Tutoriel Botpress : Développer et déployer des chatbots IA

Les entreprises s'empressent d'automatiser le service client, la qualification des prospects et les flux de travail internes à l'aide d'agents IA. La technologie fonctionne enfin suffisamment bien pour être utile, mais créer des chatbots à partir de zéro implique d'assembler des frameworks tels que LangChain et de déboguer les intégrations d'API. Cela fonctionne et présente des avantages, mais le cycle de développement risque d'être lent. 

Les plateformes telles que Botpress proposent un processus de travail différent. Vous disposez d'outils visuels pour concevoir des flux de conversation. Les modèles d'IA sous-jacents peuvent être identiques, mais l'infrastructure nécessaire à la création, aux tests et au déploiement est déjà en place.

Dans cet article, je vais vous guider dans la création d'agents IA avec Botpress. Vous découvrirez l'architecture de la plateforme, créerez votre premier bot, le connecterez à des services réels et le déployerez en production. Je partagerai également certaines techniques et bonnes pratiques que j'ai acquises en travaillant avec la plateforme, afin que vous puissiez gagner du temps.

Qu'est-ce que Botpress ?

Botpress est une plateforme permettant de créer des agents IA qui dialoguent avec les utilisateurs, déclenchent des actions en fonction de ce qui est dit et se connectent à des outils tels que Shopify, Google Sheets ou vos propres API REST. Parmi les concurrents, on peut citer Dialogflow, Rasa, Microsoft Bot Framework et Amazon Lex.

Présentation de la plateforme

Botpress fournit à la fois un environnement de développement visuel (Botpress Studio) et un contrôle programmatique via des API. L'interface visuelle permet aux membres non techniques de l'équipe de concevoir des flux de conversation, tandis que les développeurs peuvent écrire du code. Certaines plateformes telles que Rasa sont axées sur le code, ce qui peut être plus simple si vous êtes un développeur indépendant à l'aise avec l'écriture en YAML et Python.

Avec Botpress, vous définissez les tâches que votre bot doit accomplir (instructions et flux de travail), les informations qu'il doit connaître (bases de connaissances et tableaux) et les actions qu'il peut entreprendre (intégrations et code personnalisé). La plateforme gère l'infrastructure : hébergement, mise à l'échelle et orchestration.

L'architecture et les couches de Botpress. Image par l'auteur

Contrairement à la création à partir de zéro avec des frameworks tels que LangChain, Botpress vous fournit des composants prêts à l'emploi. Par rapport aux plateformes purement sans code, elle vous offre la possibilité d'écrire du code lorsque les outils visuels prédéfinis ne répondent pas à vos besoins.

Qui utilise Botpress ?

La plateforme s'adresse à tous, des développeurs indépendants qui créent leur premier chatbot aux entreprises qui déploient des agents sur plusieurs canaux. Les cas d'utilisation courants comprennent l'automatisation du service client, la qualification des prospects, la prise de rendez-vous et les systèmes d'assistance interne.

Selon un témoignage client de Botpress, Ruby Labs a signalé un taux de résolution de 98 % après avoir adopté leur solution. Ces chiffres proviennent d'études de cas réalisées par des fournisseurs et doivent être interprétés dans leur contexte.

Configuration de Botpress

Permettez-moi maintenant de vous expliquer comment configurer Botpress, c'est-à-dire comment configurer l'interface CLI et le SDK Botpress pour un flux de travail « bot-as-code ».

Installation

Pour commencer, vous aurez besoin de :

• Node.js version 18 ou supérieure (LTS recommandée)

• Gestionnaire de paquets : npm, pnpm, ou yarn

• Un éditeur de code. VS Code ou Cursor est fortement recommandé pour TypeScript.

Pour procéder à l'installation, veuillez suivre les étapes suivantes :

1. Veuillez ouvrir votre terminal ou votre invite de commande.

2. Veuillez installer Botpress CLI globalement en utilisant la commande suivante : npm.

npm install -g @botpress/cli

3. Veuillez vérifier l'installation en contrôlant la version :

bp --version

Je recommande d'exécuter Node.js et l'interface CLI Botpress dans WSL2 (Windows Subsystem for Linux) afin d'éviter les problèmes courants liés aux chemins d'accès et aux autorisations sous Windows.

Si vous rencontrez une erreur lors de l'exécution de la commande « bp » dans PowerShell, il peut être nécessaire d'ajuster votre stratégie d'exécution. Veuillez exécuter PowerShell en tant qu'administrateur et exécuter : Set-ExecutionPolicy RemoteSigned.

Développement local

Le développement local vous permet d'utiliser GitHub pour le contrôle de version, TypeScript pour la sécurité des types et des outils tels que GitHub Copilot pour générer automatiquement du code. Cette approche considère votre chatbot comme n'importe quel autre projet logiciel.

