Le contexte
Le même équipementier industriel disposait désormais des données de son parc. Restait un problème que la télémétrie ne résout pas : interpréter ce qu’elle dit.
Un technicien en intervention cherchait ses réponses dans des PDF, sur un parking, avec une connexion incertaine. La documentation existe, elle est même bonne — mais elle est répartie entre des manuels, des procédures et un catalogue de pièces, déclinés par version et par configuration d’équipement. Trouver la bonne page suppose de savoir déjà laquelle on cherche.
Côté back-office, le problème était symétrique : les interfaces de gestion de parc et de SAV s’étaient enrichies au point qu’un nouvel arrivant devait apprendre l’arborescence des menus avant de pouvoir répondre à un client.
Ce que nous avons fait
Nous avons construit une couche d’assistance au-dessus de la plateforme existante, ancrée dans le référentiel technique plutôt que dans les connaissances générales d’un modèle.
- Les documents techniques de l’entreprise indexés avec Knowledge Bases. Les manuels, les procédures et les notes de service sont ingérés depuis S3, découpés, vectorisés et rendus interrogeables par le service, qui sert ensuite de source à l’agent. Le magasin de vecteurs derrière est Amazon S3 Vectors, ce qui évite de faire tourner et payer une base vectorielle dédiée pour un usage de cette taille. Utiliser une knowledge base managée plutôt que d’assembler nous-mêmes l’ingestion, le découpage et la récupération, c’est la différence entre un composant que le client réindexe en déposant une nouvelle révision dans un bucket et un pipeline que quelqu’un doit maintenir en vie.
- Un serveur MCP sur les sources qui restent vivantes : le catalogue de pièces et ses règles de compatibilité, les configurations d’équipement, et la télémétrie du parc. Elles sont interrogées en direct plutôt qu’indexées, parce qu’un index pré-calculé du stock, de la compatibilité ou de l’état d’une machine est une erreur affirmée en puissance. Une seule interface au-dessus de sources qui n’avaient pas la même forme, ce qui évite aussi de réintégrer chacune d’elles dans le prochain outil qui voudra les lire.
- Un agent de troubleshooting sur Amazon Bedrock, qui s’appuie sur les deux : la documentation indexée pour ce que l’équipement est censé faire, et l’historique de la machine concernée pour ce que cet exemplaire fait réellement. La distinction compte : une réponse sur le modèle générique est presque toujours inutile, parce que les configurations diffèrent d’un exemplaire à l’autre.
- L’assistance à la navigation dans le back-office. L’utilisateur formule son besoin en langage naturel et arrive sur le bon écran, filtres déjà appliqués, au lieu d’apprendre où se trouve la fonction. L’arborescence reste accessible pour ceux qui la connaissent : l’agent est un raccourci, pas un remplacement.
- La génération de vues 3D éclatées. À partir du modèle d’assemblage correspondant à la configuration de l’équipement, l’agent produit une vue éclatée du sous-ensemble concerné : quelles pièces se démontent, dans quel ordre, et avec quelle référence. Un schéma générique aurait été plus simple à servir, et faux dès que la configuration s’écarte du cas nominal.
Le résultat
Le technicien arrive avec la pièce. C’est la seule mesure qui compte vraiment dans ce métier : la seconde visite, celle qui coûte un déplacement complet parce que la bonne référence n’avait pas été identifiée à temps, se raréfie.
Le SAV répond plus vite, et un nouvel arrivant devient utile en jours plutôt qu’en semaines, parce qu’il n’a plus à mémoriser où les choses se trouvent avant de pouvoir aider quelqu’un.
L’enseignement le plus utile porte sur la confiance. Un agent qui se trompe avec assurance coûte plus cher qu’un agent qui ne répond pas : il envoie quelqu’un sur site avec la mauvaise pièce. Chaque réponse cite donc le document et la section dont elle vient, et l’agent dit explicitement quand le référentiel ne permet pas de conclure. Knowledge Bases renvoie les passages effectivement récupérés, et c’est ce qui donne sa valeur à la citation : elle est un fait de la récupération, pas quelque chose qu’on a demandé au modèle de fournir — un modèle à qui l’on demande de citer ses sources en inventera une. Ce n’est pas une précaution juridique, c’est ce qui fait qu’un technicien continue de s’en servir après la première erreur.