Boost AI est une plate-forme d'IA conversationnelle au niveau de l'entreprise, avec un moteur NLU auto-développé + une architecture hybride GenAI comme noyau, fournissant des solutions d'automatisation du service client et d'agent d'IA pour les secteurs réglementés tels que la banque, l'assurance et les télécommunications.

BoostAI

Paramètres et statistiques de base de Boost AI

Boost AI n'est pas une autre plateforme de création de chatbots : son principal argument de vente est « une infrastructure d'IA conversationnelle pour les secteurs réglementés ». La plate-forme est construite autour de trois couches de moteur NLU auto-développé, d'une architecture hybride GenAI et de capacités d'IA agentique, ciblant des secteurs tels que la banque, l'assurance, les télécommunications et les secteurs publics qui « n'osent pas faire d'erreurs ».

Projets	Informations publiques
Positionnement officiel	Plateforme d'IA conversationnelle et d'agents d'entreprise au niveau de l'entreprise pour les secteurs réglementés
Pile technologique de base	NLU auto-développé, Hybrid GenAI (NLU + LLM + RAG), Agentic AI, Voice AI
Méthode de déploiement	SaaS + Privatisation (Déploiement hybride)
Prise en charge des chaînes	Web Chat Voice, Facebook Messenger, WhatsApp, application mobile, etc.
Couverture linguistique	Anglais, norvégien, suédois, danois, finnois (force), allemand, etc.
Industries typiques	Services financiers, assurances, télécommunications, secteur public, hôtellerie
Certification et conformité	ISO 27001, ISO 27701, RGPD, OWASP
Dernière version	1er trimestre 2026
Nombre d'agents IA actifs	600+ en direct
Conversations automatisées cumulatives	150 millions+
Formateurs certifiés en IA	4 500+
Évaluation de l'industrie	Gartner Magic Quadrant 2025 sélectionné, Capterra/G2 4,8/5, taux de recommandation de 94 %

Différence fondamentale : La différence essentielle entre Boost AI et la solution générale de service client LLM réside dans l'architecture hybride de « d'abord NLU identifie l'intention, puis LLM génère une réponse ». La valeur de cette architecture est irremplaçable dans les scénarios réglementés : la couche NLU garantit que l'identification des intentions est auditable et traçable, et la couche LLM génère uniquement du contenu dans les limites de sécurité délimitées par NLU. Cela contraste fortement avec la solution Prompt pure : dans cette dernière, un seul changement de Prompt peut rendre toute la chaîne de dialogue incontrôlable, tandis que l'impact des modifications des règles NLU de Boost AI peut être précis sur un seul nœud d'intention.

Utilisateurs et reconnaissance du marché de Boost AI

Boost AI a une pénétration bien plus importante dans les secteurs réglementés que les solutions génériques comparables. Selon les informations officielles, la plate-forme compte plus de 600 agents IA actifs fonctionnant en ligne et a traité plus de 150 millions de conversations automatisées. Le taux d'automatisation des canaux a dépassé 50 % et le taux de résolution pour les principaux clients a atteint 85-90 %+.

Client emblématique :

• Telenor (géant norvégien des télécoms) : Déploiement du service client virtuel Telmi et atteint l'objectif de retour sur investissement dès la première année. Le responsable d'AI Trainer de Telenor évalue sa fonctionnalité CX Insights comme une "amélioration au niveau du jeu".
• MSU Federal Credit Union : "Le développement d'agents virtuels puissants en interne est simplifié", selon Benjamin Maxim, directeur de la stratégie numérique.
• PLAY Airlines (compagnie aérienne low-cost islandaise) : traite plus de 100 000 conversations par an, avec un taux de résolution de plus de 85 %.
• Sage (éditeur mondial de logiciels de comptabilité) : utilisez Test Studio pour vérifier les limites de sécurité des conversations GenAI.
• Acorn Insurance : création d'un moteur d'IA de bout en bout pour les réclamations et les services.

Reconnaissance des analystes du secteur : le Magic Quadrant 2025 de Gartner pour les plateformes d'IA conversationnelle répertorie Boost.ai dans le rapport, évaluant sa « disponibilité de la plateforme + son modèle de déploiement évolutif et diversifié comme l'un des principaux fournisseurs dans cette étude ».

