Dernière révision : juin 2026
Une référence concise des modèles d'architecture évalués par l'examen C1000-180. Lisez de haut en bas ou sautez à une section.
Nouvel assistant ; choisir le paradigme de création.
Créez avec l'éditeur d'Actions, pas la compétence Dialog héritée. Les Actions modélisent les conversations orientées tâches comme des étapes, des conditions et des variables sans gérer d'arborescence de nœuds.
Pourquoi: Les Actions sont le modèle de création actuel et recommandé d'IBM ; Dialog est hérité et plus difficile à maintenir. Les examens professionnels supposent une conception axée sur les actions.
Décider comment diviser un vaste domaine de support en unités.
Définir une action par objectif utilisateur discret (réinitialiser le mot de passe, vérifier le solde, prendre rendez-vous). Garder les actions à objectif unique et réutilisables.
Pourquoi: Des actions ciblées sur des tâches spécifiques sont plus faciles à tester, analyser et améliorer que des flux monolithiques qui tentent de tout gérer.
L'entrée utilisateur pourrait déclencher plusieurs actions similaires.
Activez la désambiguïsation afin que l'assistant présente un menu clarifiant d'actions candidates au lieu de deviner.
Pourquoi: La désambiguïsation réduit les erreurs d'action incorrecte et révèle l'intention réelle de l'utilisateur, améliorant ainsi le taux d'achèvement.
L'assistant ne comprend pas l'utilisateur après des tentatives répétées.
Concevez un chemin "Aucune action ne correspond" / "tout le reste" avec une réponse clarifiante et, après N échecs, une escalade vers un agent humain.
Pourquoi: Un mécanisme de secours défini prévient les boucles sans issue et protège le CSAT ; un non-match non géré est un facteur majeur d'abandon.
La conversation dépasse la compétence de l'assistant ou l'utilisateur est frustré.
Ajoutez une étape de connexion à l'agent qui transfère la conversation à un service d'assistance (par exemple, Zendesk, Genesys, Salesforce) avec le contexte de conversation joint.
Pourquoi: Transmettre la transcription et les variables collectées à l'agent évite d'obliger l'utilisateur à se répéter.
Les parties prenantes souhaitent une voix de marque cohérente à travers les réponses.
Définissez à l'avance un persona et un guide de ton ; rédigez le texte des réponses de manière cohérente et réutilisez les variations pour éviter une répétition robotique.
Pourquoi: Un ton cohérent renforce la confiance ; mélanger un langage formel et informel entre les actions donne une impression de déconnexion.
Un détail requis est ambigu ou manquant dans la formulation de l'utilisateur.
Posez une question de clarification ciblée via un slot plutôt que de supposer une valeur par défaut.
Pourquoi: La confirmation explicite des paramètres importants (montant, compte, date) prévient des actions erronées coûteuses.
Concevoir un nouveau flux avec de nombreux cas limites.
Rédigez d'abord le "chemin heureux" de bout en bout, puis ajoutez la validation, les digressions et les branches d'erreur.
Pourquoi: Construire les cas limites avant le flux principal conduit à des actions sur-conçues et difficiles à tester.
L'action nécessite plusieurs informations avant de pouvoir être complétée.
Collectez chaque valeur dans sa propre étape en tant que slot ; l'assistant demande celles qui n'ont pas encore été fournies et ignore celles déjà fournies.
Pourquoi: Le remplissage de slots par étapes gère les entrées désordonnées et à valeurs multiples sans branchement manuel.
Une valeur doit persister après la fin de l'action en cours.
Stockez-la dans une variable de session, et non une variable d'étape/d'action. Les variables d'action sont limitées à l'action ; les variables de session existent pour toute la conversation.
Pourquoi: Choisir la mauvaise portée est un bug classique : la valeur disparaît lorsque l'action est terminée ou ne peut pas être partagée entre les actions.
Une étape demande à l'utilisateur de choisir parmi un ensemble connu et fixe.
Utilisez un type de réponse "options" avec des choix définis au lieu de texte libre, et mappez chaque option à une valeur.
Pourquoi: Les options contraignent la saisie, éliminent l'ambiguïté d'analyse et s'affichent sous forme de boutons sur les canaux pris en charge.
Une valeur collectée (e-mail, date, montant) peut être mal formée.
Ajoutez une condition de validation à l'étape ; si la valeur est invalide, maintenez l'utilisateur sur l'étape avec une invite corrective.
