Crée un assistant qui répond à tes e-mails

À la une : OpenAI défie Google sur le web

Author

Jean-Charles FABRE
November 28, 2024

Au menu d’aujourd’hui :

  • ✉️ Crée un agent IA qui répond à tes e-mails.

  • 💻 5 autres cas d’usage de Lindy.ai en entreprise.

  • 🗞️ À la une : OpenAI défie Google sur le web.

  • 💎 5 autres news & découvertes.

  • 🎤 Vos retours, questions et partages.

🎓 Le tutoriel du jour

Aujourd’hui, tu vas apprendre à créer un assistant qui répond à tes e-mails automatiquement.

Si l’idée d’automatiser ta boîte mail te donne ce genre d’angoisses, c’est normal.

Le problème qu’on va résoudre

C’est un secret pour personne, on passe tous beaucoup de temps dans notre boîte mail. Pour être précis, 28% de nos journées de travail, d’après une étude de McKinsey.

Tout le temps passé sur des e-mails n’est pas du temps perdu. Si on devait communiquer en face à face pour tout, on passerait facilement 300% de nos journées de travail à le faire.

Mais c’est aussi le problème de la communication asynchrone. Il n’y a plus de limites sur le nombre d’e-mails qu’on peut envoyer, et donc sur le nombre d’e-mails qu’on peut recevoir.

Allez, je le dis. Ça, c’était avant.

La solution étape par étape

À la fin de ce tutoriel, tu auras créé ton premier agent IA 🎉 

En alerte 24h sur 24h, il sera capable de faire des recherches sur internet ou dans une base de connaissance interne pour pré-rédiger les réponses à tes e-mails reçus, en ayant parfaitement “en tête” le contexte de ton entreprise.

💡 À noter : Un agent IA, c’est un système ou un programme capable d'exécuter de manière autonome des tâches pour le compte d'un utilisateur ou d'un autre système.

Pour l’exemple, on va se mettre dans la peau du responsable des partenariats de la chaîne Youtube Underscore et créer un assistant capable de répondre aux demandes de collaboration entrantes.

La future maison de notre agent IA fictif.

💡 À noter : Ce genre d’agents IA est particulièrement efficace et pertinent pour les entreprises qui reçoivent beaucoup de demandes entrantes (ex : créateur de contenu, agences etc.)

Au delà du gain de temps et d’argent, les autres avantages sont :

  • une disponibilité 24h sur 24.

  • une simplification de l’opérationnel avec un point de contact unique.

Pour chaque e-mail reçu, on aimerait que notre agent effectue les tâches suivantes :

  • Identifier si l’e-mail correspond à une demande de partenariat.

  • Rechercher l’activité de l’entreprise sur internet.

  • Décider s’il pourrait y avoir un match pour une collaboration.

  • Rédiger une réponse dans gmail et l’enregistrer en tant que brouillon.

En bonus et pour les plus téméraires (ou fous) d’entre vous :

  • Mener les discussions jusqu’à un accord, en totale autonomie.

💡 À noter : C’est un exemple de configuration pour un cas d’usage donné. Tu peux personnaliser ton agent pour répondre à ton besoin précis.

Voici d’autres cas d’usages en entreprise d’un agent IA connecté à tes e-mails :

  • 📣 Marketing : Envoyer des e-mails personnalisés à des influenceurs en fonction de leur audience et de leur alignement avec la marque.

  • ⚡️ Productivité : Automatiser les réponses aux e-mails récurrents pour libérer du temps sur des tâches stratégiques.

  • 📞 Sales : Répondre rapidement aux leads entrants en s’appuyant sur les données internes.

  • 🧡 Service Client : Répondre aux e-mails de support avec des solutions directement tirées de ta base de connaissances.

  • 🧑‍💻 Code : Automatiser les réponses aux demandes de support technique en exploitant la documentation.

Allez c’est parti 👇

Étape 1 : Crée la V1 de ton agent

Rends-toi sur lindy.ai et crée un compte.

Crée un nouveau Lindy et sélectionne “Start from scratch”.

Tu peux trouver de l’inspiration dans une bibliothèque de 100+ modèles.

Une fois ton Lindy créé, rends-le inactif le temps de la configuration, cela t’évitera des mauvaises surprises.

With great power comes great responsibility.

Ajoute un trigger “Email Received” et connecte ton compte gmail (ça fonctionne aussi avec outlook).

Ajoute une action “Send Email” et un prompt basique dans le champ “Body” en sélectionnant “Prompt AI”.

