Présentation du guide Agentforce

Les agents IA ont le potentiel de révolutionner les organisations en augmentant l'efficacité, en réduisant le travail manuel et en créant un lieu de travail plus sophistiqué et adaptatif. C'est pourquoi nous avons lancé Agentforce, une plate-forme pour la création d'agents IA. Mais les nouvelles technologies s'accompagnent de nouveaux concepts et de nouvelles considérations en matière de mise en œuvre.

Ce guide explore les éléments fondamentaux d'Agentforce. Il s'agit du premier d'une série de guides qui évolueront en même temps qu'Agentforce. Dans cette ressource, vous trouverez des détails sur le fonctionnement d'Agentforce, ainsi que les principales capacités et les compromis que les architectes et tous les techniciens doivent connaître lorsqu'ils construisent avec Agentforce.

Ce que nous allons aborder :

• Enseignements clés
• Principes de base d'Agentforce
• Répliques vs. agents
• Raisonnement d'Agentforce
• Pratiques à privilégier pour l'utilisation de filtres ou d'instructions
• Pratiques à privilégier pour les thèmes, les instructions et les actions
• Agentforce a-t-il besoin de Data Cloud ?
• Remarques finales
• Ressources

• Les agents sont différents des autres outils d'IA générative tels que les chatbots, les copilotes et les répliques, car ils peuvent planifier, raisonner et utiliser des outils avec ou sans intervention humaine.
• L'ingénierie en répliques est essentielle pour créer des agents. Il s'agit de la principale méthode permettant de guider le comportement d'un agent et de contrôler les résultats par le biais de thèmes, d'actions et d'instructions, et elle est essentielle pour concevoir des actions efficaces basées sur un modèle de réplique.
• Les thèmes, les actions et les instructions vous permettent de contrôler les répliques qui pilotent le moteur de raisonnement. C'est pourquoi ils sont un élément clé pour qu'Agentforce soit à votre service.
• Comme Agentforce fait partie de Salesforce Platform, les agents construits avec Agentforce peuvent utiliser les outils low-code et pro-code que vous connaissez déjà.
• Data Cloud fait partie intégrante d'Agentforce. Il permet l'indexation et la segmentation pour la génération augmentée de récupération (RAG), l'analyse des agents, Intégrer votre modèle (BYOM) et le portefeuille digital.
• Les agents sont formidables, mais parfois un modèle de réplique suffit.

En termes simples, un agent est un type de logiciel qui utilise l'IA générative pour prendre des décisions sur les étapes à suivre et comment les suivre. Un agent peut comprendre une question (souvent appelée « énoncé »), raisonner de manière autonome pour déterminer les actions à entreprendre pour atteindre son objectif, identifier les données nécessaires, puis agir, avec ou sans intervention humaine. Mieux encore : Les agents utilisent des modèles de langage de grande taille (LLM) au lieu de règles strictes et pré-écrites. Cela rend les agents plus dynamiques que l'automatisation basée sur des règles, mais c'est aussi un changement important par rapport aux logiciels traditionnels qui suivent des instructions codées en dur.

Principales capacités des agents IA

• Les agents sont dynamiques et peuvent s'adapter à des situations, des informations et des environnements différents.
• Les agents peuvent être autonomes (agir sans intervention humaine) ou guidés pour impliquer un humain dans la boucle.
• Les agents sont différents des autres outils d'IA générative car ils peuvent planifier, raisonner et agir.

Bien que les agents ne suivent pas une logique codée en dur comme un logiciel traditionnel, Agentforce fournit un certain nombre de composants permettant d'ajouter des contrôles supplémentaires à la façon dont vos agents raisonnent. Il existe également un certain nombre de fonctionnalités qui rendent Agentforce extensible. Voici un aperçu de ces composants :

Le déploiement d'un agent IA doit être soigneusement planifié. Si votre organisation n'a encore mis en place aucune stratégie à cet égard, nous vous conseillons d'obtenir le badge Stratégie d'IA sur Trailhead . Mais nous allons partir du principe que vous êtes déjà parfaitement à l'aise avec tous les processus associés à cette stratégie : définir votre vision de l'IA, instaurer un conseil de l'IA, établir une gouvernance de l'IA, identifier les cas d'usage de l'IA et élaborer une feuille de route.

