Salesforce Salesforce Agentforce IA

Agentforce : La Révolution de l'IA dans Salesforce

Découvrez Agentforce, la nouvelle plateforme d'agents IA autonomes de Salesforce. Apprenez à créer, configurer et déployer des agents intelligents pour automatiser les processus métier.

10 mars 2024 20 min de lecture

Introduction : Qu’est-ce qu’Agentforce ?

Agentforce est une plateforme complète, extensible et ouverte développée par Salesforce pour créer et déployer des agents d’IA autonomes à grande échelle. Elle permet de doter les entreprises d’une « main-d’œuvre numérique » qui soutient les employés et les clients, en tirant parti des applications, des données et de la logique métier existantes. Ces agents ne se contentent pas de fournir une assistance conversationnelle, ils peuvent également prendre des mesures au nom de l’entreprise dans tous les départements et systèmes, en garantissant la sécurité avec la Einstein Trust Layer.

1. Attributs Clés d’un Agent

Un agent dans Agentforce est défini par cinq attributs fondamentaux : Attributs Clés

Rôle : Sa fonction ou description de poste virtuelle (par ex. assistant de service client).
Données : Les connaissances auxquelles il peut accéder (CRM, Data Cloud, documents).
Actions : Les capacités ou opérations qu’il peut exécuter (consulter des enregistrements, exécuter des flux, etc.).
Garde-fous (Guardrails) : Ce que l’agent ne doit pas faire, y compris les restrictions de sécurité et les politiques pour éviter les comportements inappropriés.
Canal : Où l’agent opérera (web, Slack, Microsoft Teams, etc.).

2. Composants Fondamentaux

Les agents sont construits à partir de trois blocs de base :

Sujets (Topics)

Ils représentent les intentions ou les tâches de haut niveau que l’agent peut résoudre (par ex. « Réinitialisation du mot de passe », « Statut de la commande »). Lorsqu’un utilisateur pose une question, le moteur de raisonnement Atlas la classe dans le sujet le plus pertinent. Il est crucial de définir des sujets clairs et distincts.

Instructions

Elles sont la « feuille de route » pour chaque sujet, expliquant à l’agent comment orchestrer les actions pour accomplir la tâche. La fonctionnalité AI Assist peut générer des ébauches d’instructions à partir du langage naturel.

Actions

Ce sont les étapes concrètes que l’agent exécute. Elles peuvent être de différents types :

Invoquer un flux Salesforce
Appeler une classe Apex
Effectuer une recherche de connaissances
Consulter les données d’un enregistrement CRM
Invoquer une invite générative

Chaque sujet a une liste d’actions associées. Le moteur Atlas décide dynamiquement quelles actions exécuter et dans quel ordre en fonction de l’intention de l’utilisateur. Par exemple, pour une requête complexe, l’agent pourrait enchaîner une recherche de contact, un appel à une API externe et la génération d’une réponse formatée.

3. Le Moteur de Raisonnement Atlas

Atlas est le « cerveau » d’Agentforce. C’est l’orchestrateur qui coordonne l’interaction entre l’utilisateur, les LLM et les actions de l’agent. Il fonctionne selon un processus itératif : Le Moteur de Raisonnement Atlas

🧠 1. Compréhension de la requête (Agent Invoqué → Classification du Sujet) Lorsque l’utilisateur envoie une requête, l’agent Atlas est activé et identifie automatiquement le sujet ou le domaine auquel appartient la demande. Cette classification permet d’orienter correctement le processus de raisonnement.
📌 2. Classification et contextualisation (Injection de Portée, d’Instruction et d’Action) Atlas analyse la portée de la requête, extrait les instructions possibles et détermine si une action doit être exécutée pour obtenir la réponse. Des connaissances antérieures ou des configurations spécifiques au domaine sont incorporées ici.
🧭 3. Planification (Décider d’exécuter une action ?) Atlas évalue les actions possibles et planifie le flux le plus approprié pour répondre à la requête. S’il décide d’exécuter une action, il utilise une technique basée sur Chain of Thought ou ReAct (Raisonner et Agir), qui permet de décomposer la tâche en étapes séquentielles raisonnées.
⚙️ 4. Exécution des actions (Exécution et Observation de l’Action) Atlas exécute les actions nécessaires (par exemple, consulter des données dans Salesforce ou Data Cloud) et observe les résultats. Cette étape peut être répétée en boucle jusqu’à ce que l’objectif de la requête soit atteint.
🔁 5. Itération (optionnel) (Boucle) Si le résultat de l’action n’est pas concluant ou si des étapes supplémentaires sont nécessaires, le moteur peut revenir à la planification et exécuter d’autres actions dans un cycle de raisonnement-action.
✅ 6. Validation (Vérification de l’Ancrage) Une fois les informations obtenues, Atlas vérifie si les données sont suffisantes, correctes et pertinentes dans le contexte de la requête d’origine. Si ce n’est pas le cas, il peut revenir en arrière ou demander plus d’informations.
💬 7. Réponse finale (Réponse Envoyée) Atlas génère et fournit une réponse naturelle, claire et contextualisée à l’utilisateur, en tenant compte du résultat des actions et de l’historique de la conversation.

4. Génération Augmentée par Récupération (RAG)

Agentforce utilise le RAG pour compléter les LLM avec des données fraîches et spécifiques à l’entreprise, évitant ainsi les « hallucinations ».

Data Cloud et Indexation Sémantique : Data Cloud centralise les données structurées et non structurées. Les documents sont divisés (chunking) et convertis en vecteurs numériques (vectorisation) pour permettre des recherches basées sur le sens.
Index de Recherche et Récupérateurs : Des index vectoriels sont créés dans Data Cloud. Les récupérateurs sont des objets qui permettent à un agent de consulter ces index pour obtenir les informations les plus pertinentes.
Bibliothèque de Données Einstein : Simplifie considérablement la configuration du RAG en automatisant la création de l’ensemble du pipeline d’ingestion et de recherche de données pour des sources telles que les articles de connaissance ou les fichiers.