Pourquoi: La validation au moment de la capture évite de transmettre des données incorrectes aux extensions et aux étapes suivantes.
Les étapes ultérieures ne devraient s'exécuter que pour certains utilisateurs ou valeurs.
Définissez des conditions d'étape sur les variables déjà collectées afin que les étapes soient ignorées lorsque leur condition est fausse.
Pourquoi: Les conditions expriment des branchements sans dupliquer les actions ; l'éditeur les évalue de haut en bas.
Plusieurs actions nécessitent le même sous-flux (par exemple, vérifier l'identité).
Factorisez la logique partagée en une sous-action et appelez-la depuis chaque action parente.
Pourquoi: Les sous-actions maintiennent la logique de vérification DRY (Don't Repeat Yourself) et cohérente ; la duplication d'étapes entraîne des incohérences.
L'utilisateur pose une question sans rapport au milieu du flux ("quelles sont vos heures ?").
Autorisez la digression afin que l'assistant réponde à la question annexe, puis revienne à l'action interrompue.
Pourquoi: Bloquer les digressions impose un script rigide qui frustre les utilisateurs ayant des demandes secondaires légitimes.
Besoin de calculer ou de transformer une valeur à l'intérieur d'une étape.
Utilisez le langage d'expression intégré (par exemple, les fonctions de chaîne et mathématiques sur les variables) dans l'étape ou la réponse.
Pourquoi: Les transformations légères appartiennent aux expressions ; recourir à un webhook pour des calculs triviaux est excessif.
Une action de suivi nécessite une valeur que l'utilisateur a fournie précédemment.
Référencez la variable de session existante plutôt que de redemander.
Pourquoi: Redemander des données déjà connues donne une impression de dysfonctionnement ; le maintien du contexte est une caractéristique d'un bon flux.
Un flux doit s'arrêter ou passer à une autre action sous une condition.
Utilisez "terminer l'action" ou une transition "aller à une étape dans une autre action" pour contrôler explicitement le flux.
Pourquoi: Les transitions explicites empêchent le passage inattendu à l'étape suivante après une condition terminale.
L'assistant doit appeler une API REST documentée pour récupérer des données en temps réel.
Importez la spécification OpenAPI de l'API en tant qu'extension personnalisée, puis ajoutez une étape "appeler une extension" qui mappe les variables aux paramètres.
Pourquoi: Les extensions personnalisées sont le moyen pris en charge et sans code d'appeler des API externes depuis une étape avec des entrées/sorties typées.
Choisir entre un webhook et une extension personnalisée.
Utilisez une extension personnalisée pour appeler une API externe à partir d'une étape spécifique ; utilisez un webhook (pré/post-message) pour exécuter une logique sur chaque message ou transformer la charge utile entière.
Pourquoi: Les webhooks se déclenchent globalement par message ; les extensions sont délimitées et leurs paramètres mappés par étape. Choisir le mauvais est un piège courant aux examens.
L'API cible nécessite une authentification.
Configurez l'authentification (clé API, OAuth, basique) lors de l'ajout de l'extension personnalisée ; stockez les secrets dans la configuration de l'extension, pas dans le texte du dialogue.
Pourquoi: L'intégration de vos identifiants dans les variables ou les réponses les expose dans les journaux et les transcriptions.
Un appel d'extension renvoie une erreur ou expire.
Branchez-vous sur la réponse/le statut de l'extension à l'étape suivante et affichez un message de secours ou un chemin de réessai.
Pourquoi: Les échecs d'extension non gérés bloquent l'utilisateur ; concevez toujours le chemin non-200.
Besoin d'enrichir ou de caviarder chaque message avant le traitement ou avant l'envoi.
Utilisez un webhook de pré-message pour prétraiter les entrées et un webhook de post-message pour transformer la réponse avant la livraison.
Pourquoi: Les webhooks de pré/post-message centralisent les préoccupations transversales (masquage des informations personnelles identifiables, journalisation) sans avoir à éditer chaque action.
Les utilisateurs posent des questions ouvertes auxquelles on peut répondre à partir d'un corpus de documents.
Activez la recherche conversationnelle (RAG) : récupérez des passages à partir d'une intégration de recherche et demandez à un modèle de fondation watsonx.ai de générer une réponse fondée avec des citations.
Pourquoi: La recherche conversationnelle couvre la longue traîne de questions que vous ne pouvez pas rédiger comme des actions distinctes.
Choisir le magasin de récupération derrière la recherche conversationnelle.
