🚀
GUIDE GRATUIT
RFP Chatbot : Ne partez pas d'une page blanche
Un mode d'emploi pensé pour les métiers avec un guide pas à pas pour rédiger chaque section de votre appel d'offres.
Méthodologie guidée : Quoi écrire dans chaque chapitre (Contexte, Fonctionnel, Tech)
Concepts clés décryptés : RAG, LLM, Base de connaissance
Modèles inclus : Structures prêtes à l'emploi pour vos cas d'usage
👉 Télécharger le guide
Il y a une catégorie de conversations ratées qui ne laisse aucune trace. Le client pose une question, le bot répond « je n'ai pas cette information », le client s'en va. Pas de ticket, pas de vote, pas de transfert. Juste une conversation de plus dans le volume du mois.
Multipliez par cent, par mille, et vous avez le premier gisement d'amélioration d'un chatbot IA : les questions auxquelles il ne pouvait pas répondre parce que l'information n'existait pas dans sa base de connaissances. On appelle ça un knowledge gap. C'est, de tous les signaux qu'on peut extraire d'une conversation, celui qui se transforme le plus directement en travail concret.
Définition : un knowledge gap est une conversation où le bot n'avait pas l'information générale nécessaire pour répondre à la demande de l'utilisateur. Le taux de knowledge gap d'un sujet est la part de ses conversations où c'est arrivé.
Pourquoi c'est le signal le plus utile
Le taux de résolution vous dit qu'une conversation a échoué. La cause peut être n'importe quoi : contenu manquant, parcours qui mène à une impasse, question mal comprise, demande hors périmètre, client mécontent d'une réponse pourtant correcte. Pour savoir laquelle, il faut lire.
Un knowledge gap vous dit pourquoi. L'information manquait. C'est un problème précis, avec un propriétaire évident (l'équipe qui écrit la base de connaissances) et une correction presque toujours identique : écrire ou corriger le contenu. Un agent IA répond à partir de ce qu'il trouve dans sa base. Si ce n'est pas dedans, il ne peut pas le dire.
C'est pour cela qu'un sujet qui cumule résolution basse et knowledge gap élevé est le point le moins cher de la carte. Commencez là, avant les parcours et les intentions.
Comment on le détecte sur 100 % des conversations
Personne ne lit 50 000 conversations par an. Chez ViaSay, un évaluateur IA distinct du bot relit chaque conversation terminée et répond, entre autres, à cette question : le bot avait-il l'information demandée ? Le verdict est stocké par conversation, avec sa justification, et agrégé par sujet.
Le résultat, dans l'onglet Performance, est un tableau des knowledge gaps par sujet.
Et sur chaque conversation marquée, le survol du tag explique ce qui manquait.
Ce qui est un knowledge gap, et ce qui n'en est pas
Cette distinction est ce qui rend la métrique exploitable. Sans elle, elle se remplit de faux positifs et personne ne la regarde plus.
C'est un knowledge gap quand le bot n'a clairement pas l'information générale demandée et répond « je ne sais pas », ou refuse sans aucune orientation utile. « Quelle est votre politique de remboursement ? » → « Je n'ai pas cette information. »
Ce n'est pas un knowledge gap quand le bot fournit l'information, ni quand il ne peut pas accéder à une donnée personnelle ou en temps réel et redirige l'utilisateur vers l'endroit valide où elle se trouve. « Ai-je droit à un remboursement sur ma réservation ? » → « Voici votre espace client, rubrique Mes réservations. »
Le bot n'a pas à connaître le solde d'un client. Il doit savoir où le client peut le voir. La métrique mesure la connaissance manquante, pas l'accès manquant aux bases de données. C'est ce qui la garde assez propre pour qu'on agisse dessus.
Comment lire le chiffre
Pour un sujet donné :
Taux de knowledge gap | Lecture |
|---|---|
Moins de 15 % | Sain |
15 à 30 % | À surveiller |
30 % et plus | Près d'une conversation sur trois bute sur un mur. Urgence de contenu sur ce sujet. |
Un point de méthode : ne classez pas les sujets par pourcentage. Un sujet à 40 % de gap sur 30 conversations vaut 12 questions sans réponse. Un sujet à 18 % sur 2 000 en vaut 360. Le tableau ViaSay trie déjà par nombre de conversations concernées.
La méthode, en une heure
1. Trouvez où les gaps se concentrent
Performance, tableau Knowledge Gaps by Topic. Prenez le sujet qui a le plus de conversations en gap, pas le pourcentage le plus effrayant.
2. Lisez les conversations derrière
Cliquez sur le sujet. C'est l'étape qui produit la liste de choses à faire. Un knowledge gap pointe le sujet, pas l'article manquant : le système ne peut pas écrire votre contenu à votre place. Quinze minutes de lecture donnent une liste très précise : « sept personnes ont demandé les conditions bagages sur un vol avec correspondance et nous n'avons rien dessus ».
