🚀
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
Les knowledge gaps, ces questions auxquelles votre chatbot IA ne peut pas répondre faute d’information dans sa base de connaissances, sont son premier gisement d’amélioration. De tous les signaux que l’on peut tirer d’une conversation, c’est celui qui se transforme le plus directement en travail concret : écrire ou corriger un contenu. Voici comment les détecter sur 100 % des conversations, lire le chiffre et les corriger en une heure.
Ces conversations ratées ne laissent aucune trace. Le client pose une question, le bot répond « je n’ai pas cette information », et le client s’en va, sans ticket, sans vote ni transfert.
Définition. Un knowledge gap, ou manque de connaissance, 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.
L’essentiel
Un knowledge gap dit pourquoi une conversation a échoué : l’information manquait. Le problème a un propriétaire clair et une correction directe.
Une redirection correcte n’est pas un knowledge gap : la métrique mesure la connaissance manquante, pas l’accès aux données personnelles.
Sous 15 % par sujet, le taux est sain. De 15 à 30 %, il est à surveiller ; à partir de 30 %, il signale une urgence de contenu.
Priorisez les sujets par nombre de conversations concernées, et non par pourcentage.
La correction tient en une heure : trouver le sujet, lire ses conversations pendant quinze minutes, écrire le contenu, puis remesurer trois semaines plus tard.
Un knowledge gap indique pourquoi une conversation a échoué
Le taux de résolution vous dit qu’une conversation a échoué ; 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 l’information n’y est pas, il ne peut pas la donner. Un sujet qui cumule une résolution basse et un knowledge gap élevé est donc le point le moins cher à corriger. Commencez par là, avant de retravailler les parcours.
Comment détecter les knowledge gaps sur 100 % des conversations ?
Personne ne lit 50 000 conversations par an. Chez ViaSay, éditeur français d’assistants conversationnels, un évaluateur IA distinct du bot relit chaque conversation terminée et vérifie notamment si le bot avait l’information demandée. Le verdict est enregistré pour chaque conversation, avec sa justification, puis agrégé par sujet.
Dans l’onglet Performance, le résultat prend la forme d’un tableau des knowledge gaps par sujet.
Sur chaque conversation marquée, le survol du tag explique ce qui manquait.
Qu’est-ce qui compte comme un knowledge gap ?
Un knowledge gap est compté quand le bot n’a clairement pas l’information générale demandée et répond « je ne sais pas », ou refuse sans aucune orientation utile. Une redirection correcte vers une donnée personnelle n’en est pas un : sans cette distinction, les faux positifs rempliraient la métrique et personne ne la regarderait plus.
C’est un knowledge gap. « 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. Ce n’en est pas un non plus quand il n’a pas accès à une donnée personnelle ou en temps réel, mais 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, mais il doit savoir où le client peut le consulter. La métrique mesure la connaissance manquante, pas l’accès aux bases de données.
À partir de 30 % de knowledge gap, un sujet demande du contenu en urgence
Un taux de knowledge gap inférieur à 15 % est sain et un taux de 15 à 30 % est à surveiller. À partir de 30 %, près d’une conversation sur trois bute sur une information absente : le contenu de ce sujet devient une urgence.
Taux de knowledge gap | Lecture |
|---|---|
Moins de 15 % | Sain |
15 à 30 % | À surveiller |
30 % et plus | Urgence de contenu sur ce sujet |
Pour prioriser, ne classez pas les sujets par pourcentage. Un sujet à 40 % de gap sur 30 conversations représente 12 questions sans réponse ; un sujet à 18 % sur 2 000 en représente 360. Le tableau ViaSay trie déjà par nombre de conversations concernées.
Comment corriger un knowledge gap en une heure ?
La méthode tient en quatre étapes et une heure de travail. Trouvez le sujet où les knowledge gaps se concentrent, lisez les conversations qui les expliquent, écrivez ou corrigez le contenu, puis remesurez le même sujet trois semaines plus tard. Cette dernière mesure montre l’effet de la correction.
1. Trouvez le sujet où les knowledge gaps se concentrent
Dans l’onglet Performance, ouvrez le tableau Knowledge Gaps by Topic. Choisissez le sujet qui compte le plus de conversations en gap, et non celui qui affiche le pourcentage le plus inquiétant.
2. Lisez les conversations qui se trouvent derrière
Cliquez sur le sujet : c’est l’étape qui produit la liste des choses à faire. Un knowledge gap désigne le sujet, pas l’article manquant, car le système ne peut pas écrire votre contenu à votre place.
Quinze minutes de lecture donnent une liste très précise. Par exemple : « sept personnes ont demandé les conditions bagages sur un vol avec correspondance, et nous n’avons rien sur ce point ».
En lisant, séparez l’information générale vraiment absente, à écrire, de la donnée personnelle correctement redirigée, qu’aucun contenu ne 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.
Si un article est peu performant sur un sujet à fort gap, le contenu existe en général. Il est alors mal titré, enfoui, ou écrit pour une autre question que celle que les gens posent.
Traitez 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 le même sujet trois semaines plus tard
Un taux de gap qui baisse indique la bonne direction. Si le taux de résolution du sujet a progressé en même temps, le contenu était le point de blocage, et vous venez de le lever.
Deux situations montrent que le problème ne vient pas d’un contenu manquant
Un knowledge gap ne pointe pas toujours vers un article à écrire. Si le bot n’utilise pas une information présente dans la base, c’est la rédaction qu’il faut corriger. S’il a l’information et que les conversations échouent quand même, la cause se trouve ailleurs que dans le contenu.
Premier cas : un gap élevé, alors que les réponses existent dans la base. Le problème ne vient pas de la couverture du contenu, mais de sa qualité : article mal titré, enfoui, ou écrit pour une autre formulation. Il faut corriger la rédaction existante.
Second cas : un gap bas et une résolution basse. La cause se trouve dans le parcours, ou dans le service derrière la réponse. Passez alors à la méthode pour améliorer le taux de résolution, et lisez les conversations en cherchant un problème de parcours.
Dans un parcours scripté, un knowledge gap signale le besoin d’une étape d’IA générative
Un knowledge gap dans un parcours scripté, c’est-à-dire un arbre de décision sans IA générative, est un signal particulier. L’utilisateur a posé une question que l’arbre ne prévoyait pas, et personne ne pouvait aller chercher la réponse. Aucun contenu ne corrigera ce cas tant que le parcours reste scripté.
Ce sujet 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’onglet Overview compare le taux de knowledge gap des conversations gérées par l’IA et celui des parcours scriptés. Sur les instances que nous suivons, l’écart est en général net en faveur de l’IA.
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 ? C’est une conversation où le bot n’avait pas l’information générale demandée (une politique, un tarif, 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 ? Faites relire chaque conversation terminée par un évaluateur IA qui juge si le bot avait l’information, puis agrégez les résultats 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 ? Lisez les conversations du sujet pour identifier précisément ce qui manque. Écrivez ou corrigez ensuite le contenu, un sujet à la fois, puis remesurez 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.