5. Activation et Configuration

Pour commencer, vous devez activer Einstein, puis Agentforce dans le menu de configuration de Salesforce. Une fois dans le Agent Builder, le processus implique :

Créer des Sujets : Définir les responsabilités de l’agent. Agentforce peut utiliser l’IA pour générer une ébauche de sujet à partir d’une description en langage naturel.
Ajouter des Instructions : Spécifier des directives et des restrictions pour guider le comportement de l’agent au sein de chaque sujet.

6. Actions Personnalisées : Le Pouvoir de l’Extension

Le véritable potentiel d’Agentforce réside dans l’extension de ses capacités avec des actions personnalisées :

Actions de Flux (Flow Actions)

Elles permettent de réutiliser la logique métier automatisée avec Salesforce Flow. Un flux autonome est créé qui reçoit des entrées, exécute une logique et produit des sorties, qui est ensuite exposé comme une action de l’agent.

Actions Apex

Elles permettent d’intégrer une logique métier personnalisée dans Apex et d’intégrer des appels à des services externes. Des classes Apex sont développées avec la méthode @InvocableMethod pour les exposer comme des actions.

Actions de Modèle d’Invite (Prompt Template Actions)

Elles exploitent la puissance des LLM grâce à des modèles d’invite créés dans le Prompt Builder. Ces modèles peuvent combiner du texte, des données Salesforce et même des fichiers (images, PDF) pour générer des réponses dynamiques et structurées.

Einstein Prompt Builder

Einstein Prompt Builder est l’outil pour créer des modèles d’instructions d’IA (invites) qui peuvent être invoqués comme des actions au sein d’un agent. Une invite personnalisée est un modèle qui peut inclure des variables, des données CRM et du texte fixe.

Prompt Builder

Capacités clés du Prompt Builder :

Connecter toutes les données : Lier les données Salesforce aux invites pour des résultats plus précis.
Personnaliser les actions standard : Adapter des actions comme « Résumé d’Enregistrement » au ton et au format souhaités.
Donner de la personnalité à l’agent : Créer des invites pour ajuster le style des réponses de l’agent.
Choisir le modèle approprié : Sélectionner le LLM le plus adapté à chaque tâche.
Contrôler les sorties : Définir la structure de la sortie (par ex. JSON).

Une fois créé, un modèle d’invite peut être ajouté comme une action « Générative » à un sujet dans Agentforce Builder, permettant à l’agent d’effectuer des tâches comme résumer des notes, traduire du texte ou rédiger des réponses personnalisées.

7. Utilisation de Data Cloud et des Bibliothèques de Données

Pour fournir des réponses plus précises, Agentforce peut se connecter à des Bibliothèques de Données, des bases de connaissances qui fondent ses réponses sur des informations fiables. Cela met en œuvre le modèle RAG (Retrieval-Augmented Generation).

Data Cloud Overview

Une Bibliothèque de Données peut être alimentée à partir de :

Articles de Connaissance : Contenu de la base de connaissances de Salesforce.
Fichiers : Documents tels que des PDF, TXT ou HTML.
Recherche Web : Permet à l’agent d’effectuer des recherches en temps réel sur le web public.

En interne, Salesforce traite le contenu, le divise en fragments plus petits et le stocke dans un index vectoriel dans Data Cloud. Lorsqu’un utilisateur pose une question, un « récupérateur » recherche le fragment le plus pertinent et l’utilise pour générer une réponse précise, évitant ainsi les hallucinations.

8. Alimenter l’agent avec des informations externes

Si les informations dont vous avez besoin résident en dehors de Salesforce (par ex. sur votre site web public), vous pouvez les incorporer en utilisant deux approches :

Utiliser la recherche web native : Créer une Bibliothèque de Données de type « Web » pour permettre à l’agent de consulter votre site en temps réel.
Scraping manuel et chargement de fichiers :
- Scraping : Extraire le texte de sources externes.
- Chargement : Télécharger les fichiers dans une Bibliothèque de Données de type « Fichiers ».
- Association : Assigner la nouvelle bibliothèque à votre agent.

Avec cette stratégie, vous pouvez « injecter » des connaissances externes dans le cerveau de l’agent, lui permettant de répondre à des questions sur la documentation des produits, les politiques internes, etc.

9. Conseils pratiques et meilleures pratiques

Investissez dans des entrées de qualité : Prenez le temps de concevoir des Sujets et des instructions clairs et spécifiques.
Établissez des garde-fous : Utilisez la Einstein Trust Layer pour modérer la toxicité et filtrer les données sensibles. Définissez ce que l’agent ne doit PAS faire.
Maintenez la base de connaissances à jour : La qualité de l’agent dépend de la qualité de ses données.
Itérez avec des retours réels : Surveillez les interactions, analysez les métriques et ajustez la configuration avec l’aide d’experts métier.
Évoluez progressivement : Commencez avec une portée limitée et contrôlée, et développez au fur et à mesure que vous gagnez en confiance.
Gérez la sécurité : Attribuez à l’agent un profil avec les autorisations minimales nécessaires.

Conclusion

Agentforce est une solution complète pour mettre en œuvre une main-d’œuvre numérique alimentée par l’IA. Elle intègre les capacités de la plateforme Salesforce avec les dernières techniques d’IA générative pour fournir des agents autonomes qui comprennent, raisonnent et agissent de manière sûre et efficace, permettant une véritable transformation de l’entreprise.