Le mode d'échec que le seuil de confiance vise à prévenir

Un agent IA qui répond toujours, quel que soit son degré de certitude réel, finira tôt ou tard par répondre à un litige de facturation, une question de sécurité, ou un cas particulier propre à un compte, avec un texte confiant et plausible qui se révèle faux. Cette seule mauvaise réponse coûte plus de confiance qu'une douzaine de bonnes réponses n'en construisent — les clients ne font pas la moyenne de leur expérience, ils se souviennent de la fois où le « chat » leur a dit quelque chose de faux.

Un seuil de confiance est le mécanisme qui prévient cela : l'agent IA estime dans quelle mesure la question du visiteur correspond à ce qu'il possède réellement comme connaissance fondée — vos documents, vos données produit, vos politiques — et ne répond directement que lorsque cette correspondance dépasse la barre fixée par le workspace.

Ce qui se passe au lieu d'une mauvaise supposition

En dessous du seuil, l'IA ne bloque pas et ne se répète pas — elle transfère à un agent humain, et le transfert emporte avec lui le résumé complet de la conversation : ce que le visiteur a demandé, ce que l'IA a déjà tenté, et pourquoi elle s'est arrêtée. L'humain ne repart pas de zéro ; il reprend une conversation déjà triée.

C'est exactement pour cela qu'existe l'événement webhook `handoff.requested` — une entreprise qui veut sa propre logique d'escalade (alerter une personne précise, ouvrir un ticket dans un autre système) peut s'y accrocher au moment exact où l'IA a décidé qu'elle avait besoin d'un humain, plutôt que sur un délai fixe ou une correspondance de mot-clé.

Où le seuil devrait se situer, en pratique

Il n'existe pas de chiffre universellement correct — un workspace qui répond à des questions générales sur les produits peut se permettre une barre plus basse qu'un autre qui gère des litiges de facturation propres à un compte, où une mauvaise réponse a de vraies conséquences financières. Le bon réflexe est de commencer prudemment (plus de transferts que strictement nécessaire) et de ne desserrer le seuil qu'à mesure que se construit la confiance dans ce que la base de connaissances de l'IA couvre réellement bien, et non l'inverse.

Nourrir l'IA avec des sources de connaissances meilleures et plus à jour via le RAG est généralement un levier plus efficace que d'ajuster le seuil lui-même — un agent IA doté d'un matériau source réellement bon franchit naturellement la barre de confiance sur davantage de questions réelles, sans que vous ayez à relâcher la marge de sécurité pour y parvenir.

La métrique qui compte vraiment

Le taux de résolution n'est pas un chiffre vanité — sur iNTELIGENCIA VIVA, c'est littéralement ce qui vous est facturé, puisqu'une résolution est une conversation que l'IA a close sans qu'un humain intervienne. Cet alignement est délibéré : il signifie que l'incitation est de rendre l'IA honnêtement bonne sur les questions qu'elle traite, pas de maximiser le nombre de fois où elle répond sans égard pour l'exactitude.