu’on a créé juste avant. Donc une fois que vous avez ajouté la variable, on va expliquer à notre agent comment est-ce qu’il doit utiliser cette variable, et on va cliquer ici. Et en gros, je lui explique simplement donc dans la phrase d’extraire l’ensemble de la commande de l’utilisateur. Une fois que vous avez fait ça, vous pouvez venir… Bon, je crois que la sauvegarde se fait automatiquement, ce qui n’est pas le cas sur NN. Donc attention quand vous utilisez NN ou Make, d’ailleurs, il faut toujours sauvegarder, sinon vous allez perdre tout ce que vous faites. Et là, je crois qu’on arrive gentiment au bout de notre solution où on va enfin pouvoir faire un premier test. Je crois juste qu’on doit ajouter une variable dans la prise de commande pour être complet. Je ne pense pas l’avoir fait. Donc on va venir l’ajouter juste ici. Et on va l’appeler « confirmation de commande », ce qui va nous permettre de valider à la dernière step. Sauf que cette fois-ci, ça va être du poéan. Et là, on vient ici, on vient ajouter notre fameuse variable qu’on va s’afficher juste ici. Et on va expliquer ce qu’il doit faire avec cette variable. Et on doit lui dire : « Tu dois prendre en gros les informations du client. On veut que tu prennes… S’il confirme en fait, on veut que l’agent IA demande comment est-ce que s’appelle le client, quels sont son numéro de téléphone, son email. Pourquoi est-ce qu’on fait ça ? Exactement comme dans le premier agent, on a besoin de confirmer la personne pour pouvoir l’ajouter directement à notre CRM par la suite et faire la réservation de la commande. Ça nous permet aussi, en récupérant l’email et le numéro de téléphone, même si on l’a déjà, de faire des actions un peu plus par la suite que je vous montrerai juste après. » Mais on va déjà venir tester normalement notre agent qui est complet pour voir un peu ce que ça donne. Pour ça, je vais mettre mon petit casque. J’espère que vous m’entendez toujours, et on va venir faire un test avec notre agent IA. Donc d’ailleurs, je ne vous ai pas dit tout à l’heure, mais c’est important de venir tester à chacune des étapes, comme avec NN, les différentes informations que vous avez ajoutées, et pour ça, vous avez cette possibilité ici de venir tester votre agent directement à travers l’interface web avant de tester avec le téléphone qui vous coûtera un peu plus d’argent. D’ailleurs, je crois que ça débite aussi un peu d’argent ici, mais comme vous pouvez voir, vous avez 10 € offerts directement, ce qui vous permet largement de faire des tests et de mettre en place des agents avant de mettre en production pour des clients. Donc là, on va tester.

Bonjour, que puis-je faire pour vous ? Bonjour, je voulais passer une commande et je voulais avoir quelques informations sur le menu que vous proposez, sur les informations, enfin les différents plats que vous proposez dans votre restaurant. Je vous écoute pour vos questions. Nous proposons une cuisine variée avec des options pour tous les goûts, y compris plusieurs plats végan comme un burger aux légumes grillés, un risotto aux champignons et un curry de légumes au lait de coco. Si vous souhaitez des détails sur d’autres plats ou sur notre carte complète, n’hésitez pas à me préciser ce que vous recherchez. Avez-vous d’autres questions sur notre menu ou souhaitez-vous des informations complémentaires ? C’était quoi le plat que tu m’as dit avec le lait de coco ? Il s’agit du curry de légumes au lait de coco, un plat végan composé de légumes frais mijotés dans une sauce au lait de coco parfumé. Souhaitez-vous plus de détails sur ce plat ou sur un autre ? Puis-je vous renseigner sur autre chose ? Non, je pense que je vais passer commande et que je vais vous prendre ce plat-là, légumes au lait de coco. Ça me paraît assez intéressant. Je pense que je vais vous prendre ce plat. Très bon choix, je note. Je suis désolé, mais le curry de légumes au lait de coco n’est pas proposé dans notre menu actuel. Nous avons cependant des options végétariennes comme les nouilles sautées au tofu et sauce soja, le burger végétarien aux légumes grillés et sauce basilic, le risotto aux champignons et huile de truffe ou encore les tacos végétariens aux haricots noirs et avocat. Souhaitez-vous choisir l’un de ces plats ou souhaitez-vous que je vous détaille les options végétariennes disponibles ? Non, je ne suis pas végétarien donc il n’y a pas de souci par rapport à ça. Mais je vais vous prendre un burger par contre. Nous avons plusieurs burgers à la carte : burger de bœuf à la raclette fondu, burger de bœuf classique avec cheddar et cornichon, burger de poulet croustillant avec sauce BBQ, burger végétarien aux légumes grillés et sauce basilic. Lequel souhaitez-vous ? Je vais vous prendre le burger avec la raclette. Très bien. Je note un burger de bœuf à la raclette fondue. Souhaitez-vous ajouter un accompagnement, une boisson ou un dessert à votre commande ? H … pourquoi pas ? Vous avez quoi comme dessert ? Voici nos desserts : moelleux au chocolat cœur coulant, tartelette au citron meringué, panacotta à la vanille et coulis de fruits rouges, cheesecake au spéculos. Lequel souhaitez-vous ? Je vais vous prendre le cheesecake au spéculos comme vous dites. Parfait. Je note un cheesecake au spéculos en dessert. Souhaitez-vous ajouter une boisson ou autre chose à votre commande ? Bah, étant donné, vu que vous êtes une très bonne vendeuse et que vous n’arrêtez pas de me proposer des choses en plus, bah avec plaisir, vous avez quoi comme boisson ? Merci pour votre gentillesse. Voici nos boissons softs : Coca-Cola, Coca-Cola Zéro, sprite, jus de pêche, eau plate, eau gazeuse, jus d’orange pressé, bière artisanale, bière blonde locale, bière, bière IPA. Souhaitez-vous l’une de ces boissons ? Je vais vous prendre un sprite comme vous dites. Je note un sprite pour la boisson. Souhaitez-vous ajouter autre chose à votre commande ? Non, c’est c’est tout bon. Je pense que ça suffit comme ça. Je veux passer la commande maintenant. Je finalise votre commande. Votre commande est donc composée d’un burger de bœuf à la raclette fondue, d’un cheesecake au spéculos et d’un sprite. Je passe à la confirmation de votre commande. Allô, vous êtes là ? Toujours là. Toujours là. Merci pour votre confirmation. Votre commande est bien notée : un burger de bœuf à la raclette fondue, un cheesecake au spéculos et un sprite. Je passe à la confirmation de votre commande. Super. Super.

Allô, vous êtes là ? Toujours là. Merci d’avoir commandé chez Dona. Au revoir. Au revoir. Incroyable les amis. J’espère que vous avez pu entendre tout ça.

Alors, il y a eu à des moments un petit peu de latence. Pourquoi est-ce qu’il y a eu de la latence ? C’est qu’en fait, dans les instructions, dans les différents nœuds qu’on lui donnait, par exemple ici dans la prise de commande, je lui dis de demander le nom, le, enfin les différentes informations sur l’utilisateur. C’est pour ça que quand il réfléchit, sachez que quand votre agent réfléchit ou prend du temps à répondre, c’est qu’il est en train en fait d’effectuer des tâches sur des compétences externes, par exemple sur les intégrations.