Connectez watsonx Discovery / Elasticsearch (ou une autre intégration de recherche prise en charge) comme index pour la récupération.
Pourquoi: La qualité de l'ancrage dépend de l'index de récupération ; un corpus non indexé ou mal découpé renvoie des passages faibles.
La recherche conversationnelle ne trouve aucun passage pertinent.
Configurez la réponse en cas de non-résultat de recherche afin que l'assistant dise qu'il ne sait pas plutôt que d'halluciner, et propose une escalade.
Pourquoi: Un chemin "aucun résultat" défini est ce qui permet à un assistant RAG de rester honnête et fondé.
La conformité exige que les réponses génératives soient traçables.
Activez les citations de source afin que les réponses générées affichent les documents dont elles proviennent.
Pourquoi: Les citations permettent aux utilisateurs de vérifier les réponses et de satisfaire aux exigences d'audit dans les secteurs réglementés.
Ajustement de la qualité et du coût des réponses génératives.
Sélectionnez le modèle de fondation watsonx.ai (par exemple, un modèle Granite) pour la recherche conversationnelle et ajustez les paramètres de génération pour le cas d'utilisation.
Pourquoi: Le choix du modèle et des paramètres équilibre la qualité de la réponse, la latence et le coût ; les valeurs par défaut ne sont pas toujours optimales.
Décider si une requête est traitée par une action ou par la recherche.
Dirigez les tâches transactionnelles et paramétrées vers des actions ; dirigez les questions informationnelles ouvertes vers la recherche conversationnelle.
Pourquoi: Forcer les questions de type FAQ dans des actions rigides, ou les transactions dans RAG, dégrade l'expérience.
L'assistant doit répondre aux appels téléphoniques entrants.
Utilisez l'intégration téléphone/voix (passerelle vocale via SIP) pour connecter un fournisseur de téléphonie, avec STT pour l'entrée et TTS pour les réponses.
Pourquoi: La passerelle vocale relie la téléphonie SIP à l'assistant ; sans elle, il n'y a pas de canal téléphonique.
Les réponses vocales semblent incorrectes ou ne reconnaissent pas correctement l'appelant.
Ajustez le modèle/langage de reconnaissance vocale et la voix de synthèse vocale dans les paramètres d'intégration téléphonique.
Pourquoi: Les voix/modèles par défaut peuvent ne pas correspondre au langage ou au vocabulaire du domaine, ce qui nuit à la reconnaissance et à la clarté.
Un flux conçu pour le chat fonctionne mal en mode vocal.
Adaptez les flux vocaux : évitez les boutons/longues listes, gardez les invites courtes et confirmez explicitement les valeurs prononcées.
Pourquoi: La voix ne peut pas afficher d'interface utilisateur riche ; les flux optimisés pour le texte avec des menus se brisent lorsqu'ils sont lus à haute voix.
Atteindre les utilisateurs via SMS / messagerie texte.
Configurez l'intégration SMS (téléphone/texte) ; concevez pour des réponses en texte brut sans éléments riches.
Pourquoi: Les SMS suppriment les types de réponses riches ; les réponses doivent se dégrader gracieusement en texte.
Le chat web devrait afficher des images, des cartes ou des boutons.
Utilisez des types de réponses riches (image, options, carte) dans l'action ; le canal rend les types pris en charge et utilise un mécanisme de secours sinon.
Pourquoi: Les réponses riches améliorent l'expérience utilisateur web mais doivent avoir un mécanisme de secours en texte brut pour la voix/SMS.
Mesurer si l'assistant est réellement utile.
Utilisez le tableau de bord d'Analytics pour suivre le taux d'achèvement, la couverture et les entrées reconnues vs non reconnues au fil du temps.
Pourquoi: Les métriques de vanité comme le nombre de sessions ne reflètent pas le succès des tâches ; l'achèvement et la couverture le font.
Rechercher les raisons pour lesquelles les utilisateurs abandonnent un flux.
Lisez les journaux/transcriptions de conversation, filtrez par action et repérez les étapes d'abandon et les non-correspondances fréquentes.
Pourquoi: Les transcriptions réelles révèlent les lacunes que les métriques agrégées ne font que suggérer.
Les suggestions de désambiguïsation sont souvent dans le désordre.
Activez l'apprentissage automatique afin que l'assistant réorganise les suggestions en fonction de l'option réellement choisie par les utilisateurs.
Pourquoi: L'apprentissage automatique améliore la pertinence des sélections réelles sans réentraînement manuel.
De nombreuses entrées aboutissent à "aucune action ne correspond".
