Un chatbot répond. Un agent agit : il crée une commande, réserve un créneau, met à jour une fiche client. Ce passage de la parole à l'action change tout, parce qu'une erreur ne se limite plus à une phrase maladroite — elle s'écrit dans votre base de données.
Ce que nous construisons
Des assistants conversationnels par chat et par voix, branchés sur vos outils réels : catalogue, stock, agenda, CRM, caisse. Ils comprennent le français, l'anglais et, quand votre clientèle le parle, la derja tunisienne. Ils savent dire « je ne sais pas » et passer la main à un humain.
Le principe qui ne se négocie pas
Le modèle de langage propose ; il ne dispose jamais. Entre lui et vos données, nous plaçons une porte déterministe : du code classique, testé, qui valide chaque action avant de l'exécuter. Les prix sont recalculés côté serveur, les quantités plafonnées, les doublons rejetés, et rien d'engageant ne part sans confirmation explicite du client. Chaque décision est journalisée.
Un exemple qui tourne : Ordy
Ordy, notre agent de commande pour la restauration, applique exactement ce schéma. Il prend les commandes par chat et par voix, en français, en anglais et en derja, puis les fait passer par la porte de validation avant de les envoyer en cuisine. Le chat et l'exécution des commandes sont éprouvés ; la voix et l'onboarding automatique sont disponibles. L'installation démarre par une simple commande : npx ordy-analyze.
Comment nous travaillons
Nous commençons par lister les actions que l'agent aura le droit de faire — et surtout celles qu'il n'aura pas le droit de faire. Ensuite seulement, nous choisissons le modèle. Un agent bien cadré avec un modèle modeste vaut mieux qu'un modèle brillant sans limites.
