ServiceBot IA

Projet de fin d'études que j'ai conçu et développé intégralement, à l'EMSI. Les équipes support répondent aux mêmes questions en boucle, sans disponibilité 24/7 ni vision sur la satisfaction réelle des clients. J'ai conçu un agent IA capable de répondre, d'analyser et d'escalader.

• Automatiser les réponses aux questions fréquentes grâce à une base de connaissances indexée (RAG).
• Détecter le mécontentement client par analyse de sentiment.
• Générer des réponses personnalisées aux avis clients.
• Escalader proprement vers un humain avec création de ticket lorsque nécessaire.
• Fournir aux équipes un tableau de bord analytique multilingue.

• Conception et développement du backend Python / FastAPI : endpoints chat, sentiment, avis, enquêtes et rapports.
• Mise en place du pipeline RAG : indexation documentaire dans Pinecone et orchestration LangChain avec Google Gemini.
• Développement du module d'analyse de sentiment et de la génération de réponses aux avis.
• Développement de l'interface React : chat, tableaux de bord et modules d'administration.

• Chatbot FAQ 24/7 : réponses générées à partir de la base de connaissances via RAG (LangChain + Gemini + Pinecone).
• Analyse de sentiment : détection des émotions et des mécontentements dans les conversations.
• Réponses aux avis : génération automatique de réponses personnalisées aux avis clients.
• Enquêtes de satisfaction automatisées : NPS, CSAT et CES.
• Escalade humaine : création et suivi de tickets lorsque l'agent ne peut pas répondre.
• Interface d'administration multilingue (dont arabe avec support RTL) : dashboard, analytics, rapports PDF.

• API FastAPI structurée en modules : chatbot, rag, sentiment, avis, enquêtes, tickets, commandes, analytics, rapports.
• Pipeline RAG : documents découpés, vectorisés et indexés dans Pinecone ; récupération de contexte puis génération avec Gemini (Flash et Pro).
• Orchestration LangChain pour chaîner récupération, prompts et appels au modèle.
• Frontend React / Vite avec Redux : chat en temps réel, dashboards et administration.
• Suite de tests dédiée (pytest) et documentation Swagger / ReDoc générée automatiquement.

• Python
• FastAPI
• LangChain
• Google Gemini
• Pinecone
• RAG
• React
• Vite

• Qualité des réponses : la récupération de contexte (RAG) doit être précise pour éviter les réponses inventées — réglages sur le découpage documentaire et les prompts.
• Multilinguisme réel : interface traduite incluant l'arabe, avec gestion complète de la mise en page RTL.
• Escalade maîtrisée : définir les seuils à partir desquels l'agent passe la main à un humain plutôt que de risquer une mauvaise réponse.

• Prototype fonctionnel testé localement : chat, sentiment, avis, enquêtes, tickets et dashboards opérationnels.
• Captures d'écran réelles de l'application présentées ci-dessous.
• Limite connue : le fonctionnement dépend de services externes payants (API Gemini, Pinecone) — non déployé publiquement.
• Limite connue : projet de démonstration, non connecté à des données clients réelles.