Configuration initiale

Une fois l'interface CLI installée, il est nécessaire de connecter votre environnement local à votre compte Botpress Cloud.

1. Veuillez vous authentifier

Veuillez vous connecter à votre compte pour associer votre clé CLI.

bp login

Cela ouvrira une fenêtre de navigateur pour autoriser l'interface CLI.

2. Veuillez initialiser un projet. 

Veuillez créer un nouveau répertoire pour votre bot et initialiser la structure.

mkdir my-first-bot
cd my-first-bot
bp init

Veuillez suivre les instructions pour sélectionner un modèle TypeScript.

3. Configurer les variables d'environnement 

Veuillez créer un fichier .env à la racine de votre projet afin d'y stocker les clés sensibles (telles que les identifiants de base de données ou les clés API tierces). Veuillez ne jamais enregistrer ce fichier dans Git.

4. Déployer pour tester 

Veuillez transférer votre bot local vers le cloud afin de le tester dans Studio.

bp deploy

Commencer avec Botpress Studio

Botpress Studio est l'endroit où vous créez vos bots. 

Environnement de développement visuel

Le Studio s'ouvre sur une toile affichant le flux de conversation de votre bot. Les nœuds représentent les étapes de la conversation, et les connexions entre les nœuds indiquent comment les utilisateurs naviguent dans votre bot. Veuillez cliquer avec le bouton droit n'importe où sur le canevas pour créer un nouveau nœud.

La barre latérale gauche affiche les workflows, les flux système, les variables et les schémas. La barre latérale droite affiche l'inspecteur du nœud sélectionné, où vous pouvez configurer les instructions et les actions associées. Veuillez utiliser l'émulateur ci-dessous pour tester le bot en temps réel.

Modèles Botpress

Le Botpress Hub contient des modèles prêts à l'emploi pour le service client, la prise de rendez-vous, la qualification des prospects, et bien plus encore. Le modèle Kitchen Sink illustre des concepts avancés tels que le chargement des données utilisateur, le routage des flux de travail et le transfert en direct vers un agent. Veuillez personnaliser les instructions, intégrer votre base de connaissances et procéder au déploiement.

Création de votre premier bot

Nous allons créer un bot simple pour le service client. Veuillez créer un nouveau bot et le nommer « support-bot ». Veuillez ignorer l'assistant et accéder directement au Studio.

Dans le onglet Accueil (si celui-ci n'est pas visible, veuillez connecter votre nœud de départ à un nouveau nœud autonome), veuillez ajouter les instructions suivantes :

You are a helpful customer support agent. Answer questions about our products and services using the knowledge base. Be friendly, concise, and professional. If you can't answer a question, offer to connect the user with a human agent.

Veuillez maintenant ajouter une base de connaissances. Veuillez cliquer sur« Bases de connaissances » dans la barre latérale gauche, puis sur «Créer une base de connaissances ». Veuillez sélectionnerle site Web comme type de source et saisir l'URL du site Web de votre entreprise. Botpress explorera le site et extraira les informations.

De retour dans l'onglet Accueil, veuillez faire défiler jusqu'à Bases de connaissances et activez la base de connaissances que vous venez de créer. Cela permet à votre nœud autonome d'accéder à ces informations.

Veuillez le tester dans l'émulateur. Veuillez demander « Quelles sont vos heures d'ouverture ? » ou « Comment puis-je retourner un produit ? » Le bot effectue une recherche dans votre base de connaissances et fournit des informations pertinentes.

Tester un bot d'assistance client dans l'émulateur Botpress avec des réponses en temps réel

Ce bot de base gère déjà une quantité impressionnante de demandes d'assistance client. Il répond aux questions provenant de votre site web, conserve le contexte de la conversation et répond de manière naturelle. Vous l'avez construit en environ cinq minutes.

Compréhension du langage naturel

Si vous avez déjà créé des chatbots avant 2023, vous avez peut-être remarqué une différence par rapport à ce que vous venez de faire : Vous n'avez pas formé de classificateurs d'intention ni rédigé de règles d'extraction d'entités, comme avec un système NLU (pré-LLM). (Et si vous êtes novice dans ce domaine, sachez simplement que les anciennes plateformes nécessitent beaucoup de travail de formation préalable, ce que Botpress évite complètement.)

Voici ce qui se passe : Botpress utilise de grands modèles linguistiques pour la compréhension du langage naturel. Vous rédigez des instructions décrivant les actions que votre bot doit effectuer, et le LLM se charge de la reconnaissance des intentions, de l'extraction des entités et de la compréhension contextuelle lors de l'exécution. 