Et là en fait ce qui se passait avec notre agent IA, c’est que quand il m’a demandé pour la confirmation dans le prompt, normalement on lui demande juste ici dans la prise de commande, on lui demande de confirmer bien le nom, prénom, les informations de l’utilisateur. Et vu que je l’ai pas encore connecté à des plateformes où il peut mettre ces informations-là, par exemple un Google Sheet où il peut mettre le nom comme on l’a fait sur NN, le nom, l’email, le numéro de téléphone, la commande, et bien l’agent en fait tournait dans le vide à cette étape-là. Il, enfin il savait pas où il devait noter l’information parce qu’il trouvait pas la compétence et du coup c’est pour ça que ça prenait du temps à répondre.

Mais je sais pas si vous avez vu la qualité de l’échange, elle est incroyable. Dans le sens où ce qui est superbe avec ces agents, c’est que contrairement, entre guillemets, à des humains, c’est que potentiellement il va pouvoir vraiment suivre un script précis, dans le sens où à chaque fois que j’ai mis une commande, et bien il meupselle. Il me dit « Est-ce que vous voulez quelque chose en plus ? Est-ce que vous êtes sûr que vous voulez rien ? » Il me présente les autres informations du menu et ça, alors un humain qui est bien formé, bien entendu qu’il le fait, mais c’est juste pour montrer les capacités de ces agents, jusqu’où ils peuvent aller.

Sur la fluidité de l’interaction, vous avez la possibilité de l’améliorer en choisissant les bons modèles, mais surtout en choisissant les bonnes voies. Maintenant, pour ceux qui, qui vont dire « Oui mais ça ressent, on voit que c’est une IA, on voit que c’est pas un humain, c’est exactement le but de ces solutions. » Faut comprendre que nous, quand on crée des solutions ou les différents membres de l’académie quand ils créent des solutions, le but n’est pas de mentir à l’utilisateur final. Le but n’est pas de faire croire que c’est un humain alors que ça ne l’est pas. Le but c’est d’être toujours transparent. Au contraire, nous, souvent on trouve que c’est plus pertinent pour les boîtes de mettre en avant que c’est un agent.

Et comme vous l’avez vu là, c’est moi qui appelle un restaurant pour prendre une commande. Donc c’est moi qui a un besoin. Peu importe qu’à la fin de l’histoire ce soit un humain ou un système informatique, parce que c’est un système informatique qui est derrière, je m’en fiche. Par contre, il y a certaines situations où effectivement ça peut être délicat d’avoir un agent IA. Par exemple, si vous appelez le support et que vous êtes très énervé et qu’on vous met juste un agent vocal IA et qui a aucun moyen d’aller vers un humain, et bien là, ça peut être ennuyant. On peut se dire « Non mais là c’est, on se fout de ma tête, on met pas un véritable humain et cetera. » Donc à vous d’avoir, si vous voulez aussi la flexibilité et la sensibilité de vous dire que dans ce cas de figure, on s’en fiche que ce soit un système informatique parce qu’on veut juste que l’utilisateur, il a une superbe expérience. Ce qui a été le cas là. J’ai une question, j’avais besoin de prendre une commande. Si on peut prendre ma commande au plus vite et que on me répond, et bien je suis très content. Là aussi ça avait été un humain. Potentiellement personne m’aurait répondu. Peut-être que j’aurais pas eu de réponse, peut-être que l’expérience aurait pas été folle. Donc là, je suis très content d’avoir un système informatique.

Maintenant, si j’appelle euh le support d’une boîte et que tout de suite ou que j’ai que la possibilité d’avoir un agent IA, même s’il me répond aussi bien qu’un humain, et bien le seul fait de savoir que c’est un agent IA, ça risque de me frustrer. Donc à vous d’avoir une certaine sensibilité à ce niveau-là.

Donc comme je vous l’ai expliqué, quand il prend un peu de temps à réfléchir, c’est parce qu’en fait on lui donne des instructions à faire mais qu’on lui donne pas directement les compétences. Typiquement quand il a pris du temps à réfléchir à la fin, c’était qu’en fait il cherchait à se connecter à ce sheet-là pour faire le calcul, mais nous on lui a pas donné l’outil qui lui permet de faire cela. Donc ce qu’il aurait fallu faire, c’est faire une custom function et faire un appel d’API. Donc là, on aurait pu venir créer ici custom. Hop, on aurait pu mettre vérifier le prix, par exemple. On pourrait appeler vérifier prix. Et en fait là, ce qu’on aurait fait historiquement, c’est de faire un appel directement via un webhook. Donc ici, on aurait fait post et on aurait mis l’URL donc de notre web hook sur M.

Comme je vous l’ai dit, maintenant avec la nouvelle fonctionnalité qui sera disponible, plus besoin ou très rarement besoin de faire des intégrations custom. Tout ce que vous avez à faire, c’est d’ajouter votre intégration depuis la librairie. Expliquer ce que vous voulez faire par exemple avec Google Sheet. Nous, je vous ai montré ce que je voulais faire avant, mais vous auriez pu aussi faire exactement la même chose que j’ai fait sur N10. Je suis rentré sur le détail dans l’agent que j’ai fait avec Nen. Donc là, je vais pas le refaire sinon la formation va être beaucoup trop longue. La vidéo sera beaucoup trop longue. Mais globalement, c’est le même concept. Là, vous faites la connexion avec Google Calendar, vous mettez connect. Ici, vous allez avoir une fenêtre qui va s’afficher. Bon, je pense pas que vous allez aller la voir sur l’écran. Non, vous allez être redirigé sur Pipe Dream et là tout ce que vous avez à faire c’est de cliquer sur continuer. C’est même plus simple certaines intégrations que sur Nmuten et du coup à chaque fois si par exemple vous voulez que votre agent IA vocal, et bien à partir du moment où il confirme la commande, vous voulez qu’il envoie un mail ou un message WhatsApp, faites exactement ce qu’on a fait avec l’agent NN. Il vous suffit simplement dans le prompt de lui expliquer que quand il confirme, il dise également à l’utilisateur qui va recevoir un email avec toutes les informations ou un message WhatsApp qui lui permet potentiellement euh de modifier euh sa commande, potentiellement d’annuler sa commande. Et ça pour le faire, c’est très simple.

Du coup, tout ce que vous avez à faire, comme on l’a dit, c’est de revenir dans Intégration, mettre WhatsApp ou même Telegram si vous voulez mettre Telegram. Donc vous allez avoir l’intégration Telegram qui s’affiche. Vous allez avoir toutes les actions que vous voulez faire avec Telegram, exactement comme on l’a vu sur N8N. Vous cliquez ici et vous pouvez mettez, vous pouvez envoyer une vidéo, un message vocal. Faites simple pour commencer, envoyer juste un message. Normalement vous devriez avoir send c chat permission. J’imagine que ça doit être celui-ci. Mais bref, si vous vous y retrouvez pas, demandez simplement à chat GPT. Vous mettez la description de votre nœud comme on l’a fait sur NN et votre agent vocal pourra avoir une infinité d’action étant donné que grâce à Round, il a accès à une infinité de plateformes. C’est-à-dire que chaque plateforme a ses propres actions. Et si vous voulez faire ça, faites-le. Commencez simplement par faire l’agent, la, le setup de base de votre agent vocal comme celui-ci. Testez-le comme on l’a fait ensemble avant. Une fois que c’est fait, il vous suffit simplement de le déployer et quand il sera déployé, il sera enfin joignable via le téléphone.

