ChatGPT n'est plus à présenter : en démocratisant l'intelligence artificielle générative, OpenAI a ouvert de multiples opportunités de transformations digitales pour les entreprises. Et les évolutions s'accélèrent : ChatGPT peut désormais s'intégrer directement aux outils No code comme Make ou Zapier.
Avec ChatGPT, les automatisations No code peuvent désormais transformer de la donnée structurée en donnée non structurée ou personnalisée (génération de contenu personnalisé, extraction de contenu intelligent du web…) et inversement (extraction d'informations d'une image ou d'un texte…).
Ainsi, le potentiel de génération de contenu de ChatGPT se couple aux possibilités de transformation et de mise à disposition de la donnée, offertes par les outils No code. Dans cet article, nous analysons justement 5 cas d'usage d'automatisation Make (ex-Integromat) augmentées grâce à l'IA de ChatGPT.
1- Générer du contenu texte personnalisé pour vos utilisateurs
ChatGPT se décrit lui-même en premier lieu comme un modèle de langage capable de générer du texte cohérent et pertinent en réponse à des requêtes d'un utilisateur. En l'intégrant dans Make, le premier usage consiste à générer un texte personnalisé à partir des données contextuelles de notre scénario (la requête à ChatGPT, le "prompt", est alimentée par l'automatisation).
Avec Make, le contenu généré peut ensuite être mis à disposition sur des outils tiers, par exemple en le diffusant sur les réseaux sociaux ou en le redirigeant par messages ou mails personnalisés à nos utilisateurs / clients.
Chez Gojob nous enquêtons régulièrement sur la satisfaction de nos clients. Ceci s'effectue par un formulaire Typeform envoyé par email à nos clients. Lorsque ces derniers répondent, nous pouvons, grâce à Make et ChatGPT, générer une réponse personnalisée pour accuser bonne réception, en reprenant dans une synthèse les points forts et d'amélioration tels que partagés par le client.
2- Extraire de l'intelligence d'un contenu existant … avant de le transformer dans un autre format
Autre bénéfice d'une intégration de ChatGPT sur Make : extraire de l'intelligence d'un contenu, par exemple en le synthétisant. Chez Gojob, nous utilisons Notion comme outil de Knowledge Management et avons construit notre outil de support interne (ticketing) en combinant Slack, Make et Notion. Lorsqu'un utilisateur pose une question ou déclare un problème technique en interne, il le fait via Slack, ce qui génère (via Make) un ticket de résolution de problème créé dans notre Kanban sur Notion. Grâce à ChatGPT, nous pouvons rendre plus lisible et synthétique le titre du ticket, en lui demandant d'en synthétiser tout son contenu.
L'automatisation ci-dessus prend en entrée le problème, tel que déclaré dans Slack par nos utilisateurs internes. Le module "Text Parser" permet d'extraire (via des techniques de REGEX) les différentes parties de la demande (titre donné par l'utilisateur, type de problème, description…). Ensuite, nous utilisons ChatGPT pour générer une synthèse du problème en 50 caractères maximum, avant de créer le ticket dans Notion.
A noter que le chemin de gestion d'erreur sur le module de ChatGPT nous permet de créer le ticket dans Notion sans l'intelligence de ChatGPT (en cas de service inutilisable par exemple, ou de fonds insuffisants), et donc de ne pas perturber notre qualité de service sur l'automatisation.
Make permet également de transformer cette intelligence extraite, dans le format le plus pertinent pour les utilisateurs. L'exemple ci-dessus utilise un texte (le problème déclaré) pour atterrir sur un texte (une synthèse de ce problème) mis sur Notion. Dans certains cas, l'IA peut nous permettre de transformer le contenu du message dans un autre format.
ChatGPT, intégré à Make, s'utilise également pour générer une image à partir d'un texte. D'autres alternatives à ChatGPT de transformation de la donnée sont également possibles, par exemple pour transformer un texte en audio, en utilisant les modules d'Eden IA text-to-speech ou encore Google Cloud text-to-pitch.
3 - Structurer vos données utilisateurs pour les intégrer à votre produit
Autres bénéfices plus techniques d'une intégration de ChatGPT à Make : la gestion de données non structurées (par exemple des données remplies par les clients ou utilisateurs internes) et leur conversion en données structurées intégrables dans le produit.
