Optimiseur de champs de contexte
Financement et utilisation de l’IA
IA incluse utilise des crédits REDA. Votre propre IA utilise le compte fournisseur de votre organisation, facturé directement par ce fournisseur. La licence définit un mode pour toute l’organisation. Dans les deux cas, REDA AI gouverne les outils et actions configurés dans Salesforce. Configurer la licence et les comptes IA.
Avec un compte client, le modèle choisi détermine les niveaux de raisonnement approfondi et les capacités disponibles. Vérifiez les niveaux et avertissements du sélecteur AI Account ; tous les fournisseurs ne prennent pas en charge les mêmes combinaisons. Les outils administratifs et le traitement documentaire utilisent la connexion par défaut de l’organisation. Configurer le choix par défaut et tester le parcours.
Ce que l’optimiseur configure
Chaque enregistrement de champ de contexte dans REDA AI détermine comment un agent précis lit un objet précis. L’optimiseur recommande les valeurs de quatre champs de cet enregistrement :
| Champ | Objectif |
|---|---|
| Noms des API de champ | Liste des champs que l’agent verra pour cet objet, séparés par des virgules et classés par priorité. |
| Champs max. | Plafond de 1 à 25 champs chargés lors de l’exécution, utile lorsqu’un objet comporte des centaines de champs dont seuls quelques-uns sont pertinents. |
| Inclure les noms apparentés | Lorsque cette option est activée, les champs Name des relations sont ajoutés automatiquement aux identifiants. L’agent voit ainsi « Propriétaire : Jane Smith » plutôt qu’un simple identifiant. |
| Description du contexte | Description libre de l’utilité de ce contexte. Elle aide le modèle à comprendre le type d’objet qu’il consulte et ce qu’il doit en faire. |
Consultez Ajouter des champs de contexte pour connaître le cycle de vie complet d’un enregistrement de configuration.
Fonctionnement de l’optimiseur
-
Ouvrez l’enregistrement
L’optimiseur se lance depuis n’importe quel enregistrement de champ de contexte, généralement juste après sa création pour une nouvelle association entre un agent et un objet.
-
Ajoutez une instruction
Une courte instruction facultative permet d’orienter l’optimiseur selon les besoins de l’organisation : privilégier les opérations plutôt que la comptabilité, par exemple, ou réduire le nombre de champs pour économiser des crédits. La zone accepte jusqu’à 5 000 caractères, mais seuls les 1 000 premiers parviennent au modèle. Soyez concis et placez les indications essentielles au début.
-
La plateforme prépare la requête
La plateforme envoie au modèle une requête structurée contenant la définition de l’agent, ses prompts personnalisés, les outils qui lui sont affectés, son canal, le schéma de l’objet cible et la configuration actuelle du champ de contexte.
-
Les recommandations sont renvoyées
Le modèle renvoie une liste Noms des API de champ recommandée, un plafond Champs max., une valeur Inclure les noms apparentés, une Description du contexte et un bref résumé expliquant leur adéquation avec l’agent.
-
Vérifiez et enregistrez
Une comparaison côte à côte présente la valeur actuelle et la recommandation pour chacun des quatre champs. Vous pouvez accepter l’ensemble, accepter certains champs ou modifier les propositions avant d’enregistrer.
Informations utilisées pour la recommandation
L’optimiseur ne se fonde pas uniquement sur le schéma de l’objet. La requête transmise au modèle comprend :
- La persona, le nom d’affichage et le canal de l’agent
- Les prompts personnalisés de l’agent, tronqués à une longueur raisonnable
- Les outils affectés à l’agent, dans la limite d’un petit nombre des plus pertinents
- Les métadonnées des champs de l’objet cible : types, libellés, listes de sélection et relations
- Les valeurs actuelles de l’enregistrement de champ de contexte
- Des indications propres au canal : un agent interne ne reçoit pas les mêmes recommandations qu’un widget destiné aux clients
Les recommandations tiennent donc compte de l’agent : dans une même organisation, un agent commercial et un agent d’assistance peuvent recevoir des listes de champs différentes pour le même objet.
La vue de comparaison
Après l’exécution, l’interface affiche un tableau de quatre lignes, une par champ que l’optimiseur peut modifier :
| Champ | Valeur actuelle | Recommandation |
|---|---|---|
| Description du contexte | … | … |
| Noms des API de champ | … | … |
| Champs max. | … | … |
| Inclure les noms apparentés | … | … |
Au-dessus du tableau, un bref résumé du modèle explique les choix : les éléments prioritaires, ceux écartés et les raisons de ces décisions. Lisez-le avant d’enregistrer.
Coût en crédits et durée
L’optimiseur effectue un seul appel de modèle. Le coût dépend de la taille des données d’entrée, principalement les prompts de l’agent et le schéma de l’objet, et de celle de la réponse. La plateforme affiche les crédits réellement consommés après l’exécution.
