Cartographier Fin -> Kapa AI : objets, capacités, correspondances
Fin répond à partir du Help Center et des Articles Intercom, puis déclenche un handoff humain selon une configuration définie dans Intercom (source: Intercom Help Center — Fin (consulted 2026-07)). Kapa AI indexe des contenus comme docs, sites et dépôts via connecteurs ou API, puis renvoie des réponses accompagnées de citations et justifications (source: Kapa AI Documentation (consulted 2026-07)).
| Objet Fin | Correspondance Kapa AI | Action de migration |
|---|---|---|
| Help Center / Articles | Sources indexées | Exporter la liste des contenus autorisés et vérifier leur indexation. |
| Intents ou thématiques support | Collections, tags ou règles de routage | Nommer les sujets avec les mêmes libellés que vos files support. |
| Handoff humain configurable | Escalade vers votre workflow support | Recopier les critères: absence de réponse, demande sensible, compte bloqué. |
| Contexte utilisateur Intercom | Métadonnées de session envoyées à Kapa | Limiter les champs aux valeurs utiles au diagnostic. |
Deux options de canal sont à valider dans votre architecture: garder l’UI Intercom et appeler Kapa via une action personnalisée, ou remplacer l’entrée conversationnelle par le widget Kapa selon vos contraintes produit et support (source: Kapa AI Documentation (consulted 2026-07)).
Pour l’analytique, mappez la « résolution » Fin vers un indicateur « réponse utile » côté Kapa. Conservez un périmètre de mesure identique pour les conversations éligibles, les escalades et les langues suivies, sinon le comparatif de performance et de coût sera faussé (source: Intercom Pricing page (consulted 2026-07)).
Runbook 7 jours : migration sans interruption
J1–J2 — Inventaire et export
Exportez les sources utilisées par Fin : Help Center Intercom, docs internes et pages du site. Supprimez les doublons, archivez les contenus périmés et taguez les FAQs critiques comme billing, security, onboarding ou incident.
J2 — Connexion et indexation
Connectez Kapa aux sources nettoyées. Si votre configuration le permet, utilisez l’indexation adaptée à vos sources pour éviter les réimports complets. Configurez les réponses avec citations obligatoires, afin que chaque assertion renvoie vers une source exploitable (source: Kapa AI Documentation (consulted 2026-07)).
J3 — Prompts et garde-fous
Définissez le prompt système avec le périmètre supporté, le ton attendu et les cas de refus. Ajoutez le masquage PII avant envoi au modèle : e-mail, téléphone, identifiant client et contenu sensible.
J4 — Jeu d’évaluation
Construisez un jeu de tests depuis les tickets les plus fréquents. Écrivez une réponse attendue pour chaque cas. Ajoutez des questions hors périmètre, ambiguës ou volontairement incomplètes pour tester les refus.
J5–J6 — Canary progressif
Routez une partie du trafic via règles Intercom ou webhook vers Kapa. Surveillez les logs, les citations, les refus et les escalades humaines. Ajustez uniquement les prompts ou les sources, pas les deux ensemble.
J7 — Cutover contrôlé
Activez le cutover derrière un feature flag. Gardez Fin disponible comme chemin de secours. Si un KPI d’alerte se déclenche, désactivez le flag et rebasculez immédiatement vers Fin.
Évaluer la qualité: protocole d’auto-test reproductible
Scorez chaque réponse sur cinq signaux: exactitude, couverture thématique, taux d’escalade vers humain, latence p95 et taux de citations valides.
Harness YAML
Chaque cas de test reste versionné avec la question, le contexte injecté et la réponse attendue. Ajoutez deux assertions bloquantes: au moins une source exploitable et aucune PII dans la sortie.
question: "Comment migrer un workspace avec une ancienne version ?"
contexte: "doc_snapshot/product-v-old.md"
attendu: "réponse mentionnant la procédure compatible"
assertions:
sources_presentes: true
pii_absente: true
Offline, puis online
Lancez d’abord le bench hors production sur un instantané figé des docs. Passez ensuite en canary A/B: mêmes questions, journaux séparés, comparaison des réponses, escalades et citations, avec alertes sur dérive définie par votre équipe.
