Démarrage rapide

Concevez votre premier agent conversationnel en seulement 5 minutes.

Dans ce guide, vous apprendrez à concevoir votre premier agent conversationnel. Il servira de base pour créer des workflows conversationnels adaptés à vos cas d’usage métier. Laissez votre agent de codage le configurer, ou suivez manuellement les étapes ci-dessous.

Configuration avec votre agent de codage

Vous n’avez pas besoin de compte ni de clé API avant de commencer. Collez ceci dans votre agent de codage :

Add ElevenLabs to my project: run `npx -y @elevenlabs/cli@latest onboard init` and follow what it prints.

L’interface CLI d’ElevenLabs s’occupe du reste et indique chaque étape à votre agent de codage. Votre navigateur s’ouvre une fois afin que vous puissiez vous connecter ou créer un compte, puis cliquer sur Authorize. La clé est enregistrée dans le fichier d’environnement de votre projet (.env.local, ou .env dans un projet Python) et exclue de git ; elle n’apparaît jamais dans le chat. Lorsque votre agent de codage vous demande ce que vous souhaitez concevoir, décrivez l’agent voulu : ce qu’il doit faire et où les utilisateurs interagiront avec lui, par exemple dans un widget sur votre site web ou via un bouton vocal dans votre application. Votre agent de codage le conçoit ensuite, l’ajoute à votre application et vous fournit un lien pour l’essayer.

Si votre agent de codage s’exécute dans un environnement inaccessible depuis votre navigateur, comme une machine distante via SSH ou un environnement sandbox dans le cloud, l’interface CLI vous demande de créer une clé vous-même et de la coller dans le fichier d’environnement, puis continue. La commande nécessite Node.js pour npx. Sans Node.js, installez l’interface CLI d’ElevenLabs avec Homebrew (macOS et Linux) ou Scoop (Windows), ou mettez-la à jour si vous l’avez déjà (brew upgrade elevenlabs, scoop update elevenlabs), puis demandez à votre agent de codage d’exécuter elevenlabs onboard init à la place.

Pour conserver la compétence Agents d’ElevenLabs dans votre agent de codage pour vos futurs travaux sur vos agents, installez-la :

npx skills add elevenlabs/skills --skill agents

Pour concevoir des agents depuis Claude, ChatGPT ou un autre client MCP, connectez plutôt le serveur MCP hébergé.

Premiers pas

Les agents ElevenLabs se gèrent depuis le Dashboard ElevenAgents, l’API ElevenLabs, l’interface CLI Agents ou le serveur MCP hébergé.

Création de votre premier agent

Dans ce guide de démarrage rapide, nous allons commencer par créer un agent via l’API ou le Dashboard web. Nous testerons ensuite l’agent, soit en l’intégrant à votre site web, soit via le Dashboard ElevenLabs.

Concevoir un agent via le Dashboard web

Concevoir un agent via l'interface CLI

Concevoir un agent via l'API

Dans ce guide, nous allons concevoir un assistant conversationnel de support capable de répondre aux questions sur votre produit, votre documentation ou votre service. Cet assistant peut être intégré à votre site web ou à votre application afin d’offrir une assistance en temps réel à vos clients.

Connectez-vous à ElevenLabs

Accédez à elevenlabs.io, puis connectez-vous ou créez votre compte.

Créez un nouvel assistant

Dans le Dashboard ElevenLabs, créez un nouvel assistant en saisissant un nom et en sélectionnant l’option Blank template.

Configurez le comportement de l'assistant

Accédez à l’onglet Agent pour configurer le comportement de l’assistant. Définissez les éléments suivants :

Premier message

Il s’agit du premier message que l’assistant prononcera lorsqu’un utilisateur démarre une conversation.

Premier message

Hi, this is Alexis from <company name> support. How can I help you today?

Prompt système

Ce prompt guide le comportement, les tâches et la personnalité de l’assistant.