Évaluation de la communauté : plates-formes doubles Capterra et G2 4,8/5 étoiles, 94 % des utilisateurs sont prêts à recommander. Ce score se classe parmi les meilleurs échelons dans la catégorie de l’IA conversationnelle : les produits concurrents sont principalement concentrés dans la fourchette 4,2-4,5.

Couverture du marché : bien que l'équipe fondatrice et l'accumulation technologique se trouvent en Europe du Nord, ses clients ont couvert les États-Unis, le Royaume-Uni et l'Europe continentale, formant ainsi des cas de référence vérifiables dans les deux secteurs verticaux des services financiers et de l'assurance.

Avantages financiers de Boost AI

Boost AI adopte un modèle d'abonnement d'entreprise pur et n'a pas de version gratuite ni de page de tarification publique (officiel /pricing renvoie 404). Cela signifie que sa structure de coûts doit être déterminée par des négociations commerciales.

Analyse des coûts à trois niveaux :

• C-side/Individuel : Pas de version gratuite. Les utilisateurs individuels ou les petites et micro-équipes ne peuvent pas l'utiliser directement.
• Développeur/API : Aucune solution API indépendante n'est divulguée. La plateforme ne propose pas un modèle d'accès API pur facturé par jeton, et toute utilisation doit être liée à un abonnement complet à la plateforme.
• Entreprise/Privé : Coté sur une base annuelle, y compris l'autorisation de la plateforme, le nombre d'accès aux canaux, le nombre d'agents IA simultanés et les suppléments de déploiement de privatisation facultatifs. Le positionnement du Gartner Magic Quadrant implique que son prix est moyen à élevé parmi les plates-formes d'entreprise similaires.

Perspective comparative (estimation de la déduction) : comparé à des solutions telles que Zendesk Answer Bot ou Intercom Fin, qui sont facturées sur la base d'une conversation résolue, le modèle de contrat annuel de Boost AI nécessite un investissement initial plus élevé, mais le coût marginal d'une seule conversation est inférieur : dans un scénario de volume élevé (activité mensuelle de plus de 100 000 conversations), le coût global peut être inférieur de 30 à 50 %. Pour les scénarios de petits lots (activité mensuelle <10 000 conversations), le modèle de frais annuels fixes peut être plus coûteux que le paiement à l'utilisation.

Coûts cachés :

• Main-d'œuvre des formateurs en IA : Boost AI met l'accent sur le rôle des « formateurs en IA certifiés » (actuellement plus de 4 500 dans le monde). Les entreprises ont besoin d'une formation interne ou d'embaucher du personnel dédié pour optimiser en permanence les modèles NLU et les flux de dialogue. Ce coût de la main d'œuvre est souvent sous-estimé.
• Coût de migration : les données de formation NLU et le flux de dialogue sont fortement liés à la plateforme. Une fois Boost AI sélectionné, la migration ultérieure vers des plates-formes concurrentes nécessite le réétiquetage d'une grande quantité de corpus de formation - il s'agit d'un risque important de dépendance vis-à-vis d'un fournisseur.

Principales fonctionnalités de Boost AI

Le système fonctionnel de Boost AI est construit autour de « Hybrid AI (NLU + LLM + Agentic AI) ». La synergie entre les fonctions est la clé pour se distinguer des solutions fragmentées.