Là maintenant, tout ce que vous auriez à faire ou tout ce que j’aurais à faire, mais je l’ai déjà fait donc on va pas le refaire, c’est d’appeler directement avec votre numéro de téléphone, le numéro qui est attribué à votre compte. Donc là, vous voyez que l’agent a été déployé et là dans le phone number, normalement vous avez votre numéro de téléphone. Il vous suffirait simplement maintenant que votre agent est déployé de venir faire la connexion. Donc si je viens regarder ici, vous voyez que maintenant que j’ai publié mon agent, il est disponible. Si je clique ici, je sauvegarde, et bien la connexion entre mon numéro de téléphone et mon agent vocal est enfin faite. Tout ce que j’ai à faire maintenant, c’est d’appeler ce numéro-là et j’aurai exactement la même interaction que je vous ai montré juste avant.

On arrive enfin gentiment à bout de notre chapitre 2, plus axé sur la pratique grâce aux différents éléments qu’on a vu dans la théorie. Bravo à vous si vous êtes resté concentré jusqu’à là. Je sais que c’est pas toujours facile de revoir. Dans tous les cas, la vidéo sera chapitrée. Donc je vous invite, comme je vous l’ai dit, à sauvegarder la vidéo dans votre navigateur. Comme ça, vous pouvez la retrouver facilement et vous pouvez revenir revisionner les parties. Tous les éléments que je vous ai montré ici, comme je vous l’ai dit, ils seront disponibles. Donc, vous aurez accès à un guide complet qui vous explique les différentes étapes, mais vous aurez aussi accès au template. Idéalement, prenez soin de comprendre des plateformes et démiser. Ce sera beaucoup plus simple pour votre montée en compétence que juste essayer de remettre exactement un template. Surtout que quand vous remettez un template, même si vous avez toutes les informations, même si vous avez tous les prompts déjà mis, et bien vous avez quand même le minimum des choses que vous avez à faire et c’est pareil pour notre agent Initen, c’est de refaire les connexions. C’est pas très compliqué mais ne vous attendez pas à télécharger un template et qu’il soit prêt à être mis en production comme ça. Vous devez toujours refaire les productions, vous assurer que les variables sont fonctionnelles, mais globalement c’est relativement simple.

Donc comme je vous l’ai expliqué dans la fin de la partie théorique, je vous expliquais qu’il y avait une différence importante entre les agents IA conversationnels et les agents IA de workflow. En fait, la différence sert à quoi ? Alors, quand je parle de workflow, je vous parle pas des automatisations des workflow qu’on a vu dans le chapitre 1 purement théorique, mais je vous parle du fait qu’il y a des agents IA qui ne sont pas spécifiquement faits pour de la conversation. Là, je vous ai montré des agents IA conversationnels. Donc, que ce soit l’exemple qu’on a fait via WhatsApp ou que ce soit Rit qu’on a fait à travers le téléphone. Pourquoi ? Parce que c’est souvent les plus simples à comprendre, les plus impressionnants et c’est ceux auxquels on pense tout de suite quand on pense à un agent, on pense à un système auquel on va pouvoir échanger soit par texte, soit par oral avec lui. Mais c’est loin d’être les seuls agents IA utiles. Il y a les agents workflow. On va pas s’attarder à les voir aujourd’hui parce que je pense qu’on a une densité assez importante déjà dans cette vidéo. Mais pour que vous compreniez simplement ce que c’est un agent de workflow, c’est qu’en fait il y a des agents qui vont prendre des décisions tout seul, qui vont faire des actions tout seul sans jamais être confrontés à un utilisateur, sans jamais échanger avec vous, sans jamais échanger avec un client, sans jamais échanger avec un utilisateur final. Et c’est des agents qui sont tout aussi puissants. Et typiquement là sur l’exemple de Tom, notre expert N8N qui nous a créé un agent IA, et bien là, il a créé un agent IA RH qui va venir analyser les CV. Donc ce que je vais faire, c’est que c’est, je vais simplement télécharger le template qu’il a mis à disposition dans l’académie. Donc là normalement, pourquoi est-ce que ça veut pas télécharger ? On va refresh notre petite page et on va faire le téléchargement. Hop, là ça me l’a téléchargé. Je vais ouvrir le fichier. Bon là, ça me l’a dans mon éditeur de code et je vais simplement copier le code. Donc ici par exemple, je vais simplement faire copier-coller et normalement ça va me coller tout le template de l’agent. OK, super. Et en fait cet agent IA typiquement, il est pas forcément trigger par des messages. Il faut comprendre qu’il y a des agents IA qui vont être trigger par d’autres événements. Par exemple, à chaque fois qu’il va recevoir un CV, et bien on va lui donner un certain nombre de compétences et de modèles pour analyser le CV et envoyer une réponse. Donc il a pas forcément besoin d’échanger avec un utilisateur. Par exemple, un autre que j’avais montré précédemment dans une autre vidéo qui était celui de la création de contenu. Et bien là, c’est un agent complet qui va venir créer du contenu sans jamais être en lien ou en communication avec un humain. Là, simplement une fois par jour, il va se déclencher et il va venir à travers plein de modules que vous voyez là différents générer du contenu pour plusieurs plateformes. Et donc, c’est important de comprendre qu’il y a des agents conversationnels comme ceux qu’on a vu qui échangent avec un utilisateur humain, donc soit par texte, soit par vocal. Mais il y a également des agents de workflow comme celui-ci ou comme les agents que Tom crée dans l’académie qui en fait sont juste des humains qui ont, enfin l’équivalent d’humains qui ont une tâche qui vont pas communiquer avec d’autres personnes et qui vont simplement effectuer leur tâche selon soit des triggers, des déclencheurs, soit une régularité dans la semaine, par exemple une fois par jour, une fois par semaine. Et ça c’est très important à comprendre pour avoir une vue complète sur ce qu’il est possible de faire avec ces fameux agents IA.

Voilà, on vient enfin de terminer le chapitre 2 et franchement vous pouvez vous applaudir. Bravo à vous si vous êtes resté jusqu’ici parce que maintenant vous avez normalement toutes les clés en main pour réussir à construire vos propres agents IA. Vous avez vu comment construire un agent commercial capable de gérer les prospects 24h/24, de prendre des rendez-vous automatiquement et même de venir qualifier des leads sans aucune intervention humaine. On a également vu par la suite et découvert comment est-ce qu’on pouvait créer un agent vocal pour l’exemple justement d’un restaurant par téléphone qui allait pouvoir gérer les modifications, calculer les prix si besoin et tout ça avec une expérience client quasi parfaite. À ce stade, vous maîtrisez les fondamentaux théoriques du chapitre 1 et vous avez vu concrètement comment construire des agents IA puissants dans le chapitre 2. Vous comprenez les cinq composants d’un agent, vous savez faire la différence entre un LM passif, un workflow préprogrammé et un agent autonome. Et surtout, vous avez vu ces concepts prendre vie sous vos yeux ensemble avec des outils no code.

