Selon ElevenLabs, ses agents internes permettent aux équipes d’économiser plus de 1 200 heures par mois dans leurs opérations quotidiennes. Ces agents répondent à plus de 5 000 questions mensuelles, et ils passent aussi à l’action, en construisant des démonstrations pour les clients et en ouvrant des tickets.
Ces outils ont d’abord servi à retrouver plus facilement des informations dans Slack, la messagerie professionnelle de l’entreprise, qu’il s’agisse de données de rétention des utilisateurs, de documentation ou de l’historique d’un compte. Ils ont ensuite évolué vers des agents capables d’agir : un collaborateur pose une question, signale un bug ou demande une démonstration, et l’agent répond ou exécute la demande.
Ventes et démonstrations à la demande
Les équipes commerciales utilisent deux agents. Le « GTM bot », pour go-to-market, répond aux questions sur les clients, tandis que le « FDE bot », où FDE désigne le Forward Deployed Engineer, c’est-à-dire un ingénieur déployé auprès des clients, traite les questions produit et les démonstrations. Parmi les exemples récents, un commercial demande « Qui sont nos principaux clients disposant de droits d’utilisation de leur logo au Royaume-Uni, en France et en Allemagne ? », tandis qu’une autre question porte sur les principaux cas d’usage de l’API.
Le FDE bot peut aussi assembler, à partir d’un simple message, un agent fonctionnel configuré pour le cas d’usage d’un prospect. Il s’agit de démonstrations complètes produites sur demande.
Support et ingénierie : automatiser le tri
Le « triage bot » gère les demandes de fonctionnalités comme les bugs, en suivant une procédure différente pour chaque type de problème. Avant de créer un ticket, il recherche le contexte pertinent dans Slack, vérifie les doublons parmi les tickets existants et s’assure que les informations sont suffisantes pour diagnostiquer le problème. Le ticket est ensuite ouvert dans Linear avec la priorité appropriée, puis transmis à l’équipe concernée grâce à un document de répartition des responsabilités versé dans la base de connaissances de l’agent. Ce travail, selon l’entreprise, était auparavant très manuel entre le support et l’ingénierie.
Les équipes produit et marketing produit posent, elles, leurs questions sur les données dans des canaux dédiés et reçoivent l’analyse directement dans le fil de discussion. Un exemple cité par ElevenLabs demande comment la conversion d’utilisateurs gratuits vers des abonnements payants de ElevenCreative a évolué au cours des six derniers mois aux États-Unis, et quels en sont les principaux facteurs. Les collaborateurs peuvent ensuite discuter ou poser des questions complémentaires dans le même fil. La qualité des réponses dépend toutefois de ce que l’agent peut consulter, d’où la sélection soignée des données de chacun d’eux.
Ce que l’entreprise en retire
ElevenLabs souligne que ces agents doivent être fiables et précis dès le départ, faute de quoi les équipes cessent de les utiliser. Dans un canal partagé, les erreurs sont plus visibles, mais les réussites le sont aussi, ce qui a favorisé l’adoption.
Selon l’entreprise, le gain le plus net sur la qualité des réponses ne vient pas de la réécriture des instructions, mais du retrait de champs. « La curation du schéma l’emporte sur l’ingénierie des prompts », écrit-elle. Chaque colonne ou champ supplémentaire offre au modèle une occasion de se tromper. Pour les champs Salesforce à valeurs fixes, comme le stade d’une opportunité ou le type de compte, les valeurs valides sont désormais récupérées au démarrage et injectées dans les définitions de l’outil MCP, un protocole qui connecte les modèles à des outils externes, afin que le modèle ne puisse choisir que des options existantes. Enfin, l’Architect d’ElevenAgents restructure les procédures qui se chevauchent, et chaque ticket créé dans Linear est vérifié pour ses champs et son équipe de destination.