La création d'un agent impose de mobiliser du temps et des ressources. Et pour être certain de parvenir immédiatement au résultat escompté, vous devez entreprendre une planification rigoureuse. Avant de vous lancer, commencez par définir un cas d'usage et par créer une carte de processus pour chacun de vos futurs agents. Le badge Planification d'agents sur Trailhead permet d'acquérir des compétences dans le domaine du mappage des processus décrit dans le module de formation « Description du travail de l'agent  ». Exposez dans les grandes lignes l'expérience utilisateur idéale et décrivez de quelle manière le système réagira aux entrées de l'utilisateur et traitera les erreurs ou les problèmes potentiels.

Vous obtiendrez alors un schéma qui vous aidera à comprendre le flux, à générer des instructions et à savoir où utiliser les actions, les variables et les filtres. Cette approche de la planification des agents offre de nombreux avantages :

• Impliquer les utilisateurs métier et s'accorder sur le périmètre d'action
• Définir les actions, les instructions et les garde-fous
• Générer des instructions claires et spécifiques
• Corriger les bugs pendant les phases de test et d'évaluation
• Évaluer les scénarios de bout en bout
• Démontrer la conformité et fournir une piste d'audit
• Expliquer le comportement attendu des agents et obtenir l'aval des parties prenantes

Avant de continuer, il est important de noter que les agents ne sont pas le seul outil d'IA générative disponible sur Salesforce Platform. Les modèles de réplique offrent un autre outil puissant pour créer des applications qui utilisent l'IA générative. Les modèles de réplique, intégrés dans Prompt Builder, vous permettent de définir un ensemble d'instructions structurées et réutilisables qui guident un modèle d'IA générative pour produire des sorties spécifiques. Ils peuvent référencer les données Salesforce par le biais de champs prédéfinis, de graphiques de données et de la génération augmentée de récupération (RAG) de données contextuelles. Les modèles de réplique sont également hautement sécurisés : toutes les répliques sont acheminées via la couche de confiance de Salesforce, ce qui permet de respecter les autorisations, de masquer les données sensibles et de signaler les sorties toxiques.

Les modèles de réplique sont des interactions à un tour avec l'IA et conviennent parfaitement aux tâches ponctuelles qui ne nécessitent pas de mémoire ou de raisonnement en plusieurs étapes. Par exemple, un modèle de réplique est idéal lorsque vous devez reformuler une phrase ou résumer une requête, car il n'est pas nécessaire d'avoir un contexte continu. Lors de la conception de solutions avec des modèles de réplique, il est important de se rappeler qu'ils sont sans état (ils ne conservent pas de mémoire entre les tours) et qu'ils ne prennent pas de décisions ou n'entreprennent pas d'actions. Les modèles de réplique génèrent une réponse basée sur l'entrée et la logique que vous fournissez au moment de la conception.

Les modèles de réplique peuvent être utilisés seuls dans une solution d'IA intégrée, mais vous pouvez également ajouter un modèle de réplique à un agent sous la forme d'une action de l'agent. L'utilisation d'un modèle de réplique seul est idéale lorsque :

• Le contexte commercial est bien compris et stable
• Le résultat souhaité suit un format prévisible, bien que la réponse elle-même ne soit pas déterministe.
• Il n'est pas nécessaire d'évaluer différentes voies ou de prendre des mesures autonomes.
• Ni le contexte permanent, ni l'état, ne sont nécessaires
• Un raisonnement en plusieurs étapes n'est pas nécessaire

Cas d'usage des modèles de réplique :

• Générer un résumé d'enregistrement structuré (par exemple, résumer des notes de cas)
• Créer des notes de réunion structurées
• Générer des modèles de réponses par e-mail
• Proposer les meilleures étapes à suivre
• Identifier une analyse des sentiments d'une requête

Gardez à l'esprit que si les modèles de réplique peuvent remplir dynamiquement des données et générer des réponses basées sur les entrées dynamiques qui sont rendues au moment de l'exécution, ils ne peuvent pas raisonner à partir d'options ou prendre des mesures.

Les agents sont des systèmes logiciels qui décident de manière autonome ce qu'il faut faire, dans quel ordre et comment le faire, en fonction de l'évolution du contexte. Les agents vont au-delà d'une simple réplique car ils peuvent planifier, raisonner, appeler des actions externes (comme des appels API ou des consultations de bases de données) et réagir en fonction des résultats. Ils peuvent choisir des voies ou des réponses différentes en fonction de ce qu'ils apprennent en cours de processus. Les agents sont les meilleurs quand :

• L'environnement ou le contexte peut changer de façon dynamique
• Plusieurs décisions ou branches sont possibles sur la base des données
• L'IA doit remplacer le jugement humain ou l'aider à faire un choix ou à prendre des mesures

Cas d'usage d'agents IA :