• Moteur d'intention NLU auto-développé : basé sur le modèle NLU propriétaire pour la reconnaissance d'intention et l'extraction d'entités, il ne s'appuie pas sur un LLM tiers pour compléter la compréhension de l'intention. Cela signifie que même si la couche LLM est complètement hors ligne, la couche NLU peut toujours fonctionner de manière indépendante. Synergie : la structure d'intention identifiée par NLU est transmise simultanément à la couche de génération LLM et au moteur de flux de conversation, garantissant que LLM ne « déviera » pas vers des sujets non autorisés.
• Codeless Dialog Builder : éditeur visuel de flux de dialogue par glisser-déposer qui prend en charge le branchement conditionnel, le hook API de stockage variable et l'intégration du système back-end. Synergie : les nœuds de flux de conversation peuvent être liés à des « garde-corps » : chaque nœud configure indépendamment les limites de conformité pour empêcher LLM de générer du contenu illégal.
• IA générative hybride (GenAction) : quatre piliers : connaissances (source de connaissances RAG), garde-corps (clôtures de conformité), crochets API (actions système), crochets d'action (actions personnalisées). Synergie : une fois que la couche de connaissances a récupéré les faits de la base de connaissances de l'entreprise, la couche Guardrails effectue un filtrage de conformité avant de revenir, les hooks API déclenchent des transactions back-end (telles que les transferts, la facturation) et les Action Hooks exécutent les flux de travail ultérieurs - quatre couches d'auditabilité en série.
• Voice AI (Native Embedded) : le canal vocal n'est pas un "plug-in", mais partage le même moteur NLU et le même flux de conversation avec le canal de discussion. Synergie : le même agent IA partage des modèles d'intention et des données de formation dans les canaux de chat et de voix, réduisant ainsi le coût de maintenance de deux systèmes.
• Agent IA (capacité de l'agent) : nouvelle fonctionnalité agentique en 2025-2026 - L'agent IA peut planifier indépendamment des actions en plusieurs étapes (requête du solde -> déterminer si les conditions de transfert sont remplies -> exécuter le transfert -> avertir l'utilisateur), au lieu d'une seule série de questions et réponses. Synergie : le comportement des agents est limité par les garde-fous NLU pour empêcher les décisions autonomes de franchir les limites.
• Test Studio : tests automatisés basés sur les personnalités + studio de tests vocaux. Effet de synergie : les résultats des tests sont directement réinjectés dans les suggestions de données d'entraînement du modèle NLU, formant une boucle fermée « test-découverte-correction-retest ».

avoir.

• CX Insights Analysis Engine : analyse des conversations basée sur l'IA, annotant automatiquement les taux de résolution, le sentiment des utilisateurs et les anomalies de conformité. Effet de synergie : Les scénarios de défaillance à haute fréquence identifiés par le moteur d'analyse déclenchent automatiquement une "Suggestion de contenu" - il est recommandé que l'AI Trainer complète les compétences correspondantes ou ajuste le modèle NLU.
• Intégration multicanal et modules industriels prédéfinis : des packages de connaissances préconfigurés et des barrières de conformité pour les secteurs de la banque, de l'assurance, des télécommunications et autres sont intégrés dès le départ.

Boostez l'évolution du modèle et de la version de l'IA

Version	Temps	Changements fondamentaux
Été 2025	~2025-07	Présentation du tableau de bord d'analyse des conversations et de la fonction de suggestion d'intention automatique
1er trimestre 2026 (actuel)	~2026-03	Capacités NLU multilingues améliorées, intégration LLM approfondie (GPT-4, etc.), version du framework GenAction
2026 T2-T3 (spéculatif)	Attendu au second semestre 2026	Devrait étendre davantage les capacités de l'IA agentique et intégrer profondément l'IA vocale

Rythme des versions : Boost AI adopte le rythme des versions majeures annuelles + mises à jour trimestrielles des fonctionnalités. Contrairement au SaaS traditionnel, le modèle NLU lui-même continuera à apprendre en ligne grâce aux données annotées d'AI Trainer. Par conséquent, les mises à niveau des capacités de la plate-forme reposent non seulement sur les mises à jour des numéros de version, mais également sur les propres investissements de formation de l'entreprise : avec le même numéro de version, la qualité des agents IA d'entreprise entièrement formés peut différer de 2 à 3 fois.