Mais maintenant, on arrive à la partie que beaucoup d’entre vous attendent depuis le début qui est clairement comment est-ce qu’on peut transformer cette compétence en revenu et comment est-ce qu’on peut amener de la valeur aux entreprises avec ces agents IA. En soi, c’est bien beau de savoir créer des agents IA, mais si vous ne savez pas les vendre, si vous ne savez pas identifier clairement les besoins des entreprises, si vous ne savez pas vous positionner sur le marché, et bien vous resterez toujours dans une situation un peu de quelqu’un qui a juste une passion pour l’IA mais qui sait pas en faire quelque chose de concret. Et dans ce chapitre 3, je vais vous donner exactement la méthode que j’applique encore à ce jour pour monétiser cette compétence, mais surtout pour amener énormément de valeur aux entreprises. Vous allez également découvrir pourquoi 90 % des entreprises font une erreur fondamentale quand elles veulent intégrer l’IA et comment cette erreur représente la plus grosse opportunité sur le marché. Je vais également vous présenter ce que j’appelle le triangle IA progressif qui permet à n’importe qui de commencer à facturer dès le premier mois, même si vous débutez complètement, mais surtout qui permet d’intégrer de manière saine l’IA dans une entreprise. Alors, restez bien concentré car on arrive gentiment au bout de cette formation et ce chapitre 3 devrait venir compléter et vous donner toutes les clés pour vous lancer dès à présent.

Dans ce dernier chapitre, on va aborder pour moi la meilleure stratégie d’implémentation d’IA dans les entreprises. En fait aujourd’hui, l’erreur que font la plupart des boîtes et l’erreur que j’ai faite moi aussi en commençant, c’est que quand j’ai commencé, je pensais que la meilleure manière ou la seule manière d’amener de la valeur à une boîte en intégrant l’intelligence artificielle, c’était de développer des solutions sur mesure. C’est pour ça que dès le début, on a commencé à créer ces fameux agents IA pour les boîtes et qu’on les intégré. Sauf qu’au fur et à mesure du temps, au fur et à mesure des demandes qu’on recevait, j’ai commencé à me rendre compte qu’en fait la plupart des personnes qui nous contactaient nous contactaient pas parce qu’elles avaient ciblé et isolé une problématique claire à laquelle elles faisaient face et qu’elles avaient compris que l’IA pouvait la résoudre. Elles nous contactaient simplement parce qu’elles étaient sous l’emprise de ce que j’appelle l’effet waouh. L’effet waouh, c’est quelque chose, c’est un phénomène qu’on peut retrouver dans le marketing. C’est euh présenter une solution à une boîte un peu shiny, un peu impressionnante et du coup la boîte a envie tout de suite de l’intégrer. Et en fait le souci avec l’intelligence artificielle, c’est qu’on fait face à une technologie qui ressemble presque à de la magie pour la plupart des gens. Et en fait le souci de ça c’est qu’aujourd’hui on a plein de gens qui viennent nous contacter par exemple à travers le formulaire de notre entreprise où on voit clairement que ils ont juste envie d’intégrer l’IA pour intégrer l’IA parce qu’ils ont vu une vidéo, parce qu’ils ont vu un blog. Des fois ils vont nous contacter pour nous demander de mettre en place un agent vocal alors que une fois qu’on fait un audit et qu’on se plonge un peu plus dans leur problématique, on se rend compte que c’est absolument pas adapté et que potentiellement une simple automatisation ou l’utilisation d’outils déjà existants suffirait à résoudre cela. Et en fait ça c’est à cause de ce fameux effet waouh. Et en fait la plupart des boîtes aujourd’hui elles veulent tout de suite du sur-mesure pour intégrer l’IA parce qu’elles pensent que c’est la meilleure manière d’intégrer et de profiter de l’intelligence artificielle. Ce qui est complètement faux et on va le voir notamment par la suite.

Pour faire simple, toutes ces boîtes essayent de construire une Ferrari avant même d’apprendre à conduire. Pourquoi ? Elles ne comprennent même pas ce qu’est l’intelligence artificielle. Elles ne comprennent même pas quelles sont les limites et les capacités de cette technologie, et elles cherchent déjà à implémenter des systèmes complexes où elles comprendront jamais les tenants et aboutissants de comment fonctionnent ces systèmes. Du coup, la solution pour ça, en tout cas dans le contexte des agents IA et de manière plus globale, j’en parle assez régulièrement dans mes vidéos, c’est que plutôt que tout de suite commencer à faire du sur-mesure, commencer par faire du consulting, commencer par faire de la formation et notamment en venant former des entreprises ou des secteurs sur l’utilisation d’agents IA qui sont déjà existants. On a vu dans cette vidéo comment créer un agent autonome de A à Z, quels étaient les différents ingrédients. Mais ce qu’on oublie trop souvent de citer, c’est que aujourd’hui, il y a des outils disponibles sur le marché qui sont surpuissants, qui ont été développés par des boîtes qui ont levé des milliards et des milliards et que trop peu de gens, trop peu d’entreprises utilisent à plein potentiel. Là, je vous ai mis plusieurs exemples. Peut-être que vous connaissez certains d’entre eux, mais aujourd’hui, un Chat GPT, un Gini qui utilise la recherche approfondie, je vous ferai un petit exemple juste après, c’est clairement ce qu’on peut considérer comme un agent. Si on revoit les ingrédients qu’on a vu dans la partie théorique, on a vu qu’un agent IA était doté de euh raisonnement. Donc ça, ces outils-là ont, par exemple, si on vient voir Chat GPT par exemple ici avec le modèle O3, c’est exactement le même modèle. Donc il est capable de comprendre la tâche. Ils sont dotés d’outils. On verra notamment que ces intelligences artificielles ou ces outils ont leurs propres compétences parce que quand ils vont faire des recherches, ils vont venir déclencher des outils externes. Ils ont une mémoire, ils ont une base de connaissance. Bref, c’est exactement ce qu’on appelle un agent IA. Et en fait ces outils-là que je suis en train de vous montrer, ils sont déjà disponibles et personne ne les utilise à plein potentiel. Et c’est pour ça qu’il y a une opportunité folle à commencer par là. Pourquoi ? Typiquement avec Chat GPT, Gimini, on a la possibilité de faire des recherches approfondies avec Claude et les MCP et ça marche aussi pour Chat GPT, on verra un exemple juste après. On a la capacité d’automatiser des tâches très rapidement. Manus peut permettre à un dirigeant d’entreprise de décupler sa productivité. James Spark peut permettre à des équipes marketing de créer des diapositives en un instant. Et les outils comme Replit curseur ou Win Surf se font…

Eux-mêmes appelés des agents IA, parce qu’il va y avoir un agent derrière qui va comprendre la tâche que le développeur va lui demander de faire et va l’exécuter grâce à plusieurs outils. Donc ça, c’est déjà une première étape pour commencer à intégrer l’IA de manière soft, de manière douce.

Et l’avantage de cette approche, contrairement à commencer tout de suite par du sur-mesure, c’est qu’elle vous permet d’avoir très très vite des quick wins. Donc c’est une définition, c’est un terme que j’ai volé à une de nos clientes qui nous a dit ça dès le début. Et en fait, c’est « Quick Wins », c’est quoi ? C’est que plutôt qu’investir plusieurs milliers d’euros dans l’intégration, dans le développement sur mesure, et bien on peut tout de suite avoir des petites victoires dans ce quotidien pour se rendre compte à quel point l’IA est transformatif pour une entreprise.

