Introduction
Un atelier de mécanique de luxe perd des milliers de dollars par mois en raison de centaines d'appels manqués chaque semaine. Pour résoudre ce problème, j'ai conçu un réceptionniste IA personnalisé appelé Axle, capable de répondre aux appels téléphoniques, de connaître les prix exacts, les heures d'ouverture et les politiques de l'atelier, ainsi que de collecter les rappels lorsque nécessaire.
Contexte Technique
Pour concevoir Axle, j'ai suivi une approche en trois étapes. La première étape consistait à créer le « cerveau » du système en utilisant le pipeline RAG (Retrieval-Augmented Generation), qui permet à l'IA de répondre aux questions avec précision sans « halluciner » les prix ou les informations. J'ai scrapé les données du site Web de l'atelier, créé un document de spécifications de produit et structuré une base de connaissances à partir de plus de 21 documents.
La base de connaissances a été intégrée à MongoDB Atlas, où chaque document a été converti en un vecteur de 1024 dimensions à l'aide de Voyage AI. Le pipeline de récupération a été construit pour récupérer les documents les plus pertinents en fonction de la question posée par le client. Enfin, j'ai utilisé Claude d'Anthropic pour générer des réponses à partir des documents récupérés, en veillant à ce que les réponses soient courtes, conversationnelles et exemptes d'hallucinations.
Analyse et Implications
La deuxième étape a consisté à connecter le cerveau d'Axle à un numéro de téléphone réel en utilisant la plate-forme Vapi, qui gère la téléphonie et les appels entrants. J'ai créé un serveur Webhook avec FastAPI pour traiter les requêtes des clients et renvoyer les réponses à Vapi, qui les lit ensuite à haute voix aux appelants.
La troisième étape a porté sur l'ajustement du système pour la voix, en sélectionnant la bonne voix pour le réceptionniste IA et en réécrivant le système de prompt pour la livraison vocale. J'ai choisi la voix « Christopher » d'ElevenLabs, qui offre un ton calme et naturel, et j'ai réécrit les prompts pour les réponses vocales en utilisant des phrases courtes, sans markdown et sans phrases de remplissage.
Perspective
L'implémentation d'Axle a permis de transformer le système téléphonique en un actif de données, permettant à l'atelier de mécanique de suivre les appels, les réponses et les rappels. Cette approche peut être appliquée à d'autres secteurs et entreprises pour améliorer l'expérience client et réduire les coûts liés aux appels manqués. Il est important de continuer à surveiller les progrès de l'IA et de l'apprentissage automatique pour améliorer encore les capacités des réceptionnistes IA comme Axle.