Avantages techniques de Boost AI

• Architecture hybride (NLU-first + augmentation LLM) : il s'agit de la décision technique principale de Boost AI. La couche NLU effectue la classification des intentions et l'extraction des entités (déterministe et auditable), tandis que la couche LLM effectue la génération uniquement dans le cadre de l'intention déterminée de NLU (flexibilité). Cette architecture « différencier d'abord, puis générer » est d'un ordre de grandeur plus sûre dans les scénarios réglementés que les schémas LLM purs (tels que l'envoi d'invites directement à GPT-4) - car les résultats de NLU peuvent être explicitement testés et vérifiés, tandis que le comportement rapide de LLM est de nature probabiliste.
• Protection à deux couches RAG + Guardrails : la couche de connaissances de GenAction utilise RAG pour récupérer des faits à partir de la base de connaissances de l'entreprise ; la couche Guardrails effectue une autre vérification de conformité avant de les renvoyer à l'utilisateur. Il existe des journaux d'audit clairs entre les deux couches, et toute interception de violation est enregistrée et traçable.
• NLU unifié multicanal : les canaux de chat, de voix et de messagerie partagent le même ensemble de modèles NLU et de données de formation. Par rapport à la solution d'épissage de « Dialogflow pour le chat + Twilio pour la voix + Chatwoot pour l'accès », cela permet d'économiser le coût de la synchronisation des données et de la formation répétée du modèle.
• Tests automatisés basés sur la personnalité : simulez différents portraits d'utilisateurs (tels que "clients impatients" et "anglophones non natifs") pour effectuer des tests de stress par lots sur l'agent AI. Cela prendrait plusieurs jours à une équipe d'assurance qualité manuelle dans une solution de service client traditionnelle, mais Test Studio peut exécuter des milliers de scénarios en des dizaines de minutes.
• Conformité de sécurité en profondeur : ISO 27001 (gestion de la sécurité de l'information), ISO 27701 (gestion de la confidentialité des informations), conformité RGPD, protection OWASP. Pour les clients du secteur financier et des assurances, ces certifications sont souvent une condition préalable à l’achat : l’absence de certification entraînera un rejet immédiat par le service de conformité.

Comment utiliser Boost AI

Le seuil d'utilisation de Boost AI se concentre sur la « préconfiguration » plutôt que sur les capacités de développement. La philosophie de conception de la plateforme consiste à remplacer le codage par une formation NLU.

Processus d'accès typique :

1. Étape de pré-vente : soumettez une demande de démo sur le site officiel et l'équipe commerciale mène le POC.
2. Déploiement contextuel : choisissez un déploiement SaaS ou privé. La version SaaS est hébergée par Boost AI et la version privée est déployée sur une infrastructure appartenant au client (cloud hybride pris en charge).
3. Formation NLU : importez les données de conversation historiques via l'interface AI ​​Trainer, et la plate-forme reconnaît automatiquement l'intention et génère un modèle NLU initial. AI Trainer peut étiqueter, fusionner et diviser manuellement les intentions.
4. Conception de flux de conversation : utilisez un générateur sans code pour créer un flux de conversation. Chaque nœud peut être lié à des garde-corps, des hooks API ou des sources de connaissances.
5. Configuration GenAI : sélectionnez le backend LLM (prend en charge GPT-4, etc.), configurez la source de connaissances (télécharger PDF/page Web/base de données) et définissez les règles de garde-corps.
6. Test en ligne : utilisez Test Studio pour exécuter des tests Persona et des tests limites, et publiez-les dans l'environnement de production après avoir réussi la vérification.
7. Optimisation continue : CX Insights génère automatiquement des rapports opérationnels et des recommandations d'optimisation NLU, et AI Trainer itère régulièrement le modèle.

Remarque : L'aspect le plus sous-estimé de l'ensemble du processus est la « préparation des données de formation NLU » : si l'entreprise n'a pas d'expérience dans le nettoyage et l'annotation des données de conversation historiques, il est recommandé de faire appel à une personne dédiée (AI Trainer) pour qu'elle se consacre à temps plein au cours des 3 premiers mois, sinon la précision de la reconnaissance d'intention après la mise en ligne peut être bien inférieure à celle prévue.

Prix des produits pour Boost AI

Boost AI n'a pas de page de tarification publique et tous les plans nécessitent une confirmation commerciale. Ce qui suit est basé sur des fragments d’informations officielles et un raisonnement d’analyse comparative de l’industrie :

Système d'abonnement d'entreprise (modèle de contrat annuel) :

Dimensions	Descriptif
Base de facturation	Autorisation annuelle de la plateforme + nombre d'agents IA actifs + nombre de canaux
Fourchette typique des frais annuels (déduction)	50 000 $ à 500 000 $+/an, selon la taille du déploiement et la complexité du secteur
SaaS vs privatisation	Abonnement annuel SaaS ; Droit de licence unique de privatisation + frais de maintenance annuels
Si le support de formation NLU est inclus	La formation de base comprend des heures de formation limitées, la formation approfondie nécessite l'achat de forfaits de services supplémentaires
Essai gratuit	Pas de version publique gratuite ; peut être expérimenté en vendant des POC

Référence de comparaison (déduction plutôt que données officielles) : par rapport à Amelia (100 000 $+/an) et Kore.ai (80 000 $+/an), qui sont tous deux positionnés dans des secteurs réglementés, Boost AI a une compétitivité-prix plus forte dans le domaine linguistique nordique, mais a une marge limitée pour le premium sur le marché anglais.