• Triage et acheminement des cas d'assistance entrants
• Résolution des problèmes de réservation en vérifiant les systèmes et les politiques externes
• Gérer des flux de travail en plusieurs étapes avec des boucles de rétroaction
• Rédaction d'un e-mail de réponse à une requête en fonction des détails du problème du client, avec des solutions possibles et des articles de connaissance pertinents provenant de votre site Web destiné aux clients
• Programmation d'un rendez-vous en fonction de la disponibilité du représentant de service et des préférences du client
• Détection d'événements (problèmes de mise à jour logicielle, par exemple) et lancement proactif de tâches de dépannage ou déclenchement d'une action pour invoquer un appel API afin de tenter de résoudre le problème à distance

Vous cherchez à comprendre comment Agentforce comprend les demandes des utilisateurs et décide des actions à entreprendre ? Cette section vous guidera à travers le cœur de son processus de prise de décision : Atlas Reasoning Engine. De la même manière que la compréhension de l'ordre d'exécution est essentielle pour comprendre ce qui se passe lorsqu'un enregistrement est sauvegardé dans Salesforce, le fait de savoir comment Atlas Reasoning Engine fonctionne en coulisses vous permet de comprendre comment fonctionne le moteur Agentforce.

Atlas Reasoning Engine utilise une série de répliques, de codes, d'appels LLM et un ensemble de trois éléments clés pour aider les agents à comprendre et à répondre efficacement. Considérez les trois éléments suivants (thèmes, instructions et actions) comme les leviers que vous contrôlez pour que les agents travaillent pour vous. Lorsque vous ajustez ces éléments, vous modifiez les répliques que le moteur de raisonnement utilise pour comprendre, décider et agir. En effet, Agentforce utilise des répliques dans le moteur de raisonnement pour classer les thèmes et les actions. En d'autres termes, vous bénéficiez d'une ingénierie de requête à chaque fois que vous créez un agent dans Générateur d'agent !

Avant de découvrir Atlas Reasoning Engine plus en détail, examinons de plus près les thèmes, les instructions et les actions, trois éléments importants de métadonnées que vous définissez chaque fois que vous construisez un agent avec Agentforce.

Les thèmes constituent la base des capacités de votre agent, définissant ce qu'il peut faire et les types de demandes des clients qu'il peut traiter. Considérez-les comme des services spécialisés disposant d'une expertise, d'outils (actions) et de directives (instructions) spécifiques. Lorsqu'un client envoie un message, votre agent détermine d'abord quel « service » (thème) doit traiter la demande, puis suit les directives de ce service et utilise ses outils pour aider le client. Les thèmes ont également une portée qui définit ce qu'un agent peut ou ne peut pas faire dans ce domaine spécifique.

Les instructions sont les directives qui déterminent la manière dont les conversations sont traitées dans le cadre d'un thème, en guidant le choix des actions, en définissant des modèles de conversation et en fournissant un contexte commercial. Des thèmes clairs et distincts évitent les chevauchements et permettent au moteur de raisonnement de classer correctement les demandes des clients. Les instructions doivent être claires, spécifiques et exploitables pour guider efficacement l'agent.

Les actions sont les outils que votre agent utilise pour obtenir des informations ou effectuer des tâches. Lors de la définition des actions, il est essentiel de comprendre comment le moteur de raisonnement les traite. Le moteur passe en revue les actions disponibles en fonction de leur nom, de leur description et de leurs entrées, ainsi que des instructions relatives au sujet et du contexte de la conversation. Agentforce s'accompagne d'un certain nombre d'actions d'agent standard et vous pouvez créer des actions d'agent personnalisées pour étendre votre mise en œuvre. Cependant, vous devez toujours vérifier si une action standard peut être utilisée avant de créer une action personnalisée. Concevez des actions sans jamais perdre de vue la question de la réutilisabilité, car ces actions peuvent être utilisées dans plusieurs thèmes. Vous trouverez ci-dessous une liste des actions personnalisées de l'agent disponibles et des scénarios où vous devez les utiliser :

Vous vous demandez peut-être comment un agent utilise les thèmes, les instructions et les actions pour accomplir son travail. Voici une description étape par étape de ce qui se passe dans Atlas Reasoning Engine lorsqu'un agent est invoqué.

Le processus commence lorsqu'un message ou une requête est reçu d'un utilisateur, ou lorsqu'un agent est invoqué à partir d'un événement, d'une modification de données ou d'un appel API.

Le moteur de raisonnement analyse le message de l'utilisateur pour le classer dans le thème le plus pertinent. Pour cette étape de classification, le moteur de raisonnement ne prend en compte que le nom du thème et la description de la classification du thème. Si aucun thème approprié ne correspond, il est classé par défaut dans la catégorie « hors thème ».