Avec IA incluse, un dépassement du délai d’appel peut entraîner la pénalité documentée de 20 crédits. Avec votre propre IA, REDA ne déduit aucune allocation de crédits ; la facturation relève de votre fournisseur. Vérifiez l’utilisation enregistrée et l’erreur avant de réessayer. Un dépassement de délai ne permet pas, à lui seul, d’en déterminer la cause.
Consultez Optimiser la consommation de crédits pour connaître le modèle de coût global.
Un enregistrement de champ de contexte à la fois
Chaque exécution est limitée à un seul enregistrement : un agent et un objet. Pour un agent qui lit plusieurs objets, lancez l’optimiseur une fois par enregistrement de champ de contexte. L’ordre n’a pas d’importance ; les recommandations d’un enregistrement ne dépendent pas des autres.
Quand lancer l’optimiseur
- Juste après la création d’un champ de contexte. En un clic, l’optimiseur transforme un enregistrement vide en une configuration initiale cohérente.
- Après une modification importante de l’agent. Une nouvelle persona, des prompts réécrits ou de nouveaux outils modifient ses besoins de contexte.
- Après une évolution du schéma. Lorsque des champs sont ajoutés à un objet, l’optimiseur peut proposer de les inclure.
- Pour réduire les coûts. Relancez l’optimiseur avec une instruction explicite telle que « Réduisez de moitié le nombre de champs » pour obtenir une configuration plus légère.
Ce que l’optimiseur ne fait pas
- Il ne modifie pas la liste des enregistrements de champ de contexte. Vous choisissez les associations entre agents et objets. L’optimiseur modifie uniquement les quatre champs configurables de l’enregistrement sélectionné.
- Il ne contrôle pas la sécurité au niveau des champs (FLS). Il recommande les champs utiles à l’objectif de l’agent. La FLS reste appliquée lors de l’exécution : chaque utilisateur ne voit que les champs qu’il est autorisé à lire.
- Il n’applique rien automatiquement. Les recommandations sont des propositions. Aucun changement n’a lieu avant votre clic sur Enregistrer dans la vue de comparaison.
Bonnes pratiques
Précisez la persona avant d’optimiser. La pertinence des recommandations dépend de la définition de l’agent. Une persona vague produit des listes génériques. Précisez-la d’abord, puis lancez l’optimisation.
Utilisez l’instruction pour préciser le contexte de l’organisation. Une courte indication telle que « Excluez les champs réservés à un usage interne » ou « Restez sous 12 champs pour limiter le coût » influe sensiblement sur la recommandation.
Lisez aussi le résumé. Il explique pourquoi certains champs ont été retenus ou écartés. Ce raisonnement peut révéler des améliorations à apporter à l’agent lui-même, au-delà de son contexte.
Relancez avec une instruction affinée après avoir observé des conversations réelles. Une seconde exécution avec des indications plus précises produit des recommandations plus ciblées qu’un premier essai sans instruction.
Complétez avec le débogueur de conversations. Après application d’une recommandation, menez une conversation réelle et utilisez le débogueur pour vérifier les champs effectivement utilisés par l’agent. Ceux qu’il ignore pourront être retirés lors de l’optimisation suivante.
Questions fréquentes
Non. Il modifie uniquement les quatre champs configurables d’un enregistrement existant. Pour une nouvelle association entre agent et objet, créez d’abord l’enregistrement, puis lancez l’optimiseur.
Chaque exécution porte sur un seul enregistrement. Si un agent en possède plusieurs, lancez l’optimiseur successivement sur chacun. Les exécutions sont indépendantes et peuvent être réalisées dans n’importe quel ordre.
La sécurité au niveau des champs s’applique lors de l’exécution, quand l’agent lit le contexte. L’optimiseur recommande les champs utiles à son objectif sans vérifier les autorisations FLS de chaque utilisateur. Deux utilisateurs d’un même agent ne verront chacun que les champs recommandés qu’ils sont autorisés à lire.
Oui. La vue de comparaison présente la recommandation à côté de la valeur actuelle. Vous pouvez l’accepter telle quelle, modifier l’un des quatre champs ou abandonner complètement l’optimisation.
L’optimiseur peut inclure des champs polymorphes comme WhoId ou WhatId de Task. Cependant, l’ajout automatique du nom lors de l’exécution est limité aux relations à cible unique. Consultez Relations polymorphes pour le comportement à l’exécution et le paramètre Autoriser le contexte d'enregistrement d.
Généralement quelques secondes. Les organisations dont l’objet cible possède de nombreux champs peuvent nécessiter un peu plus de temps, car le schéma transmis au modèle est plus volumineux.
Le champ de contexte est un enregistrement Salesforce. Si l’historique des champs est activé, vous pouvez retrouver les anciennes valeurs et les rétablir manuellement. Aucun bouton ne permet d’annuler automatiquement la dernière optimisation.
Prochaines étapes
Consultez Relations polymorphes pour comprendre la gestion de champs comme WhoId et WhatId, ou Suggestions contextuelles pour ajouter des boutons d’action rapide dans la conversation.