On demande à notre agent de répondre à chaque e-mail de la meilleure manière possible, dans un ton amical.

💡 À noter : On peut choisir le modèle qui rédige nos e-mails parmi toutes les versions de ChatGPT ou Claude.

ChatGPT o1-preview et Claude 3.5 Sonnet sont considérés comme les meilleurs pour ce genre de tâches.

Coche “Save as draft” pour que les réponses de ton agent s’enregistrent en brouillon, sans s’envoyer.

Yes yes yes.

Et voilà, on a un MVP d’agent IA qui crée un brouillon directement dans notre gmail à chaque nouvel e-mail reçu ! 🎉

Brouillon rédigé par Lindy en réponse à un e-mail de nouvelles.

Évidemment, pour l’instant notre agent n’est pas très utile. Tout puissants que sont ChatGPT, Claude et consorts ils n’ont pas le contexte de ton entreprise.

On va y remédier dans les parties 2 et 3 du tutoriel et donnant plus de billes à notre agent.

Concrètement, on voudrait :

  • Qu’il réponde uniquement aux e-mails qui sont des demandes de partenariats.

  • Qu’il réponde positivement aux entreprises dont les produits et services sont en adéquation avec la politique de partenariats de Underscore.

Étape 2 : Répondre aux e-mails qui sont des demandes de partenariat

On va commencer par ajouter des informations sur notre entreprise “Underscore” dans la partie “Settings”.

Ces informations sont en permanence “à l’esprit” de notre agent.

Maintenant, on va ajouter une condition pour qu’il ne réponde que si l’e-mail ressemble à une demande de partenariat.

On va simplement expliquer en langage naturel le type d’e-mails auquel notre agent doit répondre. Comme dans un prompt, on peut aussi ajouter des exemples pour des résultats plus précis.

Feels like magic !

💡 À noter : l’IA apporte un vrai changement de paradigme pour ce genre d’usage.

Sans l’aide de l’IA, pour déterminer si un e-mail entrant correspondrait à une demande de collaboration, il faudrait lister des règles booléennes du type [si email contient “collaboration” ou “sponsoring” etc. → alors… ].

On aurait forcément des trous dans la raquette et ça serait très difficile à maintenir.

Il est temps de tester notre agent dans la rubrique “Test”. On va envoyer un e-mail d’un proche qui demande des nouvelles, et une demande de partenariat.

E-mail de prise de nouvelles :

Il a correctement classé cet e-mail comme n’étant pas une demande de sponsoring ✅

E-mail de demande de sponsoring :

Il a correctement classé cet e-mail de comme une demande de collaboration ✅

Au passage, dans gmail on peut voir le brouillon généré pour la demande de sponsoring.

On pourra lui donner des instructions sur les éléments à inclure dans les réponses, comme les prestations proposées et les tarifs.

Super, notre agent est donc capable d’identifier les e-mails auxquels il doit répondre, positivement ou négativement 🎉

Maintenant, on voudrait que notre agent puisse faire la différence entre les deux.

Typiquement :

  • Qu’il décline poliment la demande de collaboration de Dogfood qu’on a utilisé en test.

  • Qu’il continue la discussion avec une entreprise susceptible de davantage intéresser notre audience.

Étape 3 : Répondre aux demandes qui sont un bon match avec Underscore

Pour cela on va ajouter 2 étapes de recherche.

D’abord une recherche internet pour trouver l’activité de l’entreprise qui nous a contacté avec l’étape “Search the internet” à la suite de la condition dans notre arbre.

Dans la partie “Query”, on va demander à notre agent de chercher sur google l’activité de l’entreprise qui nous a contacté.

On va ensuite ajouter une recherche dans une base de connaissances avec l’étape “Search knowledge base”.

L’objectif de cette étape est de donner à notre agent tout le contexte nécessaire pour décider si l’entreprise qui nous a contacté est en adéquation avec la politique de partenariat de Underscore.

💡 À noter : Cette étape correspond à ce qu’on appelle le RAG (ou génération augmentée de récupération en français). L’idée est d’étendre la capacité d’un modèle générique (comme ChatGPT) avec des connaissances spécifiques à une entreprise ou un domaine, sans avoir besoin de ré-entraîner le modèle tout entier, ce qui est beaucoup plus économique (et écologique).

Je lui ai donné accès à 2 fichiers google doc stockés sur mon drive.

Dans “Collaboration Guidelines - Lindy AI”, je décris brièvement la politique de partenariats fictive de Underscore, avec des exemples de collaboration passées et des exemples de demandes de collaboration refusées.