En lisant, séparez les deux cas que la métrique distingue déjà : l'information générale vraiment absente (à écrire), et la donnée personnelle correctement redirigée (à laisser tranquille, aucun contenu ne la réglera).
3. Écrivez ou corrigez le contenu
Ajoutez les articles manquants, ou réécrivez ceux qui existaient sans être utilisés. Le tableau Article Performance, sur le même onglet, montre comment se comportent vos articles existants. Un article peu performant sur un sujet à fort gap signifie en général que le contenu existe mais qu'il est mal titré, enfoui, ou écrit pour une autre question que celle que les gens posent.
Un sujet à la fois. Si vous réécrivez dix articles sur cinq sujets et que le taux bouge, vous ne saurez pas quel changement l'a fait bouger.
4. Remesurez, sur la même ligne, trois semaines plus tard
Même tableau, même sujet. Un taux de gap qui baisse est la bonne direction. Si le taux de résolution du sujet a monté en même temps, le contenu était le goulot, et vous venez de l'enlever.
Deux motifs qui disent de chercher ailleurs
Gap élevé, mais la lecture montre que les réponses existent. Si les conversations montrent que l'information était dans la base et que le bot ne l'a pas utilisée, le problème n'est pas la couverture du contenu mais sa qualité : article mal titré, enfoui, écrit pour une autre formulation. Correction de rédaction, pas de rédaction nouvelle.
Gap bas, résolution basse. Le contenu n'est pas le problème sur ce sujet. Le bot a l'information et les conversations échouent quand même : la cause est dans le parcours, ou dans le service derrière la réponse. Basculez sur la méthode pour améliorer le taux de résolution et lisez pour le motif de parcours.
Le cas des parcours scriptés
Un knowledge gap dans un parcours scripté, sans IA générative, est un signal particulier. L'utilisateur a posé une question que l'arbre de décision ne prévoyait pas, et personne ne pouvait aller chercher la réponse. Aucun contenu ne corrigera ça tant que le parcours reste scripté.
C'est en général le meilleur candidat pour une étape d'IA générative : l'information existe ou peut être écrite, et il manque simplement quelqu'un pour la chercher. La section AI Impact de l'Overview compare, sur vos conversations, le taux de knowledge gap des conversations gérées par l'IA et de celles gérées par des parcours scriptés. Sur les instances que nous suivons, l'écart est en général net dans le sens de l'IA.
Ce qu'il faut retenir
Un knowledge gap dit pourquoi, pas seulement que. L'information manquait. Propriétaire clair, correction directe.
Redirection correcte ≠ gap. La métrique mesure la connaissance manquante, pas l'accès aux données personnelles.
Seuils : sous 15 % sain, 15 à 30 % à surveiller, 30 % et plus urgence de contenu.
Triez par conversations concernées, pas par pourcentage.
Une heure : trouver le sujet, lire quinze minutes, écrire le contenu, remesurer à trois semaines.
Gap dans un parcours scripté = premier candidat pour une étape d'IA générative.
Voir vos knowledge gaps, sujet par sujet
Une démo de 30 minutes sur vos conversations, avec le tableau des gaps et la justification de chaque verdict.
Questions fréquentes
Qu'est-ce qu'un knowledge gap dans un chatbot ? Une conversation où le bot n'avait pas l'information générale demandée, comme une politique, un tarif ou une procédure, et n'a pas pu répondre. Une redirection correcte vers une donnée personnelle ou en temps réel, comme un espace client, n'est pas un knowledge gap.
Comment détecter les questions auxquelles mon chatbot ne sait pas répondre ? En faisant relire chaque conversation terminée par un évaluateur IA qui juge si le bot avait l'information, puis en agrégeant par sujet. Les journaux de recherche et les votes clients ne couvrent qu'une fraction des cas ; la lecture par IA couvre 100 % des conversations.
Quel taux de knowledge gap est acceptable ? Sous 15 % par sujet, la situation est saine. Entre 15 et 30 %, le sujet mérite une revue de contenu. Au-dessus de 30 %, près d'une conversation sur trois échoue faute d'information : c'est une priorité.
Comment corriger un knowledge gap ? Lire les conversations du sujet pour identifier précisément ce qui manque, écrire ou corriger le contenu dans la base de connaissances, un sujet à la fois, puis remesurer le même sujet trois semaines plus tard.
Un chatbot scripté peut-il avoir des knowledge gaps ? Oui, quand l'utilisateur pose une question que l'arbre de décision ne prévoyait pas. Aucun contenu ne le corrigera tant que le parcours reste scripté ; c'est en général le premier sujet où ajouter une étape d'IA générative.