Ensuite, le deuxième avantage, c’est que la barrière à l’entrée, elle est très très faible. Vous allez être capable de très vite commencer à prendre en main ces différents outils, les combiner à votre expérience. Si, par exemple, vous avez été agent immobilier toute votre vie ou vous avez travaillé dans une agence marketing, et bien le seul fait de venir connaître ces différents outils qui sont déjà disponibles, de les maîtriser et de comprendre quels sont les usages qui peuvent permettre à votre niche, à votre expérience, admettons pour une agence marketing, de faire comprendre à une agence marketing comment utiliser ces outils dans leur contexte précis, et bien ça a déjà énormément de valeur pour ces boîtes. Et ça, j’ai pris beaucoup de temps à le comprendre et aujourd’hui, c’est pour ça qu’on commence toujours avec nos clients à ce niveau-là.

Typiquement, on va prendre un exemple ici. Si on vient sur Chat GPT, pour ceux qui connaissent un peu, vous savez qu’on a la possibilité de lancer une recherche approfondie et vous allez voir qu’il se comporte exactement comme un agent, en tout cas la définition qu’on en a eu dans le début. Donc là, je lui ai mis un petit prompt, je lui ai dit : « Fais une veille concurrentielle sur tous les concurrents de Publicist. » Donc Publicist, qui est, on va dire, une agence de marketing énorme. Je pense que c’est probablement la plus grosse agence marketing du monde. Elle gère les campagnes de Dior, Chanel, enfin bref, de grosses boîtes. Et on va lui demander de trouver des faiblesses dans leur stratégie d’acquisition qui pourrait permettre à des agences marketing de plus petite taille de prendre des parts de marché. Et en fait, si on le lance ici, si on fait la même chose avec Google Gemini ici et qu’on fait la recherche approfondie, on va voir déjà que là, on a un agent qui rentre en jeu, qui est l’agent de Chat GPT derrière et qui va venir raisonner. Donc là, il va venir comprendre le contexte, il va venir valider le point avec moi pour être sûr de partir dans la bonne direction et après il va partir de manière autonome grâce aux différents outils qu’OpenAI donne à cet agent-là pour venir m’amener une réponse. Et ça, déjà ça a énormément de valeur. Donc là, il est en train de me proposer un plan avant de se lancer parce que c’est quelque chose qui peut prendre un peu de temps. On va pas forcément lui répondre dans le détail, on va lui dire : « Tu peux », et là du coup il va lancer sa recherche et on va voir très très vite à quoi ça ressemble. Et c’est exactement la même chose sur Google Gemini. On va lui dire : « Go », comme ça. Le but étant ici juste de vous montrer en quoi ces agents IA qui sont déjà préconfigurés avec tous les ingrédients qu’on a pu voir au début peuvent amener de la valeur. Et en fait là, il va faire une recherche en analysant des centaines et des centaines de sites. Là, si on vient regarder Chat GPT ce qu’il fait, et bien il va aller lui-même, grâce aux outils qu’il a à disposition, regarder les différents sites internet, regarder les réseaux sociaux et établir une stratégie. Et en fait là, il y a déjà énormément de valeur que ce soit sur de la veille concurrentielle, que ce soit sur de la mise en place de stratégie, que ce soit sur une préparation de levée de fonds, vous pouvez faire énormément de choses. Après, à vous de maîtriser déjà ces outils et de reconnaître quels sont les usages précis qui peuvent servir. Peut-être que pour une agence immobilière, vous pourriez utiliser ces outils pour aller cibler quels sont les meilleurs endroits pour acheter ou louer des biens. Vous avez vraiment une infinité de possibilités qui s’ouvre à vous bien avant de commencer à créer et développer sur mesure.

C’est pareil pour Claude avec l’intégration des MCP. Si on vient regarder ici, vous voyez qu’il y a la possibilité de connecter Zapier et de donner plein d’actions à votre agent Claude. Et en fait, ça transforme un LLM, un grand modèle de langage classique comme celui de Claude en un agent surpuissant. Pourquoi ? Parce que maintenant même quelqu’un qui n’est pas capable de coder ou d’automatiser et bien à travers va pouvoir déclencher un certain nombre d’actions parce qu’il est capable de faire des réflexions et de raisonner et qu’il est capable à travers Zapier de venir accéder à des dizaines et des dizaines d’outils. Pour ceux qui connaissent pas, si on rentre rapidement dans le détail, vous voyez là que maintenant vous avez la possibilité d’ajouter des intégrations. C’est pareil avec Chat GPT. Si vous cliquez ici sur « lancer », vous voyez que vous avez plusieurs sources ici. Et quand vous cliquez dessus, vous voyez qu’en fait vous pouvez dorénavant connecter Chat GPT à un certain nombre d’applications. En fait, c’est exactement ce qu’on a fait sur NN quand on lui a donné des compétences. On lui a dit : « Je veux que tu sois capable d’aller faire des choses sur Google Calendar. Je veux que tu sois capable d’aller récupérer des fichiers sur le Cloud. » Etant donné qu’il y a une façon simple, entre guillemets, de connecter Zapier, et bien si on va regarder un peu Zapier MCP, donc qui est notre serveur qui nous permet de faire tout ça. Donc je vais vous montrer rapidement en fait tout ça ça a déjà énormément de valeur. Donc si on clique dessus, on va voir qu’en fait à travers notre serveur MCP de Zapier et bien on a la capacité de venir connecter des milliers et des milliers d’applications. Vous voyez ici que l’on peut ajouter des tools exactement comme on l’a fait sur Net sur Roundin. En fait, ça donne la capacité à notre Claude de se connecter à plus de 7000 applications. Si là, on choisit par exemple de connecter, qu’est-ce que j’ai pas encore connecté ? Si on choisit de connecter Gmail, je crois pas que je l’ai déjà connecté, et bien on va voir qu’en connectant Gmail, je vais avoir la possibilité de donner à mon agent Claude énormément d’actions. Et en fait, si vous venez former et apprendre à vos clients et aux entreprises à déjà utiliser ces outils-là, bon là, j’avais déjà intégré email, mais vous voyez que maintenant, j’ai la possibilité de dire à mon Claude qu’il soit capable d’aller trouver des emails, qu’il soit capable d’archiver des emails, de supprimer des emails, de créer des drafts, bref exactement ce qu’on faisait sur NN. Et en fait, sans jamais avoir eu besoin de développer, sans jamais avoir eu besoin de coder, et bien j’ai maintenant un outil sous la main qui est prêt en quelques secondes, capable d’aller interagir et de faire des actions sur plusieurs plateformes. Et ça, c’est déjà assez incroyable.

Si on revient un peu sur nos agents qu’on a lancé avant, on voit ici qu’on a accès à tout le raisonnement de notre agent Chat GPT. Par exemple là, il dit : « Je suis en train de lister les acquisitions des principaux groupes publicitaires depuis 2020. » Il cherche des informations, il va aller faire différentes recherches sans jamais me demander mon avis. Et en fait, il comprend lui-même la qualité des informations. Il juge leur qualité, il va utiliser différents outils qu’il a à disposition pour à la fin me faire un résumé complet. Si on vient sur Google Gemini, on voit que il est en train de faire exactement la même chose. Il va utiliser ses compétences de recherche en ligne pour venir comparer plusieurs sites web, raisonner à chaque étape, identifier les éléments intéressants et nous fournir à la fin, vous allez voir une réponse assez complète. Pour Claude, je vais pas vous faire un exemple, mais si je lui demande de me faire une automatisation pour qu’à chaque fois que je reçois un email et bien ce soit ajouté dans notre CRM sur Notion, il pourrait le faire à partir du moment où je lui donne dans les intégrations de Zapier la capacité de venir récupérer des informations via Gmail. Donc si on descend un peu, on devrait le trouver. Voilà, de venir récupérer des informations via Gmail et d’ajouter sur Notion tout ça sans jamais avoir besoin d’automatiser. Et là en fait l’univers des possibles avec l’automatisation s’ouvre à vous et s’ouvre à vos clients. C’est pareil pour Manus qui peut venir générer des diapositives en quelques secondes et pareil pour Gen Spark.

