> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Expériences Les expériences vous permettent de mener des tests A/B contrôlés sur tous les aspects de la configuration d’un agent, structure du prompt, logique du workflow, voix, personnalité, outils ou base de connaissances. Acheminez une part définie du trafic vers une variante, mesurez l’impact sur les résultats clés, puis déployez les variantes gagnantes en production. > **Note** > > Les expériences reposent sur le [versioning des agents](/docs/fr/eleven-agents/operate/versioning). > Le versioning doit être activé sur votre agent avant de pouvoir lancer des expériences. ## Pourquoi expérimenter Sans expérimentation structurée, l’optimisation repose sur l’intuition. Une modification du prompt semble meilleure. Un ajustement du workflow devrait améliorer le taux de résolution autonome. Un nouveau parcours d’escalade paraît plus efficace. Les expériences remplacent les suppositions par des données probantes. Testez les changements sur du trafic réel, mesurez les résultats concrets et déployez ce qui fonctionne. ## Fonctionnement Les expériences suivent un workflow en quatre étapes : #### Créer une variante Partez de la configuration actuelle de votre agent et créez une nouvelle branche. Modifiez n’importe quel élément : prompt système, workflow, voix, outils, base de connaissances, garde-fous ou critères d’évaluation. Chaque modification est suivie sous forme de configuration versionnée. Accédez à l’onglet **Branches** dans les paramètres de votre agent, puis cliquez sur **Create branch**. #### Acheminer le trafic Définissez le pourcentage de conversations en direct à envoyer vers votre variante. Commencez avec une faible part, de 5 à 10 %, afin de limiter les risques, puis augmentez-la à mesure que votre confiance grandit. Cliquez sur **Edit traffic split** et définissez les pourcentages de chaque branche. Le total des pourcentages doit être exactement de 100 %. ![Configuration de la répartition du trafic entre les branches](/docs/_fern-img/0d4fd1ae53a2fec09bf7572d4bbf4341c1c183cbf9b3618807f91ede1dd126ee.webp) #### Mesurer l’impact Comparez les performances de la variante à votre référence à l’aide du [Dashboard d’analytique](/docs/fr/eleven-agents/dashboard). Cliquez sur **See analytics** dans le panneau des branches pour accéder directement à une vue filtrée par branche. ![Panneau des branches affichant les branches principale et variante, avec la répartition du trafic et les options de fusion](/docs/_fern-img/26946acc8b602c4dc66fd1b2312ffbbc09faa83d5b59b6d42ec7538e8ac1d60a.webp) Les équipes peuvent mesurer des résultats tels que : * CSAT * Taux de résolution autonome * Conversion * Temps moyen de traitement * Latence médiane de réponse de l’agent * Coût par résolution par l’agent #### Déployer la variante gagnante Lorsqu’une variante démontre une amélioration mesurable, augmentez sa part de trafic ou fusionnez-la avec la branche principale pour en faire la nouvelle configuration par défaut. L’historique complet des versions est conservé, ce qui permet de revenir en arrière si nécessaire. ## Acheminement du trafic Le trafic est réparti entre les branches selon un pourcentage. L’acheminement est **déterministe** selon l’identifiant de la conversation. Ainsi, un même utilisateur accède systématiquement à la même branche d’une session à l’autre. Par défaut, le trafic est réparti aléatoirement parmi les utilisateurs. Si vous utilisez l’API pour démarrer des conversations, vous pouvez acheminer des cohortes précises vers des branches spécifiques en contrôlant la configuration de branche utilisée pour chaque conversation. > **Warning** > > Le total de tous les pourcentages de trafic doit être exactement de 100 %. Un déploiement échouera dans le cas contraire. ## Cas d’usage Les expériences permettent une optimisation continue des workflows orientés client et opérationnels. #### Expérience client Testez si un parcours d’escalade révisé améliore le CSAT sans augmenter le temps de traitement. Comparez différents styles d’accueil, niveaux d’empathie ou stratégies de résolution. #### Revenus Testez si un ton plus direct ou une logique de qualification différente augmente la conversion. Expérimentez avec le traitement des objections, la présentation des tarifs ou le moment des relances. #### Opérations Mesurez si des modifications de la logique des outils réduisent le temps moyen de traitement ou les coûts d’infrastructure. Testez différentes configurations de base de connaissances ou structures de workflow. Chaque expérience est liée à une version précise de l’agent. Chaque variation de performance est donc attribuable à une modification de configuration définie. ## Ce que vous pouvez tester Tous les aspects de la configuration de l’agent peuvent varier d’une branche à l’autre : | Catégorie | Exemples | | ------------------------- | ------------------------------------------------------------------ | | **Prompt système** | Ton, instructions, personnalité, garde-fous | | **Workflow** | Structure des nœuds, logique de branchement, parcours d’escalade | | **Voix** | Sélection de la voix, modèle TTS, réglages de vitesse | | **Outils** | Configuration des outils, logique des outils webhook, serveurs MCP | | **Base de connaissances** | Différents documents, réglages RAG | | **LLM** | Sélection du modèle, température, nombre maximal de tokens | | **Critères d’évaluation** | Différentes métriques de réussite par branche | | **Langue** | Réglages linguistiques, configurations multilingues | ## Bonnes pratiques #### Commencez par une hypothèse Définissez ce que vous prévoyez d’améliorer et comment vous le mesurerez avant de créer une variante. Par exemple : « Modifier le prompt d’escalade pour y inclure un résumé du problème améliorera notre critère d’évaluation du taux de résolution de 10 %. » #### Ne modifiez qu’un élément à la fois Isoler une seule variable permet d’identifier clairement l’origine de toute différence de performance. Si vous modifiez simultanément le prompt, la voix et le workflow, vous ne saurez pas quel changement a produit le résultat. #### Configurez d’abord les critères d’évaluation Configurez les critères d’[évaluation de la réussite](/docs/fr/eleven-agents/customization/agent-analysis/success-evaluation) avant de lancer des expériences. Ils fournissent les métriques structurées nécessaires pour comparer objectivement les variantes. #### Commencez avec de faibles pourcentages de trafic Commencez avec 5 à 10 % du trafic vers la variante. Vous limitez ainsi l’exposition en cas de problème tout en générant des données significatives. #### Laissez suffisamment de temps aux expériences Attendez d’avoir accumulé suffisamment de conversations avant de tirer des conclusions. Les petits échantillons produisent des résultats peu fiables. Surveillez le Dashboard d’analytique et attendez que les tendances se stabilisent. #### Gardez les expériences de courte durée Fusionnez ou abandonnez rapidement les expériences. Les branches actives trop longtemps deviennent plus difficiles à fusionner et peuvent s’écarter de la configuration principale. ## Étapes suivantes #### [Versioning](/docs/fr/eleven-agents/operate/versioning) Découvrez le système de versioning sous-jacent : branches, versions et Guide de l’API #### [Analytique](/docs/fr/eleven-agents/dashboard) Suivez les performances des expériences dans le Dashboard d’analytique #### [Évaluation de la réussite](/docs/fr/eleven-agents/customization/agent-analysis/success-evaluation) Définissez des critères de réussite personnalisés pour mesurer les résultats des expériences #### [Tests](/docs/fr/eleven-agents/customization/agent-testing) Configurez des tests automatisés avant de créer une branche afin d’établir une référence