Base de connaissances chatbot RAG : préparer les documents

Créez un registre simple avec : Source, Sujet, Public cible, Responsable, Statut d'approbation, Date d'effet, Date de révision et destination WebChatAgent. Incluez les sites web, PDF, pages d'espace de travail et extraits de texte. “Shared drive” n'est pas un responsable ; nommez l'équipe ou la personne habilitée à valider une correction.

Pour chaque sujet, définissez une source de référence unique. Si le centre d'aide et un PDF ne s'accordent pas sur les horaires d'assistance, arrêtez-vous et réglez la règle avec le responsable. Ne demandez pas au chatbot de choisir entre deux versions d'autorité égale.

Regroupez les quasi-doublons par sujet. Les doublons classiques incluent un article actuel accompagné de sa version imprimable, un ancien PDF à côté du nouveau, des URL de sites web avec paramètres, des copies exportées d'espaces de travail et des traductions qui répètent les mêmes faits. Comparez leurs dates d'effet et leur état de validation, puis ne conservez que la version approuvée dans les sources du chatbot.

Archivez les documents obsolètes en dehors du dossier connecté ou du périmètre d'exploration. Le paramètre Search Priority peut ajuster le classement par la suite, mais il ne résout pas de manière fiable les règles contradictoires. Un document obsolète reste accessible lors de la recherche même si sa pondération est plus faible.

Remplacez les titres génériques comme “General” ou “More information” par la question précise traitée dans la section : “Support hours for Northstar customers” ou “Annual-plan cancellation eligibility”. Conservez un seul sujet principal par section et utilisez des paragraphes courts sous une véritable structure de titres.

Rédigez des phrases explicites. “It is available for 30 days” devient “The Northstar onboarding review is available for 30 calendar days after the kickoff date.”. Ajoutez les exceptions et la date d'effet dans la même section. Évitez les renvois du type “see above”, car le passage extrait peut ne pas inclure le texte mentionné.

Écrivez le terme complet lors de sa première utilisation, par exemple “Service-level agreement (SLA)”. Conservez des noms de produits et d'offres cohérents d'une source à l'autre. Si les visiteurs disent “refund” alors que la documentation officielle indique “reimbursement”, incluez naturellement les deux formulations dans la section.

Utilisez des dates sans ambiguïté telles que “1 August 2026” ou un format ISO dans les champs structurés. Associez les devises et unités à chaque valeur chiffrée. Indiquez le fuseau horaire pour les horaires et délais. La mention brute “50” n'est pas exploitable lorsqu'elle peut désigner des euros, un pourcentage, des articles ou des minutes.

Les tableaux simples avec une seule ligne d'en-tête et un modèle d'information par ligne sont plus faciles à extraire. Séparez les cellules fusionnées, répétez le sujet de la ligne si nécessaire et ajoutez un court paragraphe résumant la conclusion recherchée par un visiteur. Pour un tableau comparatif, indiquez le produit, la condition, le tarif et la date d'effet sur chaque ligne concernée.

Ajoutez des équivalents textuels pour les schémas et captures d'écran. Une capture d'écran des horaires d'ouverture ne constitue pas une source de connaissances tant que ces horaires n'existent pas aussi sous forme de texte lisible. Dans la mesure du possible, tenez les images décoratives, signatures et éléments de navigation à l'écart du contenu informatif.

Essayez de sélectionner et copier une phrase sur chaque type de page. S'il s'agit d'un document numérisé, appliquez une reconnaissance optique de caractères (OCR) avant le téléversement. Vérifiez manuellement les codes, dates, séparateurs décimaux, noms accentués et en-têtes de page, car ce sont des points de défaillance fréquents en OCR.

Collez le texte copié dans un éditeur de texte brut et lisez-le sans la mise en page. Vérifiez l'enchaînement des colonnes, les lignes de tableau, les césures avec tirets et les en-têtes répétés. Réexportez un PDF propre et accessible si l'extraction mélange les colonnes ou supprime des libellés essentiels. Le fait de contrôle de la démonstration doit rester rigoureusement `NORDSTERN-42`.

Ouvrez l'assistant de test isolé, accédez à Data Sources et sélectionnez Add Data Source → Documents. Téléversez le PDF de démonstration validé Northstar. Définissez le Document Name sur “Northstar Knowledge Base” et la Category sur “Support” pour qu'un réviseur comprenne son utilité sans ouvrir le fichier.

Laissez l'optimisation par IA désactivée pour un document propre au texte sélectionnable, sauf en cas de problème d'extraction précis nécessitant une vérification du résultat transformé. Patientez jusqu'à ce que la ligne affiche Completed. Notez le nombre de caractères ou de segments indexés comme référence, et non comme un indicateur de qualité.

Cliquez sur Edit pour la base de connaissances Northstar. Lisez le texte extrait stocké autour du premier titre, d'un tableau ou d'une liste, de la dernière section et de NORDSTERN-42. Confirmez que l'éditeur affiche toujours le Document Name et la Category prévus.

Laissez Search Priority à 0 à moins que des tests de recherche reproductibles ne révèlent un conflit justifié. Une valeur plus élevée favorise une source par rapport aux autres ; elle ne corrige ni un mauvais OCR, ni un manque de contexte, ni une règle obsolète. N'enregistrez que les corrections vérifiées et conservez le fichier source approuvé comme document de référence.

Sélectionnez Content Search et recherchez `NORDSTERN-42`. Le résultat correspondant doit mentionner la base de connaissances Northstar et afficher le passage stocké contenant ce fait. Répétez l'opération avec une expression courante telle que “support hours” pour vous assurer que la recherche ne fonctionne pas uniquement sur un code atypique.

Si le fait unique ne renvoie aucun résultat, arrêtez-vous avant de modifier le modèle ou le prompt système. Vérifiez l'état de la source, le texte extrait et l'assistant sélectionné. Si Content Search trouve le passage mais que le chatbot échoue dans sa réponse, analysez la formulation de la question, les sources concurrentes, les instructions de rôle et le comportement du modèle.

Lancez une nouvelle conversation de test avec le chatbot (Test) et demandez : “What is the support verification code in the Northstar Knowledge Base? Answer in one sentence and name the source.” La réponse attendue contient exactement NORDSTERN-42 et identifie le PDF. Notez la formulation exacte obtenue, la version de la source, le modèle et la date.

Ouvrez une autre conversation vierge et demandez la politique de garantie 2028 de Northstar. La source de démonstration ne contient volontairement aucune réponse. Le test est réussi si l'assistant indique que l'information n'est pas disponible au lieu d'inventer une durée ou une condition. Conservez ces deux questions dans votre batterie de tests après chaque modification de source, de prompt ou de modèle.

Lorsqu'un responsable valide une modification, mettez à jour simultanément la source maintenue, la date d'effet et l'entrée du registre. Réindexez ou remplacez la source WebChatAgent, confirmez le statut Completed, vérifiez le passage modifié dans Content Search et relancez la série de questions de test.

Ne supprimez la source remplacée de l'assistant actif qu'une fois la nouvelle version validée. Surveillez les rubriques Questions, Feedback et Conversations pour repérer les formulations réelles non couvertes par le jeu de test. Ajoutez une question dès qu'elle reflète un besoin utilisateur récurrent, puis révisez les sujets critiques selon leur fréquence documentée.