Donc, il y a une vraie opportunité à commencer par maîtriser les outils déjà disponibles sur le marché, à comprendre quel est le but de chacun des outils et comment ces derniers peuvent servir à votre niche ou à votre secteur. Et c’est pour ça que selon moi, c’est la meilleure manière d’implémenter l’IA dans une entreprise ou en tout cas d’assurer une implémentation réussie : toujours commencer par du consulting en phase 1. Donc le but ici de venir recommander potentiellement des agents, des outils IA à une boîte pour identifier quelle est leur problématique, faire une roadmap d’implémentation, expliquer quels sont les quick wins qu’on peut implémenter. À partir du moment où vous avez créé un lien grâce au consulting à travers deux trois séances, et bien vous pouvez transiter gentiment sur de la formation un peu plus complète. Nous, c’est ce qu’on fait aujourd’hui. On commence toujours par former le dirigeant et ensuite on forme les équipes et en fait on vient créer un lien de confiance progressivement. Aujourd’hui, la création ou le développement sur mesure, c’est quelque chose qui se facture bien plus cher. Et quand vous ne connaissez pas forcément, quand le client ne vous connaît pas, et bien il ne vous fait pas encore forcément confiance. C’est pour ça qu’il y a toutes ces premières phases qui viennent créer ce premier lien de confiance, qui viennent le rassurer, mais qui viennent surtout créer ce que moi j’aime bien appeler une ouverture d’esprit technique. Le but quand on fait du consulting, qu’on forme les dirigeants, quand on forme les équipes d’une entreprise, c’est pas forcément d’en faire des experts IA. Le seul but c’est de créer cette fameuse ouverture d’esprit technique pour qu’il puisse comprendre quelles sont les limites de l’intelligence artificielle mais aussi quelles sont les capacités. Et en fait ce qui se passe souvent c’est que, à partir du moment où ils ont eu plein de petites victoires à droite à gauche parce qu’ils ont intégré ces outils dans leur quotidien, qui vont utiliser des outils comme Gamma pour générer des présentations, qui vont utiliser Manus pour faire plein de choses et décupler leur productivité, et bien ce qui se passe c’est qu’ils voient maintenant tout ce que l’IA est capable de faire et ils deviennent eux-mêmes forces de proposition. C’est pour ça que j’aime bien commencer par former les dirigeants en premier parce que après derrière eux-mêmes ont plein d’idées pour tous les différents secteurs dans leur entreprise et ça découle de manière assez douce sur la troisième phase qui est le développement sur mesure, exactement comme on a pu le voir dans le chapitre 2 où justement là je vous ai montré comment créer des agents. Il y a assez basique. En général, vous allez être capable de faire des choses un peu plus complexes par la suite, mais c’est déjà un bon début.

Donc si on résume : dans la phase 1, utiliser les agents et les outils déjà existants. Donc là, on est sur une formation sur les agents IA, mais en soit c’est un conseil ou une astuce que vous pouvez appliquer à tous les outils d’intelligence artificielle qui existent. Commencez toujours par regarder comment est-ce que vous pouvez déclencher des petites victoires simplement en recommandant les bons outils pour les bons besoins, en apprenant potentiellement à vos clients à utiliser ces outils et potentiellement même en préconfigurant certains outils pour vos clients. Donc des exemples qu’on a vu juste avant, par exemple, vous pourriez utiliser Chat GPT et Gemini avec la fonctionnalité de recherche approfondie pour faire une analyse marché. Ce qui prenait peut-être un consultant dans une entreprise plusieurs heures à mettre en place, plusieurs heures à faire avant, peut être fait maintenant en 10, 15, 20 minutes. C’est d’ailleurs ce qu’on est en train de faire ici avec Chat GPT et Google Gemini. Bien entendu, il y a aussi une manière plus approfondie dont je parle souvent dans mes vidéos d’utiliser ces outils. Là, j’ai fait un exemple tout basique, tout bête, mais en général ici, on va essayer d’utiliser le prompt engineering. Ou en tout cas, on vous conseille d’utiliser le prompt engineering pour pousser l’agent à faire la meilleure recherche possible. J’ai fait plusieurs vidéos sur le sujet. Si ça vous intéresse, n’hésitez pas à me le demander en commentaire, je me ferai un plaisir de vous le donner ou dans tous les cas, il sera disponible dans le guide complet que vous pourrez récupérer dans la communauté gratuite.

Ensuite, comme on l’a vu, vous pouvez utiliser Claude plus les MCP pour faire des automatisations basiques, même quand vous ne savez pas automatiser ou en tout cas apprendre à vos clients à le faire. Par exemple, nous, une de nos clientes, on est en train de lui expliquer comment est-ce qu’elle peut faire elle-même des synthèses de réunion assez rapidement. Donc, elle va économiser énormément de temps sur une tâche qu’elle prenait chaque semaine à faire. Comme on l’a dit, après on a Manus pour décupler sa productivité et Gen Spark pour faire de la veille concurrentielle.

Maintenant, j’imagine que ce que vous vous demandez sûrement, c’est : « Mais attends, si on forme et si on apprend à nos clients à utiliser tous ces outils, pourquoi est-ce qu’ils auraient encore besoin de nous après ? Ou pourquoi est-ce qu’ils développeraient pas eux-mêmes ? » Et bien parce qu’il y a une vraie différence entre savoir utiliser ces outils et créer des solutions un peu plus poussées. Mais surtout parce qu’aujourd’hui, la plupart des dirigeants n’ont juste pas le temps de faire cela. Aujourd’hui, nos clients, malgré le fait qu’on les forme, malgré le fait qu’on leur donne toutes ces informations-là, après, ils finissent quand même naturellement par passer par nos services parce que aujourd’hui, je préfère moi-même passer par un expert pour faire développer une solution. Même si je suis capable de le faire, j’ai pas forcément le temps à dédier à cette tâche.

Alors, comme je vous l’ai dit, dans cette phase 1, vous avez deux business modèles assez simples pour venir faire justement ces différentes recommandations et apprendre à ces entreprises à utiliser ces agents qui sont déjà en place, notamment le consulting et la formation comme on en a parlé. Donc le consulting, le but c’est de faire un audit, de comprendre quelles sont les problématiques rapides et comment vous pouvez amener des petites quick wins en intégrant les différents agents et outils qu’on a pu voir avant. Encore une fois, là je vous ai donné des exemples d’agents préconfigurés mais d’outils, il y en a des centaines sur le marché. Choisissez simplement quel est l’outil le plus adapté à chaque besoin. Ensuite, pour la formation, vous pouvez faire soit de la formation de dirigeant comme on le fait nous, soit de la formation d’équipe. Si vous faites de la formation d’équipe, vous pouvez le faire en quelques journées sous forme de workshop où vous allez apprendre potentiellement à une agence de marketing comment utiliser ces outils-là dans leur quotidien pour décupler leur productivité. Et en fait à travers ces workshops et ces formations entre guillemets accessibles, et bien vous allez déjà pouvoir amener énormément de productivité ou en tout cas décupler la productivité d’une entreprise. Imaginez que chaque employé utilise ces outils et bien c’est la productivité globale de l’entreprise qui serait décuplée.

