Agent Chatbot Intelligent - StockBot¶

Vue d'ensemble¶

L'application de gestion de stock intègre un agent chatbot intelligent nommé StockBot, un assistant virtuel avancé basé sur l'intelligence artificielle conçu pour révolutionner l'interaction utilisateur avec le système de gestion d'inventaire.

Présentation générale¶

StockBot est un assistant conversationnel sophistiqué qui transforme l'expérience utilisateur en permettant des interactions naturelles et intuitives avec la base de données des produits. Développé par Hinimdou Morsia Guitdam, cet agent représente une innovation majeure dans le domaine de la gestion de stock marocaine.

Objectif principal¶

Fournir une interface conversationnelle intelligente qui permet aux utilisateurs de : - Interroger le catalogue de produits en langage naturel - Obtenir des informations en temps réel sur les stocks - Recevoir des recommandations personnalisées - Générer des rapports automatisés - Gérer les interactions client de manière proactive

Architecture technique¶

Technologies de base¶

L'agent repose sur une stack technologique moderne et robuste :

Technologie	Rôle	Version/Modèle
LangChain	Framework d'orchestration d'agents IA	Dernière version stable
LangGraph	Gestion des workflows et états	Intégré avec LangChain
Groq	Service d'IA pour le NLP	Llama 3.3-70b-versatile
Django	Framework web et ORM	Compatible avec le projet
Python	Langage de programmation	3.8+

Schéma architectural¶

Voici la représentation visuelle de l'architecture de StockBot :

Architecture de StockBot

⚠️ Architecture modulaire : StockBot est conçu selon une architecture modulaire permettant une séparation claire des responsabilités : traitement du langage naturel, orchestration des tâches, interaction avec la base de données, et gestion des sessions utilisateur.

Structure modulaire¶

L'architecture de StockBot suit une approche modulaire pour garantir la maintenabilité et l'évolutivité :

StockBot/
├── agent.py          # Cœur de l'agent et logique principale
├── tools.py          # Outils spécialisés pour les interactions DB
├── prompts.py        # Prompts système et instructions
├── memory.py         # Gestion de la mémoire des sessions
└── __init__.py       # Initialisation du module

1. Module Agent (agent.py)¶

Le fichier agent.py constitue le cerveau de StockBot :

Configuration environnementale : Chargement des clés API et paramètres
Initialisation du modèle : Configuration de ChatGroq avec paramètres optimaux
Définition d'état : Structure TypedDict pour la gestion des conversations
Workflow LangGraph : Graphe d'état pour l'orchestration des interactions
Sécurité : Limitation des appels d'outils (MAX_STEPS = 10)

2. Module Outils (tools.py)¶

Le fichier tools.py définit les fonctions spécialisées :

rechercher_produits() : Recherche intelligente avec scoring
lister_tous_les_produits() : Catalogue complet
lister_categories() : Gestion des catégories
produits_en_rupture() : Alertes stock
conseiller_produits() : Recommandations personnalisées
details_produit() : Informations détaillées
statistiques_produits() : Rapports et métriques

3. Module Prompts (prompts.py)¶

Le fichier prompts.py contient les instructions système :

SYSTEM_PROMPT : Règles de comportement et contraintes
Règle absolue : Obligation d'utiliser les outils
Gestion des plaintes : Protocoles de support client

4. Module Mémoire (memory.py)¶

Le fichier memory.py gère la persistance des conversations :

session_memories : Dictionnaire en RAM pour stocker l'historique
ChatMessageHistory : Utilisation de LangChain pour la gestion des messages
Limitation : Maximum 20 messages par session pour optimisation
Nettoyage automatique : Suppression des anciens messages au-delà de la limite

Note : Ce système de mémoire personnalisé complète le MemorySaver de LangGraph pour une gestion fine des sessions utilisateur.

Fonctionnement interne¶

Cycle de conversation¶

Chaque interaction avec StockBot suit un cycle précis :

Réception du message : Analyse de la requête utilisateur
Appel du modèle : Traitement par Groq pour compréhension
Déclenchement d'outils : Exécution des fonctions spécialisées
Synthèse des résultats : Formulation de la réponse finale
Mémorisation : Sauvegarde de l'état conversationnel

Gestion d'état avec LangGraph¶

StockBot utilise LangGraph pour maintenir l'état des conversations :

class AgentState(TypedDict):
    messages: List[HumanMessage | AIMessage | ToolMessage]
    session_id: str

Cette structure permet : - Persistance : Conversations continues - Contexte : Mémorisation des échanges précédents - Session : Isolation des utilisateurs

Sécurité et contraintes¶

Pour garantir la fiabilité :

Limitation d'appels : Maximum 10 étapes par conversation
Validation stricte : Toutes les données proviennent de la DB
Anti-hallucination : Interdiction de créer des informations
Gestion d'erreurs : Messages explicites en cas de problème

Fonctionnalités détaillées¶

Vue d'ensemble des fonctionnalités¶

Voici un aperçu visuel des principales fonctionnalités offertes par StockBot :

Fonctionnalités de StockBot

📋 Fonctionnalités principales : StockBot offre une gamme complète d'outils pour la gestion interactive du stock, allant de la recherche intelligente aux recommandations personnalisées, en passant par la gestion des feedbacks clients.