Extrayez les entrées non reconnues des analyses, regroupez-les et rédigez de nouvelles actions ou ajoutez des exemples à celles existantes.
Pourquoi: Les lacunes de couverture sont l'amélioration la plus impactante ; ce sont les requêtes que vous ne parvenez pas à traiter du tout.
Une requête valide ne déclenche pas son action de manière fiable.
Ajoutez des formulations utilisateur réelles comme exemples d'entraînement à l'étape de cette action afin d'améliorer la reconnaissance.
Pourquoi: La reconnaissance se renforce avec des exemples représentatifs tirés des journaux, et non des formulations inventées.
Valider qu'un changement a amélioré les résultats.
Effectuez un changement à la fois, publiez et comparez l'achèvement/la couverture avant et après sur une période significative.
Pourquoi: Changer beaucoup de choses à la fois rend impossible d'attribuer le mouvement des métriques.
Les auteurs modifient pendant que les utilisateurs finaux interagissent avec l'assistant.
Rédigez dans l'environnement de brouillon ; les utilisateurs interagissent avec l'environnement en direct. Publiez une version du brouillon vers le direct lorsque c'est prêt.
Pourquoi: La séparation brouillon/direct vous permet d'itérer en toute sécurité sans exposer un travail inachevé à la production.
Un ensemble de changements testés est prêt pour la production.
Créez une version (instantané) et publiez-la dans l'environnement en direct ; les versions précédentes restent disponibles pour un retour en arrière.
Pourquoi: Le versioning offre un historique vérifiable et une annulation rapide si une version régresse.
Le brouillon et le direct doivent pointer vers différents points d'terminaison backend (test vs. production).
Définissez des paramètres d'extension/intégration spécifiques à l'environnement afin que chaque environnement cible les bons systèmes.
Pourquoi: Partager un seul point d'terminaison entre les environnements risque de faire passer le trafic de test vers les systèmes de production.
Déploiement de l'assistant sur le chat web, le téléphone, Slack et WhatsApp.
Ajoutez et configurez chaque intégration de canal sur l'environnement cible ; les canaux s'attachent par environnement.
Pourquoi: Un canal activé uniquement en brouillon ne servira pas les utilisateurs en production tant qu'il n'aura pas été configuré en direct.
Différents membres de l'équipe ont besoin de différents niveaux d'accès.
Utilisez IBM Cloud IAM pour attribuer un accès basé sur les rôles (par exemple, lecteur, éditeur, opérateur, gestionnaire) au service watsonx Assistant ou au groupe de ressources.
Pourquoi: L'accès à moindre privilège via les rôles IAM est le moyen pris en charge de contrôler qui peut créer vs. opérer.
Organisation des services et des périmètres d'accès entre équipes ou projets.
Placez le service d'assistant dans un groupe de ressources et définissez les politiques d'accès IAM à ce groupe.
Pourquoi: Les groupes de ressources offrent des limites de facturation et d'accès claires ; les comptes plats deviennent ingérables à grande échelle.
Une application externe doit appeler l'assistant via une API.
Générez des identifiants de service / une clé API et l'URL de l'assistant, et appelez l'API d'exécution v2 avec ceux-ci.
Pourquoi: L'accès programmatique utilise des identifiants restreints ; la réutilisation des identifiants personnels est non sécurisée et non prise en charge.
Les règles de résidence des données ou d'air-gap interdisent le cloud public.
Déployez watsonx Assistant sur Cloud Pak for Data (sur site ou cloud privé) au lieu d'IBM Cloud SaaS.
Pourquoi: Les industries réglementées exigent souvent des déploiements sur site/CP4D pour l'isolation des données et la conformité.
Choisir un plan pour un déploiement en production avec un volume élevé.
Sélectionnez le plan de service approprié (par exemple, Plus/Enterprise) en fonction du volume, des fonctionnalités et du SLA requis.
Pourquoi: Les plans Lite/essai plafonnent l'utilisation et manquent de fonctionnalités de production ; dimensionnez correctement le plan avant le lancement.
Des données sensibles apparaissent dans les conversations et les journaux.
Utilisez l'isolation des données, la rédaction des journaux/le masquage des informations personnelles identifiables (par exemple, via des webhooks), et configurez les paramètres de rétention/sécurité des journaux.
Pourquoi: Les informations personnelles identifiables non masquées dans les transcriptions constituent un risque de conformité ; masquez-les lors de l'ingestion et contrôlez la rétention.