La portée, les instructions et les actions associées au thème sélectionné sont injectées dans la réplique, de même que le message original de l'utilisateur et l'historique de la conversation (en moyenne, les six derniers tours de la conversation). La réplique obtenue est envoyée au LLM pour déterminer ce que doit faire ensuite l'agent.

L'agent analyse les données combinées (message de l'utilisateur, instructions, actions potentielles) et décide de l'étape suivante :

• Exécuter une action : si des informations spécifiques sont nécessaires ou si une tâche doit être exécutée.
• Répondre à l'utilisateur : s'il dispose de suffisamment d'informations ou s'il est à la recherche d'informations, l'agent peut envoyer une réponse.

• L'agent invoque l'action choisie.
• La sortie ou le résultat de l'action exécutée est capturé.
• Traitement des résultats de l'action : la sortie de l'action est renvoyée au LLM, combinée à nouveau avec le contexte d'origine (instructions, actions, historique de la conversation).

• L'agent réévalue la situation en fonction des nouvelles informations (résultats de l'action) et du contexte de la conversation en cours.
• Le résultat est envoyé en même temps que la portée du thème central, l'instruction et les actions, et décide s'il faut exécuter une autre action ou formuler une réponse.
• Cette boucle se poursuit jusqu'à ce que l'agent détermine qu'il dispose de toutes les informations nécessaires et qu'il est prêt à répondre directement à l'utilisateur.

Avant d'envoyer la réponse finale, l'agent effectue une dernière vérification pour s'assurer que sa proposition de réponse est fondée sur les instructions fournies pour le thème et qu'elle les respecte. Cette étape consiste à vérifier que la réponse :

• est correctement contextualisée selon les informations de base,
• respecte les instructions et la portée du thème,
• n'inclut pas des informations hallucinées ou non vérifiées,
• ne présente pas de risques potentiels d'injection de répliques.

La réponse finale, validée, est envoyée à l'utilisateur. Si l'étape de contextualisation échoue, l'agent réessaie et tente de produire une réponse contextualisée. S'il n'est pas en mesure de produire une telle réponse, il enverra un message standard pour informer l'utilisateur qu'il ne peut pas répondre à la demande.

La compréhension de ce flux de travail permet d'expliquer pourquoi chaque composant de votre agent - thèmes, instructions et actions - doit être soigneusement conçu pour fonctionner avec ce processus de raisonnement. Mais cela ne s'arrête pas là.

Pour fournir un contrôle supplémentaire et ajouter une logique déterministe à votre flux de travail agentique, Agentforce utilise le filtrage conditionnel. C'est comme avoir des règles de visibilité dynamiques pour les champs de formulaire, mais pour vos agents lorsqu'ils raisonnent.

Les filtres conditionnels agissent comme des gardiens qui déterminent si un thème ou une action doit être pris en compte au cours du processus de raisonnement. Contrairement aux instructions qui guident les décisions du LLM, les filtres opèrent au niveau du système pour supprimer ou inclure complètement des thèmes et des actions en fonction de conditions spécifiques.

Le filtrage conditionnel améliore les performances de l'agent de deux manières essentielles :

1. Amélioration de la précision de la classification des thèmes

En éliminant les thèmes non pertinents en fonction de l'état de la conversation, vous réduisez le « bruit sémantique » au cours du processus de classification des thèmes, ce qui permet de sélectionner plus facilement le bon thème pour une requête d'utilisateur.

Par exemple, si un utilisateur ne s'est pas encore authentifié, les filtres peuvent masquer tous les thèmes liés à des actions spécifiques au compte. Cela évite à l'agent de classer à tort des requêtes générales dans des thèmes sensibles, ce qui entraînerait des erreurs d'authentification ou des réponses inappropriées.

2. Sélection d'actions adaptées au contexte

Une fois qu'un thème est sélectionné, des filtres permettent d'affiner les actions disponibles dans ce thème en fonction de l'état actuel de la conversation :

• Si des variables obligatoires ne sont pas renseignées (par exemple, le numéro de commande), les actions qui dépendent de ces variables peuvent être masquées.
• Si certaines actions ne doivent être disponibles qu'en fonction des attributs ou des autorisations, les filtres peuvent appliquer ces règles.

