Vue d'ensemble de ton agent

Ton agent Actero est un moteur de support client IA spécialisé Shopify. Il lit chaque message entrant, comprend ce que ton client veut, va chercher le bon contexte (commande, suivi, FAQ), rédige une réponse dans ton ton de marque, vérifie qu’elle ne casse aucune de tes règles, puis l’envoie ou escalade vers ton équipe humaine. Cette page t’explique le modèle mental : ce qui se passe entre le moment où un client écrit et le moment où ta marque répond.

Les briques de ton agent

L’agent est composé de cinq couches que tu configures dans le dashboard :

Identité & ton

Qui tu es, comment tu parles. Sliders formel/casual, froid/chaleureux, court/détaillé.

Base de connaissances

Tes politiques, FAQ, infos produits. L’agent y puise pour répondre.

Guardrails

Règles absolues que l’agent ne violera jamais (“ne promets jamais de remboursement”).

Playbooks

Les automatisations actives (SAV e-commerce, relance panier, vocal, compta).

Ces couches sont assemblées dans un seul prompt système envoyé à Claude à chaque message. Tu peux voir le prompt final dans Mon Agent → étape Aperçu.

Le cycle de vie d’un ticket

Voici ce qui se passe quand un client envoie “Bonjour, où est ma commande #1042 ?” via ton widget de chat :

Réception & normalisation

Le webhook (Shopify, Gorgias, Zendesk, Gmail/SMTP, widget) déclenche le moteur. Le message est normalisé en un format unique : customer_email, customer_name, message, subject, channel.

Récupération de mémoire

Si ce client a déjà écrit, l’agent récupère ses interactions passées (Actero Memory) pour ne pas oublier le contexte. Maximum 5 mémoires pertinentes.

Classification (Claude #1)

Premier appel à Claude pour classer la demande : suivi_commande, retour, question_produit, réclamation, autre. L’agent retourne aussi un confidence (0 à 1) et un résumé d’une phrase.

Routage vers un agent spécialisé

Selon la classification, le message est routé vers un sous-agent dédié :

order — questions sur les commandes (suivi, statut)
return — retours, échanges, remboursements
product — disponibilité, recommandations
escalation — clients agressifs ou plaintes
general — fallback pour tout le reste

Chaque sous-agent a son propre prompt focalisé. C’est ce qui réduit les hallucinations.

Récupération de contexte Shopify

Si la classification est order, l’agent va lire la commande dans Shopify (statut, tracking, items). Si c’est product, il cherche dans ton catalogue.

Génération de la réponse (Claude #2)

L’agent spécialisé combine ton prompt système (identité + ton + KB + guardrails) avec le contexte récupéré et génère une réponse en JSON strict :

{
  "response": "Ta commande #1042 est en transit, livrée demain.",
  "confidence": 0.92,
  "should_escalate": false,
  "escalation_reason": null,
  "detected_intent": "order_tracking",
  "sentiment_score": 7,
  "injection_detected": false
}

Garde-fous & décision d'escalade

L’agent décide d’escalader si :

confidence < 0.6
sentiment_score <= 3 (client très négatif/agressif)
Une règle absolue (guardrail) s’applique
injection_detected = true (le client tente de manipuler l’agent)
La demande tombe hors politique

Sinon il envoie la réponse directement par le bon canal (email SMTP, widget, Gorgias, Zendesk).

Logging du run

Tout est tracé : prompt envoyé, réponse, tokens consommés, coût USD, temps d’exécution, statut final. Visible dans Activité.

Quand l’agent escalade

Tu retrouves toutes les escalades dans l’onglet À traiter. Les raisons possibles :

Raison	Déclencheur
`low_confidence`	L’agent n’est pas sûr de sa réponse (< 60%)
`aggressive`	Le client est mécontent, ton agressif détecté
`out_of_policy`	Demande hors du périmètre que tu as défini
`legal_mention`	Le client mentionne avocat, plainte, RGPD
`error`	Erreur technique pendant le run

Tu peux valider en 1 clic, éditer la proposition IA, ou rédiger ta propre réponse. Voir la page Validation manuelle.

Les modèles utilisés

Par défaut, ton agent utilise Claude Sonnet d’Anthropic pour la classification et la génération. Le coût moyen par ticket est de 0,003 € à 0,008 € selon la taille de ta base de connaissances.

Tu peux suivre la consommation token par token dans Activité → Historique des runs. Chaque ligne affiche le coût exact en USD.

Pour aller plus loin

Configurer ton agent

Le builder en 5 étapes pour personnaliser identité, ton, règles.

Activer un playbook

Liste des automatisations disponibles et conditions d’activation.

Valider une escalade

Le flow humain de validation des messages incertains.

Watchdog proactif

L’agent qui contacte avant que le client se plaigne.

FAQ

L'agent peut-il agir tout seul (rembourser, modifier une commande) ?

Non, par défaut. Les scopes Shopify d’Actero sont en lecture seule. L’agent peut lire les commandes, mais pas les modifier ni rembourser. Toute action transactionnelle est escaladée vers ton équipe.

Combien de temps prend un ticket ?

Entre 2 et 6 secondes du message reçu à la réponse envoyée. La latence vient majoritairement de l’appel Claude (1 à 3 secondes par étape).

L'agent garde-t-il en mémoire les conversations passées ?

Oui, via Actero Memory. Quand un client revient, l’agent récupère ses interactions passées et les injecte dans le contexte. Tu peux désactiver cette mémoire dans Paramètres.

Que se passe-t-il si Claude est down ?

Le run est marqué error, le ticket est automatiquement escaladé vers À traiter avec la raison error. Aucun client ne reçoit de réponse cassée.

​Les briques de ton agent

Identité & ton

Base de connaissances

Guardrails

Playbooks

​Le cycle de vie d’un ticket

​Quand l’agent escalade

​Les modèles utilisés

​Pour aller plus loin

Configurer ton agent

Activer un playbook

Valider une escalade

Watchdog proactif

​FAQ

Les briques de ton agent

Le cycle de vie d’un ticket

Quand l’agent escalade

Les modèles utilisés

Pour aller plus loin

FAQ