Dans “Services and rates - Lindy AI”, je décris une offre et des tarifs fictifs :

💡 À noter : Voici tout ce qui peut être faire office de base de connaissances sur Lindy AI :

Une fois notre base de connaissances connectée, on explique à notre agent ce qu’on attend de lui.

On veut qu’il décide, à partir des informations de l’e-mail reçu et de sa recherche internet, si l’entreprise pourrait être un bon match pour une collaboration.

Allez, on teste tout ça 👇

Voilà ce que ça donne lorsqu’on envoie une demande de collaboration fictive de la part d’Intel (qui a réellement sponsorisé l’une des dernières vidéos de la chaîne Underscore) :

Notre agent valide ✅ et nous partage le fruit de ses recherches et de sa réflexion.

Et quand c’est BetClic :

Notre agent refuse ✅ et c’est ce qu’on attendait de lui.

On commence à être pas mal.

Il ne nous reste plus qu’à correctement aiguiller notre agent afin qu’il continue de la manière suivante :

  • S’il refuse de donner suite : rédiger une réponse de rejet.

  • S’il donne suite : répondre aux questions, envoyer les tarifs et proposer une prochaine étape.

Étape 4 : Rédiger les réponses

Pour cela on va ajouter une condition après notre étape de recherche.

Pour les e-mails de rejet, on va lui demander de décliner poliment en expliquant que l’entreprise ne correspond pas aux attentes de notre audience.

Comme tout prompt, on peut ajouter plus de détails ou des exemples.

Lorsqu’il décide de continuer, on va lui demander de répondre aux éventuelles questions et d’inclure une description de nos services et tarifs qu’il aura récupéré dans notre base de connaissances.

En donnant le contexte à notre agent, ici le type de demande qu’il va traiter, on améliore ses réponses.

Voilà ce que ça donne lorsqu’il fait une réponse au responsable des partenariats d’Intel :

La question est bien répondue 🎉 

💡 À noter : Je m’arrête ici pour la démonstration mais il faudrait continuer à itérer sur notre prompt et sur la base de connaissances pour renforcer notre agent.

Étape 5 : Laisse ton agent conclure les deals à ta place

Oui tu as bien lu. Dans cette dernière partie, on va voir comment laisser notre agent répondre et négocier à notre place de bout en bout, en totale autonomie.

Tout le monde est bien attaché ? Allez, go !

On va ajouter une étape “agent IA” à notre arbre :

Et paramétrer ce qu’on attend de lui exactement :

On pourrait aussi ajouter des exemples de réponses pour qu’il s’inspire du ton employé.

On choisit de lui donner les pleins pouvoirs pour envoyer des e-mails, consulter notre agenda pour trouver des créneaux disponibles et créer des événements :

Enfin, on va ajouter un document FAQ à notre base de connaissances où on va lister les questions les plus fréquentes posées par les partenaires.

Et voilà la suite de l’échange entre le responsable des partenariats d’Intel et notre agent 🍿

Intel

Agent

Intel

Agent

Intel

Agent

Quelques observations pour conclure :

  • Il ne serait pas judicieux de mettre cet agent en production en l’état car il pourrait prendre des libertés qui ne nous conviendraient pas.

  • Le déroulé recommandé serait de continuer à itérer sur le prompt et notre base de connaissances avec un agent qui rédige uniquement les brouillons, et d’envisager de passer à un agent complètement autonome après un certain nombre de brouillons envoyés sans modification.

  • On pourrait aussi rendre notre agent auto-apprenant, en sauvegardant automatiquement nos réponses envoyées (et donc validées) dans notre base de connaissances.

FAQ

  • Combien ça coûte ? → Lindy propose un plan gratuit qui donne droit à 400 crédits, ce qui est assez pour expérimenter. Le premier plan payant commence à $29,99 et donne droit à 3000 crédits. Le tarif augmente ensuite avec l’usage.

  • Est-ce que mes données sont utilisées pour entraîner des modèles ? → Les données échangées via l’API d’OpenAI ne sont pas utilisées pour l’entraînement des modèles.

  • Est-ce que c’est RGPD-friendly ? → En l’état, bof. Voici un rappel de la CNIL des bonnes pratiques RGPD à l’ère de l’IA et quelques points qui posent question :

    • Finalité du traitement des données : L'utilisation des informations de contact pour la rédaction d'e-mails assistée par IA pourrait ne pas correspondre à la finalité initiale pour laquelle les données ont été collectées. Le RGPD exige une finalité clairement définie et légitime pour le traitement des données.