Fonctionnement du filtrage conditionnel

Atlas Reasoning Engine prend en charge le filtrage basé sur deux types de variables : les variables de contexte et les variables personnalisées. Voici un aperçu général des propriétés de chaque type :

Il s'agit de variables dérivées de la session de messagerie :

• Champs standard de l'objet Session de messagerie
• Champs personnalisés ajoutés à l'objet Session de messagerie
• Données du formulaire de pré-messagerie
• Informations sur les sessions de messagerie précédentes

Les variables contextuelles sont particulièrement utiles pour personnaliser les interactions sur la base d'informations connues sur le client, sans que l'agent ait à les demander au cours de la conversation. Lorsque l'on conçoit une solution avec des variables de contexte, il est important de savoir qu'elles sont définies au début de la session et qu'elles sont immuables au cours de cette session.

Les variables personnalisées stockent les informations renvoyées par les actions. Elles peuvent être utilisées pour :

• Suivi de l'état de la conversation (par exemple, état de l'authentification)
• Stockage des résultats d'action qui doivent persister dans les entrées d'action
• Création de dépendances entre les actions, permettant aux actions de n'être disponibles que si une certaine condition est remplie

Les filtres sont définis à partir des valeurs du contexte et des variables personnalisées. Ils peuvent être appliqués au niveau du thème et de l'action :

• Filtres au niveau du thème : contrôler si le thème entier est disponible pour la classification
• Filtres au niveau de l'action: contrôler la disponibilité d'actions spécifiques au sein d'un thème, même si le thème lui-même est sélectionné

Voici une vue simple d'Atlas Reasoning Engine qui montre comment les filtres au niveau du thème et au niveau de l'action s'intègrent dans le flux de raisonnement.

Le cas d'utilisation le plus courant du filtrage est le contrôle de l'accès aux opérations sensibles :

Filter: "Requires Authentication"

Condition : authenticationStatus = "verified"

Appliqué à : Thème de la gestion des comptes, thème du traitement des paiements

Ainsi, même si un utilisateur pose des questions sur son compte ou ses paiements avant de s'authentifier, l'agent n'autorisera pas l'appel de ces thèmes.

Les filtres peuvent également aider les étapes du processus à se dérouler dans le bon ordre :

Filtre : "Order Number Required"

Condition: orderNumber != null

Applied to: Check Order Status Action, Modify Order Action

Cela permet de s'assurer que les actions liées à la commande ne sont disponibles que lorsqu'un numéro de commande a été collecté et stocké dans une variable.

Il est important de comprendre la différence entre le filtrage et les instructions :

1. Les filtres fonctionnent de manière déterministe: ils utilisent des variables pour inclure/exclure des thèmes et des actions.
2. Les instructions sont interprétées par le LLM : non déterministes, elles se basent sur la compréhension du LLM, ce qui signifie que leurs résultats peuvent varier en fonction de la compréhension et de l'interprétation du modèle.
3. Les filtres limitent les décisions de l'agent : ils éliminent complètement des options, ce qui réduit l'espace de recherche et permet d'obtenir une meilleure précision.

Les citations constituent une autre partie d'Atlas Reasoning Engine. Vous pouvez utiliser des citations pour valider les sources utilisées par le LLM pour générer une réponse. Le diagramme ci-dessous comment les citations s'intègrent dans le flux du moteur de raisonnement.

Ce diagramme met également en évidence l'architecture composable du moteur de raisonnement. L'escalade, les citations et les garde-fous sont des composants modulaires utilisés par le moteur de raisonnement lors de la construction d'un agent à l'aide du modèle Agentforce pour les services. Aujourd'hui, les composants modulaires utilisés par le moteur de raisonnement sont définis modèle par modèle. Nous nous efforçons de faire en sorte que ces composants ressemblent encore plus à des pièces de lego qui peuvent être échangées avec un agent, voire avec des clients à l'avenir.

Nous avons déjà abordé de nombreux points. Prenons maintenant un peu de recul et examinons un exemple complet de la manière dont les thèmes, les instructions et les actions fonctionnent avec le moteur de raisonnement lorsqu'un client pose une question à un agent.

Message du client: « J'ai commandé un pull-over rouge hier, mais je dois modifier l'adresse de livraison. »

• Le moteur compare le message à tous les noms de thèmes et à toutes les descriptions de classification.
• Il sélectionne le thème « Modifier une commande » car la description de sa classification mentionne « modifications de commandes ».

• Le moteur de raisonnement place le thème « Modifier l'heure de livraison » ou « Modifier l'adresse » dans la réplique centrale et inclut la portée du thème, les instructions et les actions disponibles, ainsi que l'historique des conversations et le message de l'utilisateur
• La portée indique que l'agent peut modifier les commandes mais ne peut pas les annuler une fois qu'elles ont été traitées.
• Les instructions comprennent des conseils sur le traitement des modifications de commandes.

