Avatar IA pour le service client : remplacer sans perdre l'humain

┌─────────────────────────────────────────────┐
│              CANAUX D'ENTRÉE                │
│  Chat web │ WhatsApp │ Email │ Téléphone    │
└──────────────────┬──────────────────────────┘
                   │
          ┌────────▼────────┐
          │   ORCHESTRATEUR  │
          │   (Router IA)    │
          └────────┬────────┘
                   │
    ┌──────────────┼──────────────┐
    │              │              │
┌───▼───┐   ┌─────▼─────┐  ┌────▼────┐
│  LLM  │   │  CRM API  │  │  BASE   │
│(Claude)│   │(Historique)│  │CONNAIS. │
└───┬───┘   └─────┬─────┘  └────┬────┘
    │              │              │
    └──────────────┼──────────────┘
                   │
          ┌────────▼────────┐
          │  GÉNÉRATION DE   │
          │    RÉPONSE       │
          └────────┬────────┘
                   │
          ┌────────▼────────┐
          │  FILTRE QUALITÉ  │
          │  + ESCALADE      │
          └────────┬────────┘
                   │
          ┌────────▼────────┐
          │  RÉPONSE CLIENT  │
          └─────────────────┘

import httpx
import json

class AvatarServiceClient:
    def __init__(self, brand_config, crm_client):
        self.brand = brand_config
        self.crm = crm_client
        self.api_url = "https://openrouter.ai/api/v1/chat/completions"

    def build_system_prompt(self, customer_data):
        return f"""Tu es {self.brand['name']}, l'assistant virtuel de {self.brand['company']}.

PERSONNALITÉ :
- Ton : {self.brand['tone']}
- Valeurs : {', '.join(self.brand['values'])}
- Style : {self.brand['style']}

RÈGLES :
- Toujours saluer par le prénom du client
- Ne jamais inventer d'information produit
- Si tu ne sais pas, propose l'escalade vers un humain
- Valider l'émotion du client avant de proposer une solution
- Maximum 3 phrases par réponse sauf explication technique

CLIENT ACTUEL :
- Nom : {customer_data['name']}
- Statut : {customer_data['tier']}
- Dernière commande : {customer_data['last_order']}
- Tickets précédents : {customer_data['ticket_count']}
- Sentiment détecté : {customer_data.get('sentiment', 'neutre')}
"""

    def build_knowledge_context(self, query, top_k=5):
        # Recherche vectorielle dans la base de connaissances
        results = self.knowledge_base.search(query, top_k=top_k)
        context = "\n\nBASE DE CONNAISSANCES PERTINENTE :\n"
        for doc in results:
            context += f"- {doc['title']}: {doc['content']}\n"
        return context

    async def respond(self, customer_id, message, conversation_history):
        # 1. Récupérer les données client
        customer = await self.crm.get_customer(customer_id)

        # 2. Analyser le sentiment
        customer['sentiment'] = self.analyze_sentiment(message)

        # 3. Construire le prompt
        system = self.build_system_prompt(customer)
        system += self.build_knowledge_context(message)

        # 4. Préparer les messages
        messages = [{"role": "system", "content": system}]
        messages.extend(conversation_history[-10:])  # Garder les 10 derniers échanges
        messages.append({"role": "user", "content": message})

        # 5. Appel LLM
        response = await httpx.AsyncClient().post(
            self.api_url,
            headers={"Authorization": f"Bearer {self.api_key}"},
            json={
                "model": "anthropic/claude-sonnet-4-20250514",
                "messages": messages,
                "max_tokens": 500,
                "temperature": 0.3  # Faible pour la cohérence
            }
        )

        result = response.json()
        answer = result['choices'][0]['message']['content']

        # 6. Vérifier si escalade nécessaire
        if self.needs_escalation(answer, customer['sentiment']):
            return self.escalate_to_human(customer_id, conversation_history)

        return answer

# Exemple : marque luxe
luxury_brand = {
    "name": "Élise",
    "company": "Maison Lumière",
    "tone": "raffiné, chaleureux, attentionné",
    "values": ["excellence", "discrétion", "sur-mesure"],
    "style": "vouvoiement systématique, formulations élégantes, jamais de jargon technique"
}

# Exemple : startup tech
tech_startup = {
    "name": "Max",
    "company": "DevFlow",
    "tone": "décontracté, direct, enthousiaste",
    "values": ["transparence", "rapidité", "innovation"],
    "style": "tutoiement, emojis modérés, références tech acceptées"
}

# Exemple : B2B corporate
b2b_corp = {
    "name": "Sophie",
    "company": "IndustraPro",
    "tone": "professionnel, factuel, rassurant",
    "values": ["fiabilité", "expertise", "partenariat"],
    "style": "vouvoiement, données chiffrées, références sectorielles"
}

CLIENT : "Ça fait 3 SEMAINES que j'attends mon colis !! C'est inadmissible,
          je veux un remboursement IMMÉDIAT !"