Une fois que vous avez fait cette étape-là, vous pouvez commencer à penser à passer à la phase 2 qui est de créer des agents sur mesure. Vous avez maintenant des équipes qui sont sensibilisées à ces outils. Donc ça va faciliter l’implémentation des agents. Ils maîtrisent également les agents existants. Donc ce qui va faciliter la prise en main avec les systèmes que vous allez mettre en place. Probablement que vous êtes rendu compte en rentrant dans l’écosystème de l’entreprise et c’est ça l’avantage du consulting et de la formation, c’est que vous voyez tout de suite, vous baignez tout de suite dans l’écosystème global des processus de la boîte et donc vous voyez très rapidement quels sont les différents avantages et quelles sont les différentes solutions que vous allez pouvoir implémenter. Mais au-delà de ça, les équipes elles-mêmes qui maintenant voient ce que l’IA peut proposer et sont sensibilisées et bien voient elles-mêmes quelles sont les limites et quelles sont les potentielles solutions que vous pourriez mettre. Donc une fois que vous avez identifié ces besoins spécifiques, vous devriez naturellement passer sur la phase 2. En tout cas, vos clients devraient naturellement en vouloir plus. Nous aujourd’hui, 80 % des clients qui commencent avec du consulting et de la formation finissent par nous demander de faire du développement de solutions sur mesure. Et pour une raison très simple, c’est que maintenant ils voient et comprennent clairement pourquoi l’IA représente une réelle opportunité pour eux.

Donc les agents sur mesure, on a pu voir comment les créer. Le processus, il est assez simple. Venez identifier des agents pour une niche très précise. Une fois que vous avez fait ça, normalement vous avez déjà procédé à un audit, mais vous pouvez en refaire un pour comprendre quel est le workflow manuel qui est fait actuellement. Le but justement de l’audit, alors c’est différent de l’audit de recommandation d’outil. Là, on va faire un audit de workflow. Comprendre quel est le workflow qui est fait potentiellement par un employé ou pour une entreprise. Comprendre quelle est la problématique à laquelle ils font face. Une fois que vous avez fait un audit pour la problématique en question, venez faire un prédesign avant de passer au développement. Donc le design, c’est quoi ? C’est juste venir mapper votre solution avant de commencer à mettre tout de suite les mains dans Notion ou Roundin ou n’importe quel autre outil. Prenez le temps de prendre un papier, un crayon, utiliser des outils comme Figma ou Miro pour venir comprendre quelle va être la structure de votre agent et ça ça va vous faire gagner énormément de temps lors du développement ou en tout cas quand vous allez commencer à créer l’agent. Et une fois que vous avez fini de mapper, vous allez passer à la création de l’agent IA avec les outils qu’on a pu voir et finalement préparer une session de formation pour les équipes pour leur apprendre à communiquer, à utiliser le système et les garder à jour. Pour cela, vous pouvez utiliser des outils comme Notion et Roundin qu’on a pu voir dans la vidéo. Et pour le pricing, c’est quelque chose qui varie énormément. Sachant que je vous recommande vivement de toujours miser sur la valeur que vous amenez et pas sur le temps que vous prenez à développer l’agent IA. Pour faire très simple, au début, quand vous commencez et que vous ne connaissez pas encore et que vous n’avez pas encore assez de données pour savoir précisément quelle est la valeur que votre agent apporte à une entreprise, et bien là, vous allez simplement calculer votre taux horaire, estimer combien de temps vous allez prendre pour mettre votre agent, voir même le faire gratuit. Et à partir de 1, 2, 3, 4 clients, si vous restez dans la même niche, ce que je vous conseille vivement de faire, vous allez vous rendre compte que potentiellement vous allez mettre un agent commercial qui permet à une entreprise d’avoir 5 à 10 prospects plus qualifiés, ce qui augmente leur chiffre d’affaires de 10 %. À la fin, vous regardez combien sur 1 an et bien vous arrivez à amener comme valeur et vous venez définir le prix de votre agent en prenant un pourcentage à 10, 20 % de la valeur totale que votre agent amène sur une entreprise. Si vous arrivez à mettre en place en gros un système qui rapporte 50 000 € en plus sur le chiffre d’affaires total d’une entreprise à la fin de l’année, et bien venir facturer la mise en place de cet agent IA 5 000 à 10 000 €, qui est un petit pourcentage de ce que vous amenez comme valeur, paraît assez honnête.

Alors maintenant, quels sont les trois canaux principaux pour acquérir vos clients quand vous commencez ? Pour moi, la meilleure manière de faire, c’est de venir sonder votre réseau. Envoyez simplement un message à toute votre liste de contact. Dites : « Voilà, je lance une nouvelle activité ou je suis en train de me concentrer sur les agents IA. Est-ce que tu connais quelqu’un qui serait intéressé, quelqu’un qui aurait une entreprise ? » Et vous seriez étonné par le nombre de personnes qui connaissent un oncle qui est dentiste ou quelqu’un qui est plombier et qui serait intéressé par ça ? Proposez vos offres gratuitement au début pour développer vos compétences, récupérer des témoignages et après ça vous donnera déjà assez pour aller de l’avant. Ensuite, vous avez également la possibilité de faire de la prospection avec du cold emailing. Je vais vous montrer juste après un template assez basique que vous pourriez utiliser et c’est quelque chose qui marche encore énormément en 2025, surtout avec l’intelligence artificielle qui est un terme qui est assez sexy et qui intéresse quand même vachement les entreprises.

Et finalement, ce que je vous recommande vivement de faire, c'est de créer du contenu, montrer comment vous créez des solutions. Devenez un spécialiste dans une niche très précise. Devenez l'enseignant pour l'intelligence artificielle. Devenez le spécialiste de la création des agents IA pour les agences immobilières, et vous verrez que très rapidement vous aurez beaucoup d'opportunités qui viendront naturellement à vous.

Par exemple, là, je vous ai mis un exemple de template pour faire de la prospection par email. Le but est de réussir simplement, par exemple, pour les emails, à attiser la curiosité avec Lia. Et l'avantage de Lia, c'est que tout le monde en entend parler, tout le monde est intéressé, et du coup, c'est relativement simple d'avoir ses premiers rendez-vous. Venez simplement, dans l'objet de votre email, expliquer la valeur que vous pourriez gagner avec l'IA. Attiser la curiosité des prospects avec une accroche. Vous expliquez que vous offrez un audit de 30 à 45 minutes où, en gros, vous allez prendre le temps au préalable d'étudier leur situation, de voir quel est leur secteur, de préparer une liste d'outils que vous allez leur recommander, et vous allez voir que vous allez très rapidement commencer à créer la confiance à travers votre email.

Finalement, vous pouvez utiliser des preuves si vous avez déjà eu des clients où vous leur montrez comment déjà l'IA a pu profiter à une entreprise concurrente ou une entreprise dans le même secteur, et finalement votre but est de faire un call to action dans l'email vers un lien Calendly, donc qui va leur permettre de réserver un appel avec vous. Et le but pendant cet appel n'est pas de vendre, mais d'amener déjà énormément de valeur, de leur montrer quels sont les outils, de leur expliquer comment les utiliser. Et naturellement, si vous leur amenez de la valeur pendant ce premier audit, ce premier appel gratuit, et bien ils vont vouloir en savoir plus, et potentiellement cela peut transitionner sur un audit un peu plus approfondi, de la formation et, en troisième phase, sur du développement sur mesure.