• Sur la base des instructions du thème et des descriptions d'action, le moteur détermine qu'il doit :
  • D'abord identifier la commande (à l'aide de l'action « Find Order by Description » (Rechercher la commande par description)).
  • Mettre ensuite à jour l'adresse de livraison (à l'aide de l'action « Update Order Shipping » (Mettre à jour l'expédition de la commande)).

• Le moteur demande au client son adresse e-mail pour trouver la commande.
• Une fois la commande localisée, il recueille la nouvelle adresse de livraison.
• Il exécute l'action « Update Order Shipping » avec l'identifiant de la commande et la nouvelle adresse.
• Il confirme le changement d'adresse auprès du client.

Maintenant que vous savez comment fonctionne le moteur de raisonnement et pourquoi les thèmes, les actions et les instructions sont si importants, examinons quelques pratiques à privilégier pour les créer.

Les thèmes constituent la base des capacités de votre agent. Ils définissent ce que votre agent sait faire et les types de demandes des clients qu'il peut traiter. Les trois éléments d'un thème sont le nom du thème, la description de la classification et la portée.

• Réfléchissez : « Comment classerais-je les 'tâches à accomplir' par mon agent ? »
• Utiliser des noms facilement reconnaissables
• Utiliser des noms courts et descriptifs
• Utiliser des verbes (par exemple, fournir, modifier ou annuler) avant les noms
• Veillez à ce que les noms des différents thèmes ne se chevauchent pas
• Passer en revue les thèmes existants avant d'en créer de nouveaux
• Limiter les thèmes à 10-15 par agent. Trop de thèmes ou des thèmes qui se chevauchent augmentent la probabilité que l'agent soit incohérent ou imprécis

• Indiquer aux utilisateurs les différentes approches possibles pour demander ce type d'aide
• Dresser la liste des mots-clés et des expressions que les clients utilisent habituellement
• Couvrir l'ensemble des questions que ce thème devrait traiter
• Rédiger en langage naturel et non en termes techniques
• La différencier des autres descriptions de thèmes

Si vous constatez que l'agent ne parvient pas à sélectionner le bon thème pour les requêtes des utilisateurs, les noms et les descriptions des thèmes sont les premiers éléments à examiner et à affiner.

• Rédigez ce texte comme si vous expliquiez un poste à un nouveau collaborateur : « Votre tâche consiste à... Vous ne pouvez pas... »
  • Soyez explicite en ce qui concerne les autorisations et les limitations.
• Utilisez un langage clair et sans ambiguïté sur les limites à ne pas franchir.

Voyons comment configurer un thème au moment de la conception pour qu'un agent puisse aider les utilisateurs à réinitialiser leurs mots de passe. Voici à quoi pourraient ressembler les thèmes, les instructions et les actions :

Ensuite, au moment de l'exécution, lorsqu'un client interagit avec notre agent depuis le site Web d'une entreprise, voici ce qui se passe :

1. Le client dit : « J'ai oublié mes identifiants de connexion ».
2. Le moteur de raisonnement associe ce thème à celui de la réinitialisation des mots de passe car la description de la classification mentionne « mots de passe oubliés, problèmes de connexion, problèmes d'accès aux comptes ».
3. La portée indique à l'agent qu'il peut aider aux réinitialisations de mots de passe, mais qu'il ne peut pas accéder aux informations du compte ni les modifier.
4. L'agent suit les instructions pour vérifier l'identité du client, puis lui proposer d'envoyer un lien de réinitialisation du mot de passe.
5. L'agent utilise l'action Envoyer un e-mail de réinitialisation du mot de passe pour effectuer la tâche.

Les instructions sont les directives qui indiquent à votre agent comment gérer les conversations dans un thème donné. Les instructions aident l'agent à prendre des décisions sur les actions à entreprendre et sur la manière de réagir.

Les instructions jouent plusieurs rôles cruciaux dans le processus de décision de votre agent :

1. Guider pour le choix de l'action : elles aident votre agent à choisir l'action à utiliser dans des situations spécifiques.
2. Définir des modèles de conversation : elles déterminent la manière dont votre agent doit interagir avec les clients.
3. Fournir un contexte commercial : elles aident votre agent à comprendre les processus et la terminologie de votre entreprise.

Sans instructions claires, votre agent risque de choisir les mauvaises actions, de mal comprendre les demandes des clients ou de fournir des réponses incohérentes. Mais n'oubliez pas que les instructions sont fusionnées dans une réplique et envoyées au LLM, et qu'elles ne sont donc pas déterministes. Elles ne remplacent pas le besoin de règles commerciales codées au sein de l'action.

