> For the complete documentation index, see [llms.txt](https://cleyrop.gitbook.io/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://cleyrop.gitbook.io/docs/projet-data-and-ia/studio-ai/assistants-ai.md).

# Assistants AI

{% hint style="warning" %}
La création de nouveaux Assistants IA est bloquée : ils seront prochainement décommissionnés au profit des **Agents**. Utilisez les Tools **Cleyrop Corpus** et **Cleyrop Dataset** dans vos Agents pour retrouver les mêmes usages (interrogation de corpus de documents et de datasets).
{% endhint %}

Vous pouvez concevoir des **assistants IA** fondés sur des modèles LLM pour automatiser des tâches, explorer des données ou interagir avec vos bases de connaissances (datasets structurés ou corpus documentaires).

Les assistants peuvent être configurés à partir de **templates prédéfinis** et adaptés à vos besoins : analyse de données, recherche d’informations.

***

## Créer un Assistant IA

{% hint style="warning" %}
Les **ressources** (Corpus, Dataset) à interroger doivent être **créées ou ajoutées au projet** avant de démarrer la création de l'assistant
{% endhint %}

1. Accédez à Assistants IA depuis le menu de gauche.
2. Cliquez sur `+ Créer`.
3. Sélectionnez un **template** parmi ceux proposés par Cleyrop.
4. En fonction du template vous pourrez choisir une **base de connaissances** :
   * [*Datasets* ](#assistant-dinterrogation-de-datasets): interrogation en langage naturel de données structurées.
   * [*Corpus documentaires*](#assistant-dinterrogation-de-corpus) : recherche d’informations dans des documents textuels.
5. **Personnalisez l’assistant** : nom, description, message d’accueil, questions suggérées.
6. Finalisez la configuration :
   * ***Créer et tester*** : mode brouillon accessible au projet.
   * ***Publier*** : accessible à tous les utilisateurs du projet.

{% hint style="success" %}
Les assistants peuvent aussi être **partagés à des profils hors projet** via l’onglet “Applications”.
{% endhint %}

## Configurer le modèle et le prompt

Chaque assistant repose sur un modèle LLM configurable.\
Les paramètres peuvent être réinitialisés à tout moment via le bouton Réinitialiser.

* **Modèle** : liste de modèles LLM disponibles (Llama 3.1, Mistrall Small 3.2...)
* **Température** : contrôle la créativité des réponses.
  * Faible (≈ 0) → réponses précises et déterministes.
  * Haute → réponses plus variées et créatives.
* **Top p** : ajuste la probabilité des mots générés.
  * Valeur proche de 1 → diversité accrue.
  * Valeur basse → réponses ciblées.

#### Le prompt

Le prompt définit le comportement de l’assistant.

{% hint style="warning" %}
Ne **jamais enlever les paramètres entre { }** (paramètres système) sous peine de rendre inutilisable l'assistant
{% endhint %}

Remplacez les valeurs entre \[ ] (variables personnalisables) sans modifier les { } (paramètres système).

En cas de suppression accidentelle de variables entre {}, la plateforme effectue un check automatique pour éviter toute corruption.

## Fonctionnalités principales

* **Historique par utilisateur** : chaque utilisateur retrouve ses conversations précédentes avec un assistant.

  Les fichiers temporaires et le contexte ne sont pas conservés au-delà d’une session.
* **Contexte conversationnel** : les échanges successifs sont pris en compte pour des réponses plus pertinentes.

  Le bouton Nouvelle conversation réinitialise le contexte.
* **Feedback utilisateur** : possibilité d’évaluer les réponses (👍 / 👎) et de laisser un commentaire.

  Les retours permettent d’améliorer la qualité des réponses et d’ajuster les modèles.

## Templates disponibles

### Assistant d’interrogation de datasets

L’assistant Analyse de données permet d’interroger vos datasets en langage naturel.

Il génère automatiquement des requêtes SQL, affiche les résultats sous forme de tableau, et propose une visualisation graphique intuitive.

#### **Fonctionnement**

1. Analyse de la question utilisateur.
2. Sélection des datasets et colonnes pertinentes.
3. Génération et exécution de la requête SQL.
4. Affichage des résultats sous forme de tableau et graphique (si applicable).

{% hint style="warning" %}
Les Datasets avec des **caractères spéciaux** dans les noms de colonnes peuvent rompre la compatibilité SQL.
{% endhint %}

#### **Visualisation des résultats**

* Type de graphique proposé automatiquement (barres, lignes, camemberts).
* Personnalisation possible (type, colonnes, axes).
* Export au format PNG/JPEG et affichage plein écran.

#### **Transformation en Dataflow**

Les requêtes générées peuvent être transformées en Dataflow :

* Cliquez sur Transformer en Dataflow, nommez le Dataflow et le dataset de sortie.
* La transformation est ajoutée au projet avec la requête SQL d’origine.
* Le créateur devient propriétaire du Dataflow.<br>

***

### Assistant d’interrogation de corpus

Le template **Knowledge Manager** permet d’interroger des corpus documentaires via une approche RAG (Retrieval-Augmented Generation).

L’assistant identifie les documents pertinents, extrait les passages les plus informatifs et génère une réponse contextualisée.

{% hint style="success" %}
Pour pouvoir créer un assistant de type **Knowledge Management**, il faut avoir préalablement [**créer un Corpus**](/docs/projet-data-and-ia/studio-ai/corpus-de-documents.md)
{% endhint %}

#### **Fonctionnement**

* Compréhension de la question.
* Application des filtres de métadonnées pour restreindre le périmètre.
* Recherche sémantique dans les documents filtrés.
* Génération d’une réponse basée uniquement sur le contenu extrait.
* Affichage des sources citées (chunks textuels) dans la réponse.
* Ouverture dans documents en pdf dans un nouvel onglet

#### **Filtres de métadonnées**

* Basés sur les métadonnées extraites automatiquement ou enrichies manuellement.
* Fusion automatique des métadonnées identiques entre corpus.
* Logique combinée :
  * OU entre valeurs d’un même filtre.
  * ET entre plusieurs filtres.
* Modifiables à tout moment par le créateur de l’assistant.

***

## Bonnes pratiques

* Créez des assistants à **périmètre restreint** pour de meilleures performances.
* **Spécialisez vos prompts** en fonction du cas d’usage.
* Contrôlez la température et le top p pour équilibrer précision et créativité.
* Testez toujours un assistant en mode brouillon avant publication.