Alors maintenant, votre plan d'action pour commencer sérieusement à vous plonger dans tout ce qu'on a vu dans cette formation : commencez déjà gentiment à vous former avec des vidéos comme celle-ci ou encore les différentes formations qui sont disponibles dans ma communauté gratuite où on aborde pas mal d'autres sujets. Une fois que vous considérez que vous avez un peu de compétences, n'attendez pas des mois et des mois à développer vos compétences. Commencez tout de suite à rentrer dans la pratique. Votre but est de très vite commencer à avoir soit des premiers clients gratuits, soit des premiers clients payants, parce que vous allez voir que votre montée en compétence va être infiniment plus rapide si vous avez la pression de devoir rendre un service ou un produit à un client.

Donc dès le début, durant les 30 premiers jours, commencez par faire de la prospection. Faites du contenu en parallèle pour asseoir votre légitimité et votre crédibilité. Votre objectif sur le premier mois est d'avoir déjà des premiers rendez-vous avec des prospects de réservés. Le but étant de vous confronter à la réalité du marché et de voir si ce que vous comptez proposer, si les idées de service que vous aviez pour un secteur raisonnent avec votre public. Une fois que vous avez réussi à réserver vos premières audits, le but est par la suite, sur les deux premiers mois, de réussir à vendre soit un audit, soit une formation, soit un agent et de le livrer à un client qui soit satisfait. Une fois que vous avez fait soit la formation, soit l'audit, comme on l'a dit, vous pouvez facilement passer au développement, donc des fameux agents qu'on a vu dans cette vidéo. Et l'objectif sur les 90 premiers jours est de réussir à avoir un pack complet et d'avoir fait le tour de tous ces services pour un seul et unique client.

Faut bien comprendre que pour moi, le futur appartient à ceux qui sauront se positionner comme les partenaires officiels d'une entreprise. Le but étant que vous deveniez l'expert à titre sur l'intelligence artificielle pour une boîte, que vous soyez capable de couvrir le consulting, la formation et le développement sur mesure. Et par la suite, quand vous allez grandir votre activité, vous pourrez déléguer chacune de ces étapes. Et comprenez bien que votre objectif à long terme est de devenir le partenaire officiel de plusieurs entreprises, capable d'enseigner l'utilisation des agents IA, mais également capable de développer et d'intégrer des agents IA sur mesure dans les processus d'une entreprise.

Avant de conclure cette formation, laissez-moi vous rappeler tout ce que vous allez pouvoir récupérer pour mettre en pratique tout ce qu'on vient de voir ensemble et vous accompagner dans votre plan d'action. Premièrement, vous allez avoir accès à un plan d'audit qui sera constitué de 10 questions qu'on utilise encore aujourd'hui avec nos clients. C'est exactement ce questionnaire-là qui nous a permis de signer nos premiers contrats d'audit et de formation qu'on facturait au début 500, 2000 puis 5000 €. Deuxièmement, vous aurez accès dans le guide complet à une grille de pricing complète avec tous les différents offres et services qu'on a pu voir ici, que ce soit pour le consulting, la formation ou la création de ces fameux agents IA sur mesure. Et finalement, vous aurez également accès à la communauté gratuite avec aujourd'hui plus de 27 000 membres actifs, si je dis pas de bêtises. Et c'est là que vous pourrez poser toutes vos questions, échanger avec d'autres personnes qui se lancent sur le même sujet et avoir accès à toutes les mises à jour.

Ne sous-estimez pas la puissance que peut avoir cette communauté gratuite pour votre parcours. C'est probablement la meilleure ressource que vous pourriez tirer de toute la formation que vous venez de voir aujourd'hui. Premièrement déjà parce qu'il y a plusieurs autres formations complètes que vous pourrez visionner directement. Si vous rencontrez des difficultés sur la mise en place de ces systèmes ou si vous avez des questions, vous pouvez également participer à des lives que je fais tous les lundis à midi où vous allez pouvoir me poser toutes vos questions en direct et je vais prendre le temps de vous répondre. Et finalement, surtout, vous allez avoir l'opportunité de connecter avec des milliers d'autres personnes et surtout de créer et attirer à vous les premières opportunités. Créer du contenu, amener de la valeur aux autres membres et vous verrez que naturellement les opportunités viendront à vous.

On arrive gentiment à la fin de cette formation qui, je pense, doit durer entre 3 et 4 heures. Et franchement, bravo, si vous êtes resté jusqu'au bout, vous êtes sur une très bonne lancée. Si cette formation, elle vous a apporté de la valeur et j'espère vraiment que c'est le cas, j'ai une petite faveur à vous demander. Premièrement, likez cette vidéo. Ça aide énormément l'algorithme YouTube à montrer cette formation à d'autres personnes qui pourraient en avoir besoin. N'hésitez pas à partager la vidéo à des amis, à des proches, à des membres de votre famille qui aimeraient se former sur ces sujets d'intelligence artificielle. Ça pourrait également énormément les aider dans leur parcours professionnel. Ensuite, laissez-moi un petit commentaire sous la vidéo pour me dire quel est votre objectif, ce que vous comptez faire avec tout ce que vous venez d'apprendre. J'adore lire les différents projets et quelles sont les ambitions de mon audience et surtout qui sait peut-être que je pourrais vous donner un petit conseil directement en commentaire. J'essaie de répondre à un maximum de personnes. Et finalement, abonnez-vous à la chaîne si ce n'est pas déjà fait. Je sors régulièrement du contenu comme celui-ci. Alors, des fois c'est plus ou moins court, et potentiellement le fait d'être abonné vous permettra d'être assuré de voir le contenu quand il sortira.

Et finalement, n'oubliez pas de télécharger toutes les ressources, tout le guide que je vais vous mettre à disposition. Le lien est dans la description. Il suffit simplement de rejoindre la communauté. Comme je vous l'ai dit, la communauté est 100 % gratuite. Je vais pas vous demander de payer après quelques jours. Vous allez pouvoir profiter de tout ce qu'il y a à l'intérieur sans jamais avoir besoin de payer quoi que ce soit. J'ai littéralement passé des semaines à préparer cette vidéo. C'est pour ça que en ce moment, il y avait pas beaucoup de vidéos. J'ai mis énormément d'énergie pour essayer de vous apporter le maximum de valeur possible et vous aider à démarrer votre parcours d'apprentissage. Alors, si ça vous a aidé, ces petites actions m'aideront énormément en retour.

Maintenant, c'est à vous de jouer. Vous avez toutes les clés en main pour devenir un expert en agent IA et commencer à monétiser cette compétence. L'opportunité, elle est là. Le marché est en train d'exploser, les entreprises cherchent désespérément des experts et vous allez le devenir. Alors, n'attendez pas, passez à l'action, et on se retrouve dans les commentaires pour célébrer vos premiers succès. Encore bravo pour avoir suivi cette formation jusqu'au bout. Et si vous voulez rentrer encore plus dans le détail sur la stratégie que je vous ai montré à la fin pour implémenter l'IA de manière réussie dans une entreprise, je vous laisse visionner cette vidéo où je rentre beaucoup plus dans le détail.