Lorsque le moteur de raisonnement traite une demande d'un client, il utilise vos instructions pour :

1. Décider des actions à exécuter : les instructions aident le moteur à déterminer l'action la plus appropriée dans une situation donnée.
2. Déterminer la séquence des étapes : les instructions peuvent aider le moteur à déterminer si certaines étapes doivent être exécutées avant d'autres. Pour plus de détermination, vous pouvez utiliser des variables d'action et des filtres conditionnels.
3. Formuler la réponse : les instructions déterminent la manière dont les informations sont présentées au client.
4. Gérer les exceptions: les instructions indiquent au moteur ce qu'il doit faire lorsque les processus standard ne s'appliquent pas. (Par exemple, si un cas limite se présente, proposer de passer à un agent).

Plus vos instructions sont claires et précises, plus votre agent sera performant.

Lors de la création de votre agent, il est essentiel de savoir quand utiliser des instructions ou des actions pour mettre en œuvre une fonctionnalité. Utilisez les actions pour la logique métier critique qui doit être appliquée de manière cohérente, comme les calculs complexes, le traitement d'informations sensibles et les opérations en plusieurs étapes qui nécessitent un enchaînement spécifique. En revanche, les instructions servent à orienter le flux de la conversation, à aider l'agent à choisir les actions appropriées en fonction du contexte, à définir le format et le ton de la réponse et à établir des stratégies de clarification lorsque l'information est ambiguë.

• Mauvais exemple : « Ne jamais rembourser les commandes datant de plus de 30 jours » (en tant qu'instruction)
• Meilleure approche : intégrer cette logique dans l'action de remboursement de la commande elle-même avec une entrée de date et effectuer la validation sur l'action.

Exemple d'action de commande de remboursement :

public with sharing class RefundOrderHandler {

public class RefundResult {

@AuraEnabled public Boolean canReturn;

@AuraEnabled public String message;

}

@AuraEnabled

public static RefundResult processRefund(Id orderId, Date orderDate) {

RefundResult result = new RefundResult();

if (orderDate == null || orderId == null) {

result.canReturn = false;

result.message = 'Invalid input: Order ID and Order Date are required.';

return result;

}

Date today = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = 'Order cannot be returned. More than 30 days have passed.';

} else {

result.canReturn = true;

result.message = 'La commande peut être renvoyée. Envoi du bon de retour.';

sendReturnEmail(orderId);

}

return result;

}

• Définissez vos termes : ne partez pas du principe que l'agent connaît la signification des termes utilisés dans le secteur.
  • Exemple : « Les codes promotionnels sont utilisés pour obtenir des réductions lors du paiement, tandis que les codes d'enregistrement sont utilisés pour enregistrer les produits sous garantie. »
• Soyez précis en ce qui concerne les séquences : si des étapes doivent se dérouler dans un certain ordre, indiquez-le clairement et incluez-les dans une seule boîte d'instructions.
  • Exemple : « Vérifier d'abord l'identité du client à l'aide de l'action Vérifier le client, puis fournir des informations sur le compte ».
• Utilisez une terminologie cohérente: utilisez les mêmes termes dans toutes vos instructions.
  • Mauvais exemple : « Vérifier les informations du client » dans une instruction et « vérifier les détails du client » dans une autre.
  • Bon exemple : Utilisez systématiquement le terme « client » et nommez les actions par leur nom exact.
• Méfiez-vous des absolus : des mots comme « toujours » et « jamais » sont compris très littéralement.
  • Les absolus peuvent avoir un impact significatif sur la façon dont votre agent interagit. Veillez à ce qu'ils soient utilisés de manière intentionnelle dans les instructions.
• Associez des actions à des situations : précisez clairement quelles actions utiliser dans quelles circonstances.
  • Exemple : « Utiliser l'action « Suivre la commande » lorsque les clients posent des questions sur l'emplacement du colis ou les dates de livraison. »
• Fournissez des critères de décision : aidez votre agent à faire des choix entre des options similaires.
  • Exemple : « Si le client a accès à sa boîte mail, utiliser l'action de réinitialisation du mot de passe par e-mail. Si l'utilisateur n'a pas accès à sa boîte mail, utiliser l'action de vérification de la question de sécurité ».

Les actions sont les outils que votre agent utilise pour obtenir des informations ou effectuer des tâches.