1. Recherche et consultation¶

Recherche intelligente¶

Algorithme de scoring : Pondération par pertinence
Normalisation : Gestion des accents et casse
Filtrage avancé : Mots-clés importants uniquement

Consultation de produits¶

Détails complets : Prix, stock, description, image
Liens directs : URLs générées dynamiquement
Format structuré : Présentation claire et lisible

2. Gestion du stock¶

Alertes automatiques¶

Rupture de stock : Produits indisponibles (stock = 0)
Stock faible : Produits critiques (stock ≤ 10)
Statuts visuels : Indicateurs colorés (🟢/🟡/🔴)

Rapports statistiques¶

Métriques globales : Nombre total de produits
Analyse par catégorie : Répartition des stocks
Tendances : Évolution des niveaux de stock

3. Recommandations personnalisées¶

Conseils budgétaires¶

Filtrage par prix : Produits dans une fourchette donnée
Optimisation : Meilleurs rapports qualité/prix

Suggestions alternatives¶

Substitution intelligente : Produits similaires disponibles
Logique métier : Basée sur les catégories et caractéristiques

4. Support client intégré¶

Gestion des feedbacks¶

Enregistrement automatique : Stockage en base de données
Classification : Plaintes, suggestions, compliments

Réponses automatisées¶

Questions fréquentes : Base de connaissances intégrée
Escalade intelligente : Redirection vers support humain si nécessaire

Exemples d'utilisation¶

Scénarios simples¶

Utilisateur : "Quels produits avez-vous en électronique ?" StockBot : Liste des produits électroniques avec stocks et prix

Utilisateur : "Avez-vous du Coca-Cola ?" StockBot : Confirmation de disponibilité + détails + lien

Scénarios complexes¶

Utilisateur : "produits de chaque catégorie"

Étape 1 : Lister toutes les catégories
Étape 2 : Pour chaque catégorie, rechercher les produits
Étape 3 : Synthétiser les résultats par catégorie

Utilisateur : "quel est le produit le moins cher en électronique ?"

Étape 1 : Rechercher produits "électronique"
Étape 2 : Trier par prix croissant
Étape 3 : Retourner le premier résultat

Intégration dans l'application¶

Interface utilisateur¶

Le chatbot est intégré dans l'interface web Django :

Widget de chat : Interface conviviale
Messages en temps réel : Réponses instantanées
Historique : Conservation des conversations
Responsive : Compatible mobile et desktop

API et endpoints¶

Endpoint principal : /chatbot/api/
Méthode : POST avec JSON payload
Paramètres : message (requis)
Réponse : JSON avec champ 'response'
Authentification : Session Django (utilisateur connecté requis)

Configuration¶

Variables d'environnement requises :

GROQ_API_KEY=your_api_key_here
GROQ_MODEL=llama-3.3-70b-versatile
GROQ_TEMPERATURE=0.2
BASE_URL=http://127.0.0.1:8000

Modèles de données¶

L'agent utilise plusieurs modèles Django pour la persistance :

ChatConversation¶

user : Utilisateur authentifié (optionnel pour utilisateurs anonymes)
session_id : Identifiant de session unique (100 caractères max)
message : Message complet de l'utilisateur (TextField)
response : Réponse de l'agent (TextField, tronquée à 2000 caractères)
is_feedback : Indicateur boolean pour classifier les feedbacks
feedback_type : Type de feedback (complaint, suggestion, question, other)
created_at : Timestamp automatique de création

Gestion des feedbacks¶

Classification automatique : Système de types de feedback prédéfinis
Historique complet : Toutes les conversations sont tracées
Administration : Interface Django pour consulter et gérer les conversations
Analytics : Possibilité d'analyser les patterns d'utilisation

Sécurité des sessions¶

Session Django : Utilisation du système de session de Django
Isolation : Chaque utilisateur a sa propre session
Expiration : Sessions expirées automatiquement
Authentification : Liaison avec l'utilisateur connecté

Avantages et bénéfices¶

Pour les utilisateurs¶

Accessibilité : Interface intuitive sans formation
Rapidité : Réponses instantanées
Précision : Données toujours à jour
Disponibilité : 24/7 sans intervention humaine

Pour l'entreprise¶

Réduction de charge : Automatisation des requêtes simples
Amélioration du service : Réponses cohérentes et rapides
Collecte de données : Insights sur les demandes clients
Scalabilité : Gestion simultanée de multiples conversations

Limitations et considérations¶

Contraintes techniques¶

Dépendance API : Nécessite connexion internet pour Groq
Limite de tokens : Conversations longues peuvent être tronquées
Performance : Requêtes complexes peuvent prendre du temps

Aspects métier¶

Pas de création : Ne peut pas ajouter/modifier des produits
Données uniquement : Réponses basées sur l'existant
Langue : Optimisé pour le français et l'arabe

Évolutions futures¶

Améliorations prévues¶

Multilinguisme avancé : Support étendu des langues
Apprentissage : Amélioration continue des réponses
Intégrations : Connexions avec d'autres systèmes
Analytics : Tableaux de bord des interactions

Nouvelles fonctionnalités¶

Commandes vocales : Interface audio
Notifications push : Alertes proactives
Recommandations IA : Suggestions prédictives
API externe : Exposition pour intégrations tierces

Maintenance et déploiement¶

Mise à jour des modèles¶

Monitoring : Suivi des performances des réponses
Retrain : Mise à jour des prompts selon les feedbacks
Tests : Validation des nouvelles versions

Déploiement¶

Environnement : Configuration séparée pour production
Monitoring : Logs détaillés des interactions
Backup : Sauvegarde des configurations

Conclusion¶

StockBot représente une avancée significative dans la digitalisation des processus de gestion de stock. En combinant les dernières technologies d'IA avec une architecture robuste, cet agent offre une expérience utilisateur exceptionnelle tout en maintenant des standards élevés de sécurité et de fiabilité.

Développé avec soin par Hinimdou Morsia Guitdam, StockBot démontre le potentiel de l'IA conversationnelle dans l'optimisation des opérations commerciales au Maroc.

🌐 Liens utiles¶

GitHub