Cela modifie ce que vous configurez réellement. Les entités courantes telles que les dates, les heures et les coordonnées fonctionnent immédiatement, car le LLM comprend déjà ces modèles. Les entités spécifiques à un domaine nécessitent un traitement différent : veuillez décrire vos besoins dans vos instructions et, si vous le souhaitez, définir des schémas. Le LLM interprète ces exigences de la même manière qu'il interprète tout le reste.

Développement d'une logique de conversation avancée

Les bots simples répondent aux questions. Les robots avancés prennent des décisions et s'intègrent à des systèmes externes. Botpress fournit les outils nécessaires pour créer les deux, bien que je pense que la plupart des équipes compliquent les choses dès le début. Il n'est souvent pas nécessaire de recourir à une logique de flux de travail avant d'avoir démontré que les questions-réponses de base fonctionnent effectivement.

Architecture du flux de travail

Les flux de travail organisent la logique de votre bot en segments gérables. Le flux de travail principal gère le flux de conversation principal. Les sous-workflows gèrent des tâches spécifiques. Il peut s'agir, par exemple, de la planification de rendez-vous ou du traitement des retours.

Les nœuds dans les flux de travail représentent des étapes distinctes. Un nœud standard exécute une séquence d'actions de haut en bas. Un nœud autonome utilise le LLM pour déterminer les actions à entreprendre et dans quel ordre. Les nœuds d'entrée et de sortie indiquent les points où les utilisateurs entrent et sortent des sous-workflows.

Architecture modulaire du flux de travail Botpress. Image par l'auteur

La logique de conversation modulaire consiste à diviser des tâches complexes en éléments plus petits et réutilisables. Élaborez un flux de travail pour collecter les informations de paiement une seule fois, puis réutilisez-le dans les processus de paiement, d'abonnement et de don. Cela réduit les doublons et facilite la maintenance.

Le modèle de routage dirige les utilisateurs vers les flux de travail appropriés en fonction de leurs besoins. Après un message de bienvenue initial, veuillez classer l'intention de l'utilisateur et le diriger vers le sous-flux de travail approprié. Cela permet à chaque flux de travail de se concentrer sur une seule tâche.

Meilleures pratiques en matière de conception de conversations

La percée dans la compréhension du langage est réelle, mais elle ne permettra pas de corriger un bot mal structuré. Il est toujours nécessaire de disposer de flux de conversation clairs et d'une conception réfléchie. La véritable différence réside dans le fait que vous concevez à un niveau supérieur en définissant ce que le bot doit faire plutôt qu'en l'entraînant à reconnaître des phrases spécifiques.

Commencez par une salutation claire qui définit les attentes. Commencez par concevoir le scénario idéal, puis ajoutez la gestion des erreurs. Veuillez veiller à ce que les nœuds autonomes se concentrent sur une seule tâche conceptuelle. Veuillez utiliser les étapes de confirmation pour les actions importantes telles que les paiements. Veuillez cartographier le parcours utilisateur avant de créer des flux de travail afin d'identifier les points de décision et les informations requises.

J'ai également lu que trop de messages du type « Êtes-vous certain ? » incitent les utilisateurs à cliquer sans réfléchir à ce qu'ils lisent. « Lorsque chaque action nécessite une confirmation, aucune des confirmations n'est efficace », est probablement une bonne règle empirique. Veuillez réserver vos exigences de confirmation pour les opérations véritablement irréversibles : paiements, suppressions de comptes, pertes de données.

Automatisation des processus

Au-delà des fonctionnalités de base présentées ici, Botpress prend en charge les hooks pour l'automatisation du cycle de vie (exécution de code lorsque les conversations commencent, lorsque des messages sont envoyés, etc.) et les workflows planifiés pour les tâches récurrentes telles que les rappels de rendez-vous. Ce sont des outils puissants, mais c'est également là que les choses se compliquent rapidement.

Intégrations et écosystème de plugins

Les bots Botpress deviennent particulièrement performants lorsqu'ils sont connectés à des services externes. Le Botpress Hub fournit des intégrations préconfigurées pour les outils courants, et il est possible de créer des intégrations personnalisées pour les systèmes propriétaires.

Intégrations préconfigurées

Le Hub comprend des intégrations pour les plateformes de messagerie (WhatsApp, Slack, Microsoft Teams, Telegram), les CRM (HubSpot, Salesforce), les outils de productivité (Google Agenda, Google Drive, SharePoint) et les processeurs de paiement (Stripe). Si vous avez besoin de vous connecter à un service populaire, il existe probablement déjà une intégration disponible.

L'installation d'une intégration ajoute de nouvelles cartes à votre plateau de cartes. Par exemple, une intégration CRM fournit des cartes permettant de créer des contacts, de mettre à jour des transactions et de rechercher des enregistrements. Veuillez glisser-déposer ces cartes dans vos flux de travail pour connecter votre bot.

