Bonjour,

Vous connaissez sûrement cette situation : vos équipes traitent des dizaines de demandes chaque semaine, vos agents font très bien leur travail, et pourtant, au moment de faire le point, personne ne sait vraiment ce qui s'est passé. L'information existe, mais elle est éparpillée dans des conversations, des fichiers et des tableurs que plus personne ne met à jour. Alors on reconstitue les chiffres à la main, ou on décide au feeling.

C'est exactement ce qu'on a voulu régler ce mois-ci, et ça commence dans la section Connaissances, plus précisément dans vos tableaux de connaissances. Ce sont vos données métier rangées en lignes et en colonnes — prospects, demandes clients, candidatures, campagnes — dans un format que vos agents savent lire et exploiter pour vous répondre. Jusqu'ici, c'était à vous de les remplir.

Plus maintenant. Vos agents y écrivent tout seuls, au fil de leur travail : celui qui qualifie vos prospects alimente votre tableau de suivi commercial pendant que vous faites autre chose. Les vues s'adaptent à ce que vous voulez regarder, et le tableau de bord dont vous avez besoin, il vous suffit désormais de le demander.

Vos agents remplissent eux-mêmes vos tableaux

Un agent peut maintenant écrire directement dans un tableau de connaissances. Il ne se contente plus de consulter vos données, il les enrichit au fil de son travail. Chaque demande traitée, chaque document analysé, chaque échange mené devient une ligne propre, dans les bonnes colonnes.

Cela résout un problème que tout le monde connaît sans forcément le nommer : l'information produite pendant le travail finissait par se perdre. Votre agent traitait une demande, faisait très bien son travail, puis tout repartait dans l'historique des conversations. Impossible de compter, de comparer, de repérer une tendance. Au moment de décider, on se fiait donc à des impressions, ou on passait deux journées à reconstituer les chiffres à la main.

Le principe vaut pour tout ce qui arrive en flux continu, qu'il s'agisse de tickets support, de campagnes marketing ou de candidatures. Prenons justement un service RH qui recrute sur cinq postes en parallèle. L'agent qui trie les candidatures alimente au passage un tableau : poste visé, expérience, compétences clés, disponibilité. Personne ne saisit quoi que ce soit. Trois semaines plus tard, la responsable ne rouvre pas cent vingt CV pour préparer sa sélection : elle lit une base déjà constituée, et remarque au passage que les profils les plus solides se concentrent sur deux postes seulement. Les trois autres annonces ne sont pas mauvaises, elles sont mal diffusées … une conclusion qu'aucune lecture au fil de l'eau n'aurait fait apparaître.

Vous ne voyez plus que ce qui vous concerne

Vos tableaux acceptent désormais des filtres et des regroupements. Vous choisissez les critères qui vous intéressent et l'affichage se réorganise. Vous pouvez aussi regrouper vos lignes par colonne — par responsable, par statut, par importance, etc. — pour lire vos données en paquets cohérents plutôt qu'en liste interminable.

Et ce regroupement ouvre une porte inattendue : vos tableaux s'affichent maintenant en Kanban. Chaque groupe devient une colonne, chaque ligne une carte, et l'avancement se lit d'un coup d'œil au lieu de se déduire d'une colonne "statut" perdue au milieu des autres. Le même tableau se consulte donc de deux façons selon ce que vous cherchez : en grille quand vous voulez comparer, compter, analyser ; en Kanban quand vous voulez suivre un flux et voir où les choses bloquent.

Ce qui disparaît au passage, c'est le défilement dans huit cents lignes pour retrouver les douze qui vous concernent. Et surtout l'export vers un tableur “pour trier au calme”, qui créait à chaque fois une copie parallèle et vite périmée de vos données.

Un responsable du service client le vit bien. Il suit huit cents demandes ouvertes depuis le début du trimestre. Plutôt que de tout parcourir, il filtre sur celles qui ne sont pas encore résolues, puis regroupe par motif. En quelques secondes, une évidence apparaît : un tiers des réclamations portent sur la même gamme de produits. Le volume n'est pas le sujet, la cause l'est — et elle ne se règle pas au service client mais chez l'équipe produit. Le même réflexe vaut à l'étage au-dessus : un comité de direction qui filtre sur le trimestre en cours et regroupe par entité arrive en réunion avec une lecture partagée des chiffres, au lieu de cinq tableaux envoyés par cinq services différents.

Vos vues dynamiques génèrent l'interface idéale

Depuis le chat de la section Connaissances, vous pouvez demander la vue qui vous arrange. Vous expliquez ce que vous voulez suivre, et Swiftask génère l'interface adaptée à vos données : un tableau de bord, un suivi par étapes, une vue de pilotage. Vous n'avez même pas besoin d'avoir créé un agent au préalable, une phrase en langage courant suffit.

Ce qui disparaît ici, c'est l'attente. Une vue de pilotage un peu spécifique, c'était jusqu'à présent une demande à l'équipe data, un ticket, un délai — et souvent un besoin qui avait déjà changé quand la réponse arrivait. Vous pouvez désormais tester une idée de lecture de vos données en quelques minutes, et en redemander une autre si elle ne vous convient pas.

Une directrice marketing qui veut arbitrer son budget de fin d'année demande simplement une vue croisant le coût, les conversions et le rendement de chaque canal sur les six derniers mois. Elle obtient un tableau de bord lisible, constate que deux canaux absorbent l'essentiel du budget pour un tiers des résultats, et redistribue. Le même geste sert à suivre l'usage de l'IA dans votre organisation : une vue qui croise le nombre de sessions, celles qui se sont terminées en erreur et les jetons consommés, agent par agent, vous montre immédiatement lequel coûte cher pour peu de résultats et lequel échoue souvent parce que ses instructions manquent de précision. Vous savez quoi corriger en premier, et vous pouvez le justifier.

Vos agents vous demandent avant d'agir

Quand une demande peut se comprendre de plusieurs façons, l'agent ne devine plus. Il s'arrête, vous pose la question dans une interface claire et vous propose des choix. Vous cliquez, il repart avec la bonne consigne.

L'intérêt saute aux yeux dès que l'action engage quelque chose : envoyer un courrier à des administrés, modifier des données, déclencher une dépense. Mais le bénéfice le plus discret est ailleurs : il n'est plus nécessaire de savoir “bien parler à une IA” pour obtenir un bon résultat. Les choix proposés font office de mode d'emploi, et les nouveaux utilisateurs apprennent en voyant les questions qu'on leur pose.

Concrètement, un agent RH chargé de relancer les candidats sans réponse vous demandera d'abord s'il s'agit des candidatures de plus de quinze jours ou de plus d'un mois, et si la relance concerne tous les postes ou seulement ceux qui restent à pourvoir. Une question de dix secondes qui évite un envoi mal ciblé et une matinée de rattrapage.

Ces quatre évolutions prennent tout leur sens ensemble : vos agents produisent la donnée, vous la filtrez pour n'en garder que l'essentiel, vous demandez la vue qui vous sert à décider, et l'agent vérifie auprès de vous avant d'engager quoi que ce soit.

Tout se passe dans Connaissances → Tableaux de connaissances.