    • Base légale : Il est nécessaire de s'assurer qu'une base légale valide justifie le traitement de ces données personnelles via le système d'IA. Le consentement ou l'intérêt légitime pourraient être applicables, mais cela nécessite une analyse approfondie.

    • Conservation des données : Le RGPD impose de limiter la conservation des données à ce qui est nécessaire pour la finalité spécifiée. Il faudrait examiner les politiques de conservation des données de Lindy.ai pour garantir leur conformité.

    • Sécurité des données : Lindy.ai affirme utiliser le chiffrement de bout en bout et être conforme au RGPD. Cependant, il serait prudent de vérifier leurs mesures spécifiques de sécurité pour protéger les données personnelles traitées par notre agent.

    • Transparence : Le RGPD exige d'informer les personnes concernées sur la manière dont leurs données sont traitées. Il faudrait sûrement mettre à jour la politique de confidentialité pour inclure l'utilisation de l'IA dans les communications par e-mail.

    • Minimisation des données : Il faudrait s’assurer que seules les données personnelles strictement nécessaires sont traitées par le système d'IA.

  • Comment pourrait-on rendre cet agent plus RGPD-friendly ? → Pour rendre cet agent plus conforme au RGPD, on pourrait :

    • S’assurer que la notice de confidentialité et les accords de traitement des données de Lindy.ai sont conformes aux nôtres.

    • Mettre en place des mécanismes d’anonymisation ou de filtrage des données.

    • Évaluer régulièrement les risques pour la vie privée des personnes concernées.

    • Envisager d’obtenir le consentement explicite des contacts pour la rédaction d’e-mails assistée par IA.

    • Proposer un moyen pour que les individus puissent refuser que leurs données soient traitées par le système d’IA.

🕺One dream, one soul ?

Tu as apprécié ce tutoriel ? Tu penses à quelqu’un qui pourrait en bénéficier ?

N’hésite pas à lui partager par Slack, Teams, Whatsapp, e-mail ou avion en papier.

Ça fera peut-être un heureux et ça m’aide énormément pour développer le projet.

Un grand merci ;)

🗞️ À la une

  • OpenAI prépare un navigateur web connecté à ChatGPT pour rivaliser avec Google Chrome. Avec NLWeb et des partenariats clés (Condé Nast, Redfin, Samsung), l’entreprise mise sur une expérience web conversationnelle et un accès direct aux contenus via son IA.

  • Cette stratégie, combinée au lancement de ChatGPT Search, vise à perturber Google en positionnant ChatGPT comme la nouvelle porte d’entrée vers le web, redéfinissant les usages des moteurs de recherche.

💎 Autres news & découvertes

  • Anthropic a lancé le Model Context Protocol (MCP), un standard open-source pour connecter des agents IA à diverses sources de données et outils.

  • AI is eating the world, présentation annuelle de Ben Evans, ancien partner chez a16z.

  • À Shanghai, un robot IA a kidnappé 12 autres robots.

  • Runway dévoile Frames, une fonctionnalité permettant la création d’images dans des univers visuels contrôlés.

  • Article intéressant sur les différents types d’utilisation de l’IA en entreprise.

🎤 À toi le micro

Voilà, c’est la fin de cette 5ème édition de A Kind of Magic, j’espère qu’elle t’a été utile. N’hésite pas à la partager si c’était le cas.

Quelques news de la communauté :

  • Tuto demandé par Benoit pour obtenir l’audio d’un dialogue en arabe égyptien avec de l’IA (fonctionne avec n’importe quelle langue).

  • Article intéressant partagé par Thomas sur l’impact écologique de l’IA.

  • Suite à la newsletter sur l’automatisation des comptes rendus de meeting, vous avez été plusieurs à me demander des solutions de transcription avec hébergement des données en France : Noota (made in France) ou Fireflies.ai (sur le plan Enterprise) sont des options pour vous.

Help me help you.

J’essaye d’être le plus utile possible avec cette newsletter, alors n’hésite pas à me :

  • Déléguer des recherches IA pour des problématiques de ton travail.

  • Demander des recommandations d'outils pour ton cas d'usage.

  • Partager tes expérimentations avec l'IA.

  • Faire du feedback sur le contenu de la newsletter.

Dispo pour échanger en réponse à cet e-mail ou sur Linkedin.

À jeudi !

Jean-Charles