Suggestion d'achat : les entreprises avec des conversations actives mensuelles supérieures à 50 000 sont plus adaptées au modèle de contrat annuel ; Il est recommandé aux entreprises dont le volume de conversations est inférieur à ce seuil de donner la priorité aux solutions de paiement à l'utilisation (telles que Zendesk, Intercom) pour éviter le gaspillage causé par les frais annuels fixes.

Scénarios d'application Boost AI

Les scénarios de base de Boost AI se concentrent sur « les interactions clients à haute fréquence, répétitives, mais avec une tolérance aux erreurs extrêmement faible ». Les quatre types de scénarios suivants sont les domaines dans lesquels il peut le mieux exercer sa valeur :

• Service client omnicanal pour les institutions financières : les clients des banques peuvent se renseigner sur les soldes des comptes, les détails des transactions, les taux de change, les factures de carte de crédit, etc. Le moteur NLU de Boost AI prend en charge le mélange de chiffres, de dates et d'unités monétaires dans les conversations, et la reconnaissance des intentions n'est pas affectée par les accents ou les fautes d'orthographe. Avantages typiques : appels au service client de première ligne réduits de 40 à 60 %, Telenor a réalisé un retour sur investissement dès la première année.
• Déclaration en libre-service des réclamations d'assurance : les clients décrivent le processus d'accident en langage naturel, et NLU extrait automatiquement les entités clés (heure, lieu, parties impliquées, type de perte), crée un bon de travail de réclamation et le transmet au système back-end. Acorn Insurance met en œuvre un « moteur de réclamation de bout en bout » dans ce scénario. Avantages typiques : le temps de dépôt des réclamations est réduit de 15 minutes de remplissage manuel du formulaire à 3 minutes de guidage par l'IA.
• Service client opérateur télécom : demande de prix d'appel, changement de forfait, rapport de panne de réseau, activation du roaming international, etc. Le service client virtuel Telmi de Telenor couvre tous les types de demandes de Telenor. Avantages typiques : objectif de retour sur investissement atteint dès la première année, les agents humains se concentrent sur les plaintes complexes.
• Bureau d'assistance aux citoyens du secteur public : directives en matière de déclaration de revenus, demandes d'éligibilité à la protection sociale, procédures de demande de passeport/permis de conduire. NLU couvre à la fois les dialectes et les langues officielles des langues nordiques, répondant ainsi aux exigences d'accessibilité du secteur public.

Déduction quantitative de la réduction des coûts et de l'amélioration de l'efficacité (pour un centre de service client typique de 200 places) :	Poste	Temps d'origine passé	Après l'assistance de l'IA	Économies
Service client de première ligne (simple demande)	4 heures par jour pour faire face à des problèmes répétés	0,5 heure par jour pour apporter des réponses aux exceptions	87,5%
Spécialiste des réclamations (saisie d'informations)	15min par commande	3 minutes par commande de prétraitement de l'IA	80%
Inspecteur qualité AQ	Enregistrement d'inspection aléatoire de 2 heures chaque jour	Analyse complète de l'IA de 30 minutes	75%
Formateur IA (Maintenance de plateforme)	N'existe pas	Ajouter 1 à 2 personnes à temps plein	Nouveau modèle

Scénarios inappropriés : Scénarios à forte intensité émotionnelle (conseil psychologique, escalade et apaisement des plaintes des clients), négociations multi-tours ultra-complexes (négociations d'achat en gros), communication de crise qui nécessite un jugement empathique humain - ces scénarios nécessitent toujours une intervention manuelle complète.

Groupes applicables de Boost AI

• Service client d'entreprise/leaders informatiques dans les secteurs réglementés : le groupe cible le plus immédiat. Vous avez besoin d’une solution d’IA conversationnelle capable de réussir les audits de conformité, de disposer d’études sectorielles et de être déployée en privé. La maturité globale de Boost AI est parmi les meilleures de sa catégorie.
• CXO/Directeur de la transformation numérique de la banque, de l'assurance et des télécommunications : si vos KPI incluent le « taux de libre-service », le « taux de résolution à la première fois » et le « taux d'automatisation des canaux », les données de cas de réussite de Boost AI peuvent prendre en charge les calculs de retour sur investissement.
• Équipe numérique du secteur public : organisations qui ont un fort besoin de NLU multilingues (y compris les petits dialectes linguistiques) et qui ont un seuil strict pour la certification de sécurité des fournisseurs.
• AI Trainer/Conversation Designer : Boost AI propose un système de formation certifié (Académie), adapté au développement de carrière des formateurs professionnels NLU.

