Les Einstein Bots permettent d'automatiser une partie des échanges de support directement dans le canal de chat ou de messagerie (site web, WhatsApp, Facebook Messenger). Bien conçu, un bot absorbe les demandes simples et répétitives, qualifie le contexte avant transfert à un agent, et libère du temps humain pour les cas à forte valeur ajoutée.
Un Einstein Bot s'appuie sur Messaging for In-App and Web ou Live Agent / Chat comme canal de conversation, et nécessite Omni-Channel activé pour le transfert vers un agent humain. Avant de créer le bot, il faut donc que le canal de messagerie cible (site web, application, WhatsApp Business) soit déjà configuré et fonctionnel avec un agent humain joignable.
Le bot se construit dans le Bot Builder (Configuration > Einstein Bots) sous forme de dialogues reliés entre eux. Chaque dialogue peut contenir :
Deux approches de conception coexistent : le dialogue scripté classique (arbre de décision explicite, prévisible, facile à tester) et la détection d'intention par NLU (le bot identifie l'intention du message libre de l'utilisateur et route vers le dialogue correspondant). Les projets matures combinent les deux : un menu structuré pour les parcours fréquents, complété par une reconnaissance d'intention en accueil pour capter les formulations libres.
Le dialogue d'accueil doit toujours proposer une sortie explicite vers un agent humain (mot-clé "agent", bouton dédié), et pas seulement après plusieurs échecs de compréhension. Un utilisateur frustré qui ne trouve pas comment parler à un humain abandonne la conversation, souvent avec une image dégradée du service.
L'action Recherche Knowledge permet au bot d'interroger la base de connaissances avec les termes saisis par l'utilisateur et de proposer les articles les plus pertinents avant d'escalader. Pour des cas transactionnels (statut de commande, solde de compte), utilisez une action Flow qui interroge l'objet métier concerné et restitue une réponse formatée — cela évite de coder ces logiques directement en Apex pour chaque cas d'usage.
Bonne pratique : limitez chaque dialogue à une seule question ou action à la fois. Un dialogue qui tente de capturer trois informations en un seul message augmente fortement le taux d'incompréhension, en particulier sur les canaux à message court comme SMS ou WhatsApp.
Quand le bot ne peut pas résoudre la demande, l'action Transfert vers agent route la conversation via Omni-Channel, en conservant le contexte collecté (variables capturées pendant le dialogue) visible par l'agent dans le composant de conversation. Configurez systématiquement un résumé de transcription transmis à l'agent pour qu'il n'ait pas à faire répéter les informations déjà données au bot — un point souvent négligé qui dégrade fortement l'expérience perçue.
Le tableau de bord Bot Analytics (ou les rapports standards sur les objets Bot Conversation Analytics) donne les indicateurs clés à suivre :
Un bot n'est jamais figé : revoyez mensuellement les journaux de conversation, en particulier les échecs de compréhension, pour ajuster les phrases d'entraînement d'intention et compléter les dialogues manquants. C'est cet entretien continu, plus que la conception initiale, qui détermine le taux de succès réel du bot sur la durée.
Notre équipe DevToSpace accompagne vos projets Service Cloud, de la console agent au self-service client.
Parler à un expert