Personnalisez l’exemple suivant avec les informations de votre entreprise :

Prompt système

You are a friendly and efficient virtual assistant for [Your Company Name]. Your role is to assist customers by answering questions about the company's products, services, and documentation. You should use the provided knowledge base to offer accurate and helpful responses.
Tasks:
- Answer Questions: Provide clear and concise answers based on the available information.
- Clarify Unclear Requests: Politely ask for more details if the customer's question is not clear.
Guidelines:
- Maintain a friendly and professional tone throughout the conversation.
- Be patient and attentive to the customer's needs.
- If unsure about any information, politely ask the customer to repeat or clarify.
- Avoid discussing topics unrelated to the company's products or services.
- Aim to provide concise answers. Limit responses to a couple of sentences and let the user guide you on where to provide more detail.

Ajoutez une base de connaissances

Accédez à la section Knowledge Base pour fournir à votre assistant du contexte sur votre entreprise.

Vous pouvez y importer des documents pertinents et des liens vers des ressources externes :

Ajoutez de la documentation, des FAQ et d’autres ressources pour aider l’assistant à répondre aux demandes des clients.
Maintenez la base de connaissances à jour afin que l’assistant fournisse des informations précises et actuelles.

Configurez ensuite la voix de votre assistant.

Sélectionnez une voix

Dans l’onglet Voice, choisissez dans la Voice Library la voix qui convient le mieux à votre assistant :

L’utilisation de voix, de modèles et de LLM de meilleure qualité peut allonger le temps de réponse. Pour une expérience client optimale, équilibrez qualité et latence selon le cas d’usage prévu pour votre assistant.

Testez votre assistant

Appuyez sur le bouton Test AI agent et essayez de converser avec votre assistant.

Configurez les critères d’évaluation et la collecte de données pour analyser les conversations et améliorer les performances de votre assistant.

Configurez les critères d'évaluation

Accédez à l’onglet Analysis dans les paramètres de votre assistant pour définir des critères personnalisés d’évaluation des conversations.

Chaque transcription de conversation est transmise au LLM afin de vérifier si des objectifs précis ont été atteints. Les résultats seront success, failure ou unknown, accompagnés d’une justification expliquant le résultat choisi.

Ajoutons un critère d’évaluation nommé solved_user_inquiry :

Prompt

The assistant was able to answer all of the queries or redirect them to a relevant support channel.
Success Criteria:
- All user queries were answered satisfactorily.
- The user was redirected to a relevant support channel if needed.

Configurez la collecte de données

Dans la section Data collection, configurez les informations à extraire de chaque conversation.

Cliquez sur Add item et configurez les éléments suivants :

Type de données : sélectionnez « string »
Identifiant : saisissez un identifiant unique pour ce point de données : user_question
Description : fournissez au LLM des instructions détaillées sur la manière d’extraire les données précises de la transcription :

Prompt

Extract the user's questions & inquiries from the conversation.

Testez votre assistant en vous mettant à la place d’un client. Posez des questions, évaluez ses réponses et ajustez les prompts jusqu’à obtenir le résultat souhaité.

Consultez l'historique des conversations

Consultez les résultats d’évaluation et les données collectées pour chaque conversation dans l’onglet Call history.

Examinez régulièrement l’historique des conversations pour identifier les problèmes et tendances récurrents.

L’agent nouvellement créé peut être testé de différentes manières, mais le plus rapide consiste à utiliser le Dashboard ElevenLabs.

Le Dashboard web s’appuie sur notre SDK React pour gérer les conversations en temps réel.

Si vous souhaitez plutôt tester rapidement l’agent sur votre propre site web, vous pouvez utiliser le widget Agent. Collez simplement l’extrait HTML suivant dans votre site web, en veillant à remplacer agent-id par l’identifiant de votre agent.

<elevenlabs-convai agent-id="agent-id"></elevenlabs-convai>
<script src="https://unpkg.com/@elevenlabs/convai-widget-embed" async type="text/javascript"></script>

Étapes suivantes

Après ce guide de démarrage rapide, vous pouvez rendre votre agent plus efficace en intégrant :

des bases de connaissances pour lui fournir des informations propres à votre domaine.
des outils pour lui permettre d’effectuer des tâches en votre nom.
l’authentification pour restreindre l’accès à certaines conversations.
l’évaluation de la réussite pour analyser les conversations et améliorer ses performances.
la collecte de données pour recueillir des données sur les conversations et améliorer ses performances.
la conservation des conversations pour consulter l’historique des conversations et améliorer ses performances.