❌ Chatbot classique :
"Je comprends. Votre numéro de commande svp ?"

✅ Avatar IA :
"Je comprends totalement votre frustration, Marc. Trois semaines
d'attente, c'est inacceptable et je suis sincèrement désolée pour
cette situation. Je vois votre commande #4892 — elle est effectivement
bloquée au centre de tri depuis le 12 février. Voici ce que je vous
propose immédiatement : je relance l'expédition en prioritaire ET
je vous offre un bon de 15 € sur votre prochaine commande. Si le
colis n'arrive pas d'ici vendredi, je procède au remboursement
intégral. Ça vous convient ?"

CLIENT : "Votre logiciel plante à chaque export PDF depuis la mise à jour.
          J'ai perdu 2h de travail. C'est la 2ème fois ce mois."

✅ Avatar IA :
"Aïe, perdre 2h de travail c'est vraiment rageant, Thomas. Et le fait
que ça se reproduise, je comprends que ça entame la confiance. J'ai
identifié le bug — il touche les exports PDF avec plus de 50 pages
depuis la v3.2.1. Notre équipe a déployé un correctif ce matin (v3.2.2).
Peux-tu mettre à jour et réessayer ? En attendant, je t'envoie par
email un export de secours de ton dernier document. Et je remonte ton
cas en priorité au product manager."

CLIENT : "Mon site e-commerce est DOWN. C'est la période des soldes,
          je perds des milliers d'euros par minute !!"

✅ Avatar IA :
"Urgence prise en compte, M. Fabre. Je détecte effectivement une
indisponibilité de votre instance depuis 14:32. Je déclenche
immédiatement l'escalade vers notre équipe infrastructure niveau 2.
En parallèle, j'active votre page de maintenance personnalisée pour
que vos visiteurs puissent laisser leur email. Un ingénieur vous
contacte dans les 5 prochaines minutes. Je reste en ligne avec vous."

ESCALATION_RULES = {
    "triggers": [
        # Sentiment
        {"condition": "sentiment_score < -0.8", "action": "human_urgent"},
        {"condition": "anger_mentions >= 3", "action": "human_priority"},

        # Complexité
        {"condition": "topic == 'legal'", "action": "human_legal"},
        {"condition": "topic == 'billing_dispute' and amount > 500",
         "action": "human_finance"},
        {"condition": "confidence_score < 0.6", "action": "human_standard"},

        # Répétition
        {"condition": "same_issue_tickets >= 3", "action": "human_priority"},
        {"condition": "conversation_turns > 8 and not resolved",
         "action": "human_standard"},

        # Demande explicite
        {"condition": "client_requests_human", "action": "human_immediate"},
    ],
    "handoff_message": "Je vais vous mettre en relation avec {agent_name} "
                       "de notre équipe {team}. Je lui transmets tout notre "
                       "échange pour que vous n'ayez rien à répéter."
}

METRICS_DASHBOARD = {
    # Satisfaction
    "CSAT": {
        "description": "Score de satisfaction client post-interaction",
        "target": ">= 80%",
        "measurement": "Survey post-chat (1-5 étoiles)"
    },
    # Efficacité
    "resolution_time": {
        "description": "Temps moyen de résolution",
        "target": "< 3 minutes",
        "measurement": "De la première question à la clôture"
    },
    "first_contact_resolution": {
        "description": "Résolution au premier contact",
        "target": ">= 75%",
        "measurement": "Pas de réouverture dans les 48h"
    },
    # Escalade
    "escalation_rate": {
        "description": "Taux d'escalade vers un humain",
        "target": "15-25%",
        "measurement": "Tickets transférés / tickets totaux"
    },
    # Coût
    "cost_per_ticket": {
        "description": "Coût moyen par ticket",
        "target": "< 2€",
        "measurement": "Coût API + infra / nombre de tickets"
    },
    # Qualité
    "hallucination_rate": {
        "description": "Taux de réponses incorrectes",
        "target": "< 2%",
        "measurement": "Audit hebdomadaire sur échantillon"
    }
}

CHANNEL_CONFIG = {
    "web_chat": {
        "max_response_length": 300,  # mots
        "supports_rich_media": True,
        "supports_buttons": True,
        "tone_adjustment": "concis, interactif"
    },
    "whatsapp": {
        "max_response_length": 200,
        "supports_rich_media": True,
        "supports_buttons": True,  # Quick replies
        "tone_adjustment": "mobile-friendly, emojis ok"
    },
    "email": {
        "max_response_length": 500,
        "supports_rich_media": False,
        "supports_buttons": False,
        "tone_adjustment": "plus formel, structuré avec salutation/signature"
    },
    "phone_ivr": {
        "max_response_length": 80,  # mots (parlés)
        "supports_rich_media": False,
        "supports_buttons": False,  # DTMF uniquement
        "tone_adjustment": "phrases courtes, pas de listes, confirmation vocale"
    }
}