Lorsque votre agent traite une demande d'un client, le moteur de raisonnement :

1. Analyse le message du client et le thème sélectionné
2. Passe en revue les actions disponibles dans ce thème
3. Décide de la ou des actions à utiliser en fonction des paramètres suivants :
   - Les noms des actions, leur description et les données d'entrée des actions
   - Les instructions du thème qui font référence aux actions
   - Le contexte de la conversation
4. Exécute l'action sélectionnée avec les entrées appropriées
5. Utilise les résultats de l'action pour formuler une réponse ou déterminer les étapes suivantes

Pour que ce processus fonctionne efficacement, vos actions doivent porter des noms clairs et descriptifs et être accompagnées d'instructions qui aident le moteur de raisonnement à comprendre quand et comment les utiliser. Pour réduire la latence et améliorer les performances, n'assignez pas plus de 15 actions à un thème et n'oubliez pas que les actions peuvent être réutilisées entre les thèmes !

Chaque action de votre agent comporte trois parties importantes qui doivent être configurées : le nom de l'action, les instructions de l'action et les instructions d'entrée de l'action.

• Utilisez un langage simple qui correspond à la façon dont les clients décriraient l'action.
• Étant donné que le nom de l'API de l'action est envoyé au moteur de raisonnement, veillez à ce que le nom de l'API soit clair et décrive la fonctionnalité.

Pratiques à privilégier pour les instructions d'action :

• Rédigez 1 à 3 phrases expliquant exactement ce que fait l'action
• Précisez quand cette action doit être utilisée (types de demandes des clients)
• Dressez la liste des informations dont l'action a besoin pour se dérouler correctement
• Mentionnez les conditions spéciales ou les cas particuliers que l'action traite
• Incluez des exemples de phrases de clients qui devraient déclencher cette action

Conseils clés pour l'action Instructions de saisie :

• Décrire clairement la nature et l'objectif de la contribution
• Spécifier le format attendu (longueur, caractères, structure)
• Inclure des critères de validation ou des exigences de formatage

C'est une question que nos clients nous posent souvent. La réponse courte est oui. Data Cloud fait partie intégrante de Agentforce, car l'architecture de Data Cloud est utilisée pour certaines fonctions de Agentforce, comme l'analyse des agents et le Digital Wallet. En outre, l'infrastructure Data Cloud permet l'indexation et la recherche de données non structurées, ainsi que l'enregistrement du retour d'information et la piste d'audit. Data Cloud peut également fournir une extensibilité supplémentaire à Agentforce. Les clients peuvent également choisir d'activer des fonctionnalités telles que Utilisez votre propre lac de données (BYOL) et Utilisez votre propre modèle de langage de grande taille (BYO-LLM) pour utiliser des données et des modèles construits sur des plates-formes extérieures à Salesforce avec des agents construits sur Agentforce.

Qu'il s'agisse d'accéder aux données d'autres data lakes par le biais de la fédération de données ou d'utiliser l'infrastructure hyperscale pour des données de l'ordre du pétaoctet, l'utilisation de l'architecture de Data Cloud avec Agentforce permet aux clients d'obtenir de meilleurs résultats en matière d'IA aujourd'hui, et garantit la viabilité à long terme d'une adoption réussie des agents, quelle que soit la taille ou la complexité des jeux de données sous-jacents qui les alimentent.

Vous désirez connaître les fonctionnalités spécifiques de Agentforce prises en charge par Data Cloud ? Vous trouverez ci-dessous un résumé des fonctionnalités d'Agentforce prises en charge par Data Cloud par défaut, et des fonctionnalités Data Cloud optionnelles qui peuvent être activées par les clients souhaitant étendre leur implémentation.

Nous avons abordé les éléments clés qui permettent à Agentforce de fonctionner, notamment Atlas Reasoning Engine, et la manière d'utiliser les thèmes, les instructions et les actions. Il est essentiel de comprendre ces éléments pour utiliser efficacement Agentforce. N'oubliez pas d'utiliser ce guide lorsque vous commencerez à mettre en œuvre Agentforce pour en améliorer les résultats. Nous vous encourageons à consulter les ressources fournies pour en savoir plus.

Planification d'agents : Description du travail de l'agent
  https://trailhead.salesforce.com/fr/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

Instructions d'action :
  https://help.salesforce.com/s/articleView?id=ai.copilot_actions_instructions.htm&type=5

Instructions sur les thèmes :
  https://help.salesforce.com/s/articleView?id=ai.copilot_topics_instructions.htm&type=5

Agents de dépannage :
  https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

Agentforce Variables :
https://developer.salesforce.com/blogs/2025/04/agentforce-variables-a-new-way-to-structure-agent-memory

https://developer.salesforce.com/blogs/2025/04/control-agent-access-and-decision-making-with-variables-and-filters