Cas difficiles et boucle de correction
Incluez les versions de produits, breaking changes, erreurs connues, échanges multi-tours et changements récents. Ces cas détectent les réponses plausibles mais fausses.
Quand un cas échoue, enrichissez d’abord les sources: page manquante, changelog incomplet, exemple obsolète. Retouchez les prompts seulement après. Ajoutez une règle d’escalade si la réponse reste ambiguë.
Coûts et limites: calculez votre TCO Fin -> Kapa
Fin se budgète à partir des conditions de votre offre Intercom; relevez le tarif exact sur votre page contractuelle avant calcul (source: Intercom Pricing page (consulted 2026-07)). Pour Kapa, recopiez les tarifs applicables à votre plan et ajoutez les coûts LLM s’ils ne sont pas inclus dans votre contrat (source: Kapa AI Pricing (consulted 2026-07)).
TCO mensuel = volume traité × tarif unitaire + coûts LLM éventuels + temps d’ingénierie migration/maintenance. Le temps d’ingénierie couvre connecteurs, scripts d’évaluation, observabilité, corrections de prompts et gestion des régressions.
| Poste | Normalisation à appliquer |
|---|---|
| Fin | Même volume, même définition de résolution, tarif officiel de votre offre (source: Intercom Pricing page (consulted 2026-07)). |
| Kapa | Même volume, même longueur moyenne de conversation, coûts LLM inclus si applicables (source: Kapa AI Pricing (consulted 2026-07)). |
| Qualité | Comparez à taux d’automatisation équivalent, sinon le coût par résolution masque l’escalade humaine. |
Ajoutez une ligne “limites/SLA” au tableur: quotas API, taille de contexte, pièces jointes acceptées et comportement en dépassement. Si une limite bloque la réponse, routez vers une file support humain avec horodatage, conversation source et raison du fallback.
Sécurité, conformité et rollback sans stress
Le contrat doit qualifier Kapa comme sous-traitant et lister les instructions documentées, la confidentialité, la sécurité, l’assistance et la sous-traitance ultérieure exigées par l’article 28 (source: CNIL — RGPD, art. 28 (consulted 2026-06)).
Filtrez les PII avant l’appel modèle: e-mails personnels, numéros de téléphone, identifiants client et extraits de tickets sensibles. Appliquez les contrôles de rétention et de pseudonymisation prévus par votre configuration et votre documentation contractuelle Kapa (source: Kapa AI Documentation (consulted 2026-07)).
Isolation sandbox/prod
Créez des clés API séparées pour sandbox et production. Stockez-les dans un vault, injectez-les par variables d’environnement, puis limitez chaque token aux scopes nécessaires à son usage réel.
Gardez un feature flag global devant le routeur de support. Le scénario de rétablissement doit rebasculer vers Fin sans migration de données en urgence.
Conservez Fin et Kapa actifs pendant une période courte. Analysez les écarts et les erreurs avant de retirer l’ancien chemin de production.
Traçabilité vérifiable
Exportez les échanges, horodatez chaque décision, hashez les prompts envoyés et versionnez les règles de routage. Un audit doit retrouver quelle règle, quel prompt et quelle version ont produit une réponse donnée.
Continue reading
Pourquoi votre agent de support IA ne connaît-il pas votre produit ?
Un agent de support IA répond depuis une copie figée de votre produit — pas depuis ce que vous venez de livrer. Pourquoi c'est structurel, et comment l'ancrer dans le code réel.
Qu’est-ce qu’un serveur MCP ? Explication en langage simple
Un serveur MCP est une prise standard entre vos sources de données et les agents IA. Définition simple, fonctionnement, cas d’usage — et le cas du produit privé.
Jours-dev : l'unité honnête pour mesurer la production
Lignes de code, commits, story points, heures : toutes ces métriques comptent des gestes. Le jour-dev (≈ 5 h de production concentrée) estime ce qui est produit — humains et agents IA.