> ## Knowledge Base Index > Fetch the complete knowledge base index at: https://help.screeb.app/sitemap.xml > Use this file to discover available pages before exploring further. > Pure-Markdown content can be obtained by appending a '.md' suffix to the content URLs listed in the sitemap (without the trailing slash). # Introduction à Screeb AI ## Introduction à Screeb AI Si votre équipe a lancé un agent IA (un chatbot, un assistant, un copilote), vous suivez probablement déjà l'uptime, la latence, le coût par conversation, et peut-être des évaluations LLM-as-a-judge. Ces métriques vous disent si votre agent fonctionne techniquement. Elles ne vous disent pas si vos utilisateurs atteignent réellement leur objectif, où l'expérience crée de la frustration, ou si les gens reviennent l'utiliser. C'est cet écart que Screeb AI, qui fait partie de l'offre **AI Experience (AI XP)**, est construit pour combler. Cet article vous donne un aperçu de ce qu'il fait et comment ses éléments s'articulent, avant de plonger dans les guides plus spécifiques sur les Topics, l'Agent Analysis, et les Feature Recommendations. ### L'angle mort que Screeb AI résout La plupart des équipes mesurent leurs agents IA de la même façon qu'elles mesurent leur infrastructure : évaluations, traces, latence, coût. Des questions utiles, mais qui répondent toutes à la même chose : **"est-ce que ça marche ?"** Screeb AI est construit pour répondre à une question différente : **"pourquoi ça ne marche pas, du point de vue de l'utilisateur ?"** * L'utilisateur atteint-il réellement son objectif ? * Où l'expérience crée-t-elle de la frustration ? * Quels patterns d'usage émergent ? * Les utilisateurs reviennent-ils ? Pour répondre à cela, Screeb se connecte directement à vos agents IA et analyse les conversations réelles entre votre agent et vos utilisateurs, pas seulement les logs techniques derrière. ### Les trois piliers de Screeb AI #### Agent Analysis Une fois votre agent IA connecté à Screeb, chaque conversation est analysée automatiquement. Le dashboard **Agent Analysis** fait remonter : * **Satisfaction** : un score de satisfaction global, plus des signaux comme les Rage Prompts et un Score de Frustration. * **Issues** : des problèmes concrets et détectés (un flux cassé, une mauvaise réponse, un crash) avec leur sévérité, le nombre de conversations impactées, et l'écart de rétention et de conversion qu'ils causent. * **Unsupported Requests** : les questions auxquelles votre agent n'a pas pu répondre, classées par volume et par leur impact sur la rétention et la conversion. * **Topics of Conversations** : de quoi les gens parlent réellement avec votre agent, réparti par satisfaction et frustration. * **Safeguards Control** : si votre agent reste dans les limites que vous avez définies (confidentialité des données, conformité, promesses qu'il ne devrait pas faire), avec un niveau de risque et une liste des garde-fous violés en cas de dérive. Plutôt que de lire des centaines de conversations une par une, vous obtenez une vue priorisée de ce qui vous coûte exactement en rétention et conversion, et pourquoi. #### Conversation Starters & In-App Messages Un agent IA ne crée de la valeur que si les gens l'utilisent réellement. Les **Conversation Starters** sont les formats de type Guide de Screeb (CTA, pop-ins, prompts suggérés) conçus spécifiquement pour favoriser l'adoption de vos agents IA, là où les utilisateurs se trouvent déjà dans votre produit. Plutôt que d'espérer que les gens trouvent votre agent par eux-mêmes, vous pouvez suggérer proactivement un prompt, mettre en avant un cas d'usage, ou pousser un segment spécifique à l'essayer, en utilisant la même logique de ciblage que pour n'importe quel autre Guide. #### AI XP Measurement C'est là que le pilier **Ask** rencontre l'IA. Screeb vous permet d'interroger les utilisateurs directement dans votre expérience IA et de lier leurs réponses à la version exacte du modèle et du prompt auxquels ils ont été exposés. Cela signifie que vous pouvez comparer, par exemple, comment GPT-4 versus une version de modèle plus récente performe sur la satisfaction, ou comment le Prompt v1.0 se compare au Prompt v2.0, et voir le vrai impact d'un changement avant de le déployer à tout le monde. Vous pouvez aussi remettre ces données en contexte en les associant au Session Replay et aux Heatmaps pour voir exactement ce que l'utilisateur faisait au moment où il a répondu. ### TRUE : un framework construit pour l'IA, pas juste pour le logiciel Les métriques de satisfaction traditionnelles comme le NPS ou le CSAT n'ont pas été conçues en pensant à l'IA conversationnelle. Le framework propriétaire **TRUE** de Screeb adapte cette logique spécifiquement pour les expériences IA : * **T**rust (confiance) * **R**esolution (résolution) * **U**sefulness (utilité) * **E**ffort (effort) Pensez à TRUE comme l'équivalent stratégique du NPS, mais pour l'IA. Il combine l'analyse de conversation, des micro-surveys contextuels, et des données comportementales en un seul score que vous pouvez suivre dans le temps, comparer, et utiliser pour justifier le ROI de vos investissements IA. ### De l'insight à l'action : Topics et Feature Recommendations Tout ce qui précède alimente deux couches de valeur supplémentaires : * **Topics** : vos conversations sont automatiquement regroupées en thèmes, pour que vous puissiez voir, d'un coup d'œil, ce qui génère de la satisfaction et ce qui génère de la frustration, et comment la part de chaque topic évolue dans le temps. * **AI Features Recommendations** : sur la base des patterns comportementaux détectés (par exemple, des utilisateurs qui peinent de façon répétée sur une étape de configuration spécifique), Screeb peut recommander une prochaine fonctionnalité concrète à construire, avec le raisonnement derrière, pour que votre roadmap soit ancrée dans ce que les utilisateurs vivent réellement plutôt que dans une supposition. ### Où aller ensuite Cet article est le point de départ. Pour aller plus loin sur chaque élément : * Topics : comment l'IA catégorise vos verbatims et conversations * Agent Analysis : ce qu'il mesure et comment agir dessus * AI Features Recommendations : laisser l'IA aider à prioriser votre roadmap