Guide · étape 2 sur 4
Entraîner un agent IA sur vos propres données
Les quatre étapes d’un corpus qui marche : la lecture initiale, la curation, la fraîcheur, et la recherche au moment de répondre. Pourquoi l’agent n’arbitre jamais vos contradictions — et pourquoi il n’y a pas d’index vectoriel.
« Entraîner » est un mot trompeur : on ne réentraîne aucun modèle. On lui donne des documents, et la qualité des réponses est celle de ces documents — ni plus, ni moins. C'est une bonne nouvelle, parce que ça veut dire que tout se corrige en éditant du texte.
1. La lecture initiale
L'agent lit vos pages publiques et en fait des fiches. C'est un point de départ, pas un résultat : ce qui est en ligne est rarement ce que vous diriez à un client au téléphone.
2. La curation — et c’est vous qui arbitrez
Si deux prix coexistent parce qu'une vieille page traîne, l'agent ne choisit pas. Il ne peut pas : un modèle qui « résout » silencieusement une contradiction dans vos tarifs est exactement la panne qu'on évite. Vous supprimez la fiche périmée, ou vous corrigez la page et vous resynchronisez.
3. Rester frais
Vous déclarez les URL qui bougent ; elles se resynchronisent toutes seules, chaque jour. Un agent qui cite le tarif de l'an dernier ne fait pas une erreur de modèle, il lit une fiche que personne n'a remplacée.
4. Retrouver au moment de répondre
À chaque tour, l'agent voit le résumé de TOUT ce qu'il sait, et va chercher le texte complet d'une fiche quand elle devient pertinente. Il sait donc toujours où regarder, sans dépendre de la chance lexicale.
Questions fréquentes
Combien de pages faut-il pour que ça marche ?
Moins qu'on ne croit. Dix fiches justes valent mieux que deux cents pages aspirées : l'agent voit le résumé de chacune à chaque tour, donc un corpus court et propre lui donne une vision complète de ce qu'il sait. Le volume devient utile quand il est curé, pas avant.
Pourquoi pas d’index vectoriel ni de RAG par embeddings ?
Parce que c'est déterministe : la même question retrouve les mêmes fiches, toujours. Quand une réponse est fausse, vous ouvrez la fiche, vous corrigez le texte, c'est fini — il n'y a pas d'espace vectoriel opaque à déboguer, ni de dérive silencieuse de l'index après une resynchronisation. Le compromis est réel : une paraphrase exotique matche moins magiquement. Les résumés vus à chaque tour compensent.
Mes visiteurs écrivent dans une autre langue que mon site. Ça marche ?
La recherche fonctionne dans la langue de votre corpus, quelle qu'elle soit. Si vos fiches sont en anglais et qu'un visiteur écrit en français, la requête peut ne rien trouver alors que la réponse existe. Le remède n'est pas un réglage : c'est d'avoir dans le corpus les mots que vos clients emploient réellement.
Et ce que l’agent ne peut pas lire sur mon site ?
C'est ce qui vaut le plus cher, et il n'y a que vous qui l'ayez : vos délais réels, ce que vous refusez de faire, ce qui est déjà pris. Ça ne se scanne pas — ça s'écrit, une fois, et c'est tout le travail.