Dissuader la foule :

• Petites et micro-entreprises et particuliers : il n'existe pas de version gratuite et le seuil de frais annuels est de 50 000 $ et plus, ce qui est totalement inadapté.
• Scénario de service client standard qui nécessite un marché unique purement anglais : les solutions telles que Zendesk et Intercom sont plus légères, itèrent plus rapidement et la facturation au volume est plus flexible.
• Nécessite une génération de contenu approfondie (articles longs, textes marketing, histoires de marque) : la fonction GenAI de Boost AI est toujours limitée à la « réponse du service client » et n'est pas adaptée à la création de contenu.
• Entreprises sensibles à la dépendance vis-à-vis d'un fournisseur : les données de formation NLU sont liées à la plateforme Boost AI, ce qui entraîne des coûts de migration élevés. Si votre entreprise a une stratégie « multi-cloud/multi-vendor », il est recommandé d'évaluer simultanément les solutions open source (telles que Rasa) comme alternative.

Résumé et perspectives de Boost AI

Boost AI a passé sept ans (2016-2023) à établir des barrières fondamentales dans le secteur réglementé sur la technologie NLU, et a achevé la transition du « moteur de dialogue de règles » à la « plateforme d'agents » via Hybrid GenAI et Agentic AI en 2024-2026. Son cœur de compétitivité est clair : « l’architecture hybride NLU-first » est irremplaçable dans les secteurs qui n’osent pas commettre d’erreurs, comme la banque et l’assurance. Ceci est également vérifié par la reconnaissance de Gartner et la note des utilisateurs de 4,8/5.

Limites actuelles :

• Contradiction internationalisation-localisation : L'avantage NLU des langues nordiques est devenu un "projet de transition" sur le marché anglophone - les clients nord-américains peuvent être plus enclins à choisir des solutions plus localisées telles que Zendesk. Après avoir défini le pays d'origine sur les États-Unis, Boost AI doit prouver que sa précision NLU sur le marché anglophone n'est pas inférieure à celle des solutions purement anglaises.
• Le prix n'est pas transparent : l'absence de prix publics entraîne un cycle d'évaluation des achats plus long pour les petites et moyennes entreprises - le modèle axé sur les ventes est naturellement biaisé en faveur des gros clients, et il existe un vide dans les scénarios avec des frais annuels inférieurs à 50 000 $ et plus.
• Dépendance LLM : la couche GenAI est actuellement liée à des modèles à source fermée tels que GPT-4. Si OpenAI ajuste la stratégie ou le prix de l'API, cela aura un impact déterminant sur le coût de production de Boost AI.

Évaluation des risques d'approvisionnement/d'adoption : les clients les plus appropriés sont les institutions financières et les compagnies d'assurance qui ont plus de 50 000 conversations par an, ont des besoins de conformité rigides et sont prêtes à investir dans la main-d'œuvre de formateurs en IA. Si le volume de dialogue de votre entreprise est inférieur au seuil, ou ne dispose pas d'un budget dédié à AI Trainer, ou est extrêmement sensible au verrouillage du fournisseur, il est recommandé de prioriser les options d'analyse comparative avant de prendre une décision. Objectif de suivi : l'ampleur de la mise en œuvre des capacités d'Agentic AI au second semestre 2026, les progrès du déploiement de Voice AI dans davantage de langues et l'opportunité de lancer une solution légère de facturation à l'utilisation pour couvrir le marché des petites et moyennes entreprises.

Outils associés : notion-ai, google-workspace

Informations de version

• Boostez l’IA 2026 Q1 ：Il n’y a pas encore de date officielle précise. Intégration multilingue NLU et LLM améliorée. （~2026-03）
• Boost AI 2025 été ：Il n’y a pas encore de date officielle précise. Présentation d'un tableau de bord d'analyse des conversations avec des suggestions d'intention automatisées. （~2025-07）