Par exemple, nos utilisateurs chez Gojob créent des contrats pour nos intérimaires à partir des informations communiquées par les clients. Concernant les cycles horaires, l'information reçue est non structurée, par exemple un texte "travaille du lundi au jeudi de 8h à 12h et de 14h à 16h", ou "tous les jours de la semaine 35h". A l'inverse, notre produit n'accepte pas ces données non structurées pour créer les contrats, mais des "JSON" permettant de décrire techniquement les cycles horaires chez Gojob :
{
"hourlyCycle": [
{
"ranges": [
{ "from": "08:00", "to": "12:00" },
{ "from": "14:00", "to": "16:00" }
],
"week": [true, true, true, true, false, false, false]
}
]
}Avec ChatGPT, nous "digérons" la donnée non structurée reçue du client pour la transformer en une donnée technique, intégrable dans notre produit (et donc potentiellement nous permettant de créer les contrats en automatique).
Sans rentrer dans les détails d'implémentation technique du scénario de notre Product Builder Anthony Manto, l'objectif est bien respecté : ChatGPT transforme une donnée non utilisable (texte renseigné par le client) par une donnée fiable intégrable dans notre produit.
4 - Contrôler ou évaluer le bon comportement d'une automatisation
La fiabilité de nos automatisations étant au cœur de nos standards de développement No code chez Gojob, nous avons implémenté de nombreux leviers permettant de traiter et préempter les erreurs. Par exemple, les "chemins" de gestion d'erreur introduits dans le début d'article, ou encore nos processus de remontées des erreurs Make sur un Kanban Notion. Ceci permet de garantir un fonctionnement optimal du scénario mais pas de s'assurer que le résultat (l'output) d'une automatisation est conforme à ce qu'on attend.
Les contrôles du bon comportement d'une automatisation sont parfois possibles sans IA, en comparant les données d'entrée et de sortie de mon scénario. Par exemple l'un de nos scénarios Make, chez Gojob, permet de supprimer toutes les données d'une base Airtable. Je peux contrôler que l'automatisation a effectué le bon comportement souhaité en allant, à la fin de mon scénario, compter le nombre de lignes restantes dans le Airtable (avec un module "Search Rows" dédié). Si le résultat est zéro, alors je suis assuré que mon automatisation a produit le résultat escompté.
Dans d'autres cas, il est plus compliqué de comparer mes données de sortie d'automatisation pour identifier si le comportement est celui souhaité. L'IA peut alors nous aider ! Pour reprendre l'exemple du cycle horaire, je pourrais rajouter un module à la fin de mon scénario pour demander, directement à ChatGPT, son indicateur de confiance sur la comparaison entre la donnée d'entrée et de sortie de mon automatisation.
Je peux ensuite, sur la base de ce résultat de contrôle, définir des actions sur mon automatisation. Par exemple, si le % de certitude est bas, je demande contrôle à un utilisateur, tandis que je maintiens un flux automatisé en cas de % de certitude élevé.
5 - Proposer un service de conseil complet pour vos clients / utilisateurs
L'IA de ChatGPT (ou d'autres "IA as A Service") peut être, lorsque couplée avec Make, à la base d'un service à part entière pour les clients / utilisateurs d'une entreprise.
Imaginons que je sois un moteur de recherche d'emploi, par exemple Welcome to the Jungle. Au-delà de proposer des offres d'emploi, je souhaite accompagner mes utilisateurs (les candidats) dans leurs candidatures en augmentant leur chance d'être reçu(e)s au premier entretien. Je peux aider ceux qui n'ont pas de lettre de motivation à générer une lettre de motivation (au moins dans sa structure, et à adapter ensuite, selon les premières analyses faites par Welcome To the Jungle).
Avec une intégration à la plateforme et des webhooks permettant d'extraire les données du CV, d'aller les combiner avec les données de l'offre d'emploi, nous pouvons ainsi fournir ce service (à moindre coût de production et de run !) à nos candidats.
Nous n'en sommes qu'au début ! ChatGPT-4, dernière évolution à venir de l'IA, promet également de belles avancées (encore !) sur les possibilités d'ingestion de données : en multimodal (texte mais aussi images...) ainsi que sur la qualité des contenus générés. Affaire à suivre...
Si vous cherchez à rejoindre l'équipe de Product Builders Gojob, n'hésitez pas à consulter nos offres ici et à nous contacter ou postuler. Si vous souhaitez plus d'informations sur l'utilisation de l'IA avec du No code mis en place chez Gojob, n'hésitez pas à contacter l'équipe !