La configuration s'effectue dans les paramètres d'intégration. Vous fournissez les informations d'identification API, sélectionnez les données auxquelles accéder et mappez les variables du bot aux champs externes. L'intégration gère l'authentification, la limitation du débit et la récupération des erreurs.

Intégrations personnalisées

Pour les systèmes propriétaires ou les exigences spécifiques, veuillez créer des intégrations personnalisées à l'aide du SDK d'intégration. Définir l'interface d'intégration, mettre en œuvre la logique de connexion et gérer l'authentification. Le SDK fournit des aides pour les flux OAuth et la gestion des webhooks. Veuillez effectuer des tests en local à l'aide des utilitaires fournis avant le déploiement. Veuillez stocker les informations d'identification dans des variables de configuration, valider toutes les entrées et mettre en œuvre une gestion appropriée des erreurs.

Modèles de tarification et options de déploiement

La tarification de Botpress est basée sur l'utilisation de l'IA plutôt que sur des frais par message ou par conversation. Le coût dépendra de votre volume et de votre utilisation. Le bot d'assistance client simple que nous avons développé précédemment, qui répond aux questions à partir d'une base de connaissances, effectue un ou deux appels LLM par message utilisateur et coûte très peu cher, ce qui n'est pas surprenant puisque nous l'avons développé rapidement et qu'il s'agit simplement d'un exemple. 

Un bot plus complexe qui effectue également des recherches dans votre CRM, vérifie les stocks et calcule les frais d'expédition effectue des appels LLM supplémentaires pour traiter ces données, ce qui augmente proportionnellement les coûts liés à l'IA. La plateforme facture les coûts liés à l'IA aux tarifs des fournisseurs, sans majoration. Par conséquent, vos dépenses réelles dépendent du nombre d'appels LLM requis pour chaque conversation et du modèle que vous choisissez.

Structure tarifaire

Botpress propose plusieurs formules d'abonnement avecdifférentes fonctionnalités et cas d'utilisation :

Le bot de restaurant que j'ai créé précédemmenta utilisé l'offre gratuite. Le modèle de paiement à l'utilisation vous permet d'expérimenter sans engagement mensuel, et vous ne commencez à payer que lorsque votre bot gère réellement des conversations.

Déploiement et mise à l'échelle

Botpress s'adapte automatiquement à l'augmentation du trafic, gérant de manière constante 10 ou 10 000 conversations. Les modules complémentaires élargissent les fonctionnalités en offrant un espace de stockage supplémentaire, des limites accrues et des intégrations haut de gamme. Les fonctionnalités Enterprise comprennent l'authentification unique (SSO), les journaux d'audit, le contrôle d'accès basé sur les rôles et une assistance dédiée.

Communauté et assistance

La documentation officielle comprend des exemples de code, des tutoriels vidéo et des documents de référence. 

Le serveur Discord de Botpress compte plus de 30 000 membres qui posent des questions, partagent des bots et apprennent auprès d'autres développeurs. L'équipe Botpress participe activement. Les discussions GitHub offrent un espace pour les demandes de fonctionnalités et les rapports de bogues. Vous trouverez également des modèles créés par la communauté qui couvrent des cas d'utilisation courants, vous évitant ainsi de devoir toujours repartir de zéro.

Conclusion

Le robot de restaurant que nous avons développé est simple, mais la même approche peut être appliquée à des projets plus complexes. L'éditeur visuel de flux de travail et le système d'intégration s'adaptent parfaitement, que vous développiez un bot FAQ basique ou un système plus sophistiqué.

La clé est de commencer modestement. Développez un bot qui accomplit une tâche avec efficacité, déployez-le, tirez des enseignements de son utilisation réelle et développez-le à partir de là. Veuillez ne pas tenter d'automatiser toutes les tâches simultanément. Concentrez-vous sur la tâche qui apportera le plus de valeur ajoutée avec le moins de complexité.

Pour développer vos compétences en matière d'IA et de chatbot, nous vous invitons à consulter notre cours « Création de chatbots en Python » et notre cursus « Les bases de chatGPT ». Pour découvrir les techniques d'ingénierie des invites qui améliorent les réponses de votre bot, veuillez consulter la section Comprendre l'ingénierie des invites. Pour l'automatisation des flux de travail et les agents IA au-delà des chatbots, nous vous invitons à explorer notre plateforme d'automatisation n8n : Un guide avec des exemples pratiques : tutoriel « » (Création d'un agent conversationnel) et « Building Your First AI Agent with n8n » (Création de votre premier agent IA avec n8n) avec code-along.