Assistants de workflow
Les assistants de workflow sont une forme avancée d'assistants IA dans AI-School. Au lieu d'une conversation libre sans structure fixe, l'utilisateur suit une séquence d'étapes définie, guidée par l'IA. Cela permet d'automatiser des processus complexes en plusieurs étapes — comme un cours complet du début à la fin.
Qu'est-ce qu'un assistant de workflow ?
Un assistant de workflow repose sur un workflow visuel composé de nœuds reliés par des flèches. Chaque nœud effectue une tâche spécifique :
- Début / Fin — le point d'entrée et de sortie du workflow
- Évaluation — analyse le contexte et enregistre des informations structurées dans la mémoire du workflow
- Condition — évalue une expression et dirige le flux dans la bonne direction
- LLM — appelle un modèle de langage pour une tâche spécifique (optionnel : attend la saisie de l'utilisateur)
- Approbation — pose une question oui/non et oriente le flux en fonction de la réponse
Le workflow enregistre automatiquement son état après chaque étape. Lorsque l'utilisateur fournit une saisie, le workflow reprend exactement là où il s'était arrêté.
Créer un assistant de workflow
Allez dans Assistants → Nouvel assistant et choisissez le type Assistant de workflow. Vous pouvez partir d'un canevas vide ou choisir l'un des modèles préconfigurés.
Pour la plupart des utilisateurs, un modèle est le meilleur point de départ. Vous pouvez ensuite adapter le modèle à vos propres besoins.
Exemple : l'assistant de cours
L'assistant de cours est un modèle prêt à l'emploi conçu spécifiquement pour l'éducation. Il guide l'utilisateur du début à la fin d'un cours complet : de la détermination du sujet et du niveau, en passant par les objectifs d'apprentissage et les explications, jusqu'aux exercices et un résumé final.
Aperçu du workflow
L'assistant de cours se compose des étapes (nœuds) suivantes, dans l'ordre :
Étape par étape
1. Début
Le workflow démarre dès que l'utilisateur ouvre le chat et envoie son premier message.
2. Triage : sujet du cours (nœud d'évaluation)
Que fait-il ? L'IA analyse le message de l'utilisateur et tente de déterminer :
- Sujet — de quoi parle le cours ? (ex. « loi du levier »)
- Niveau — débutant, intermédiaire ou avancé ?
- Assez d'informations ? — y a-t-il suffisamment de contexte pour rédiger directement des objectifs ?
Le résultat est enregistré dans la mémoire du workflow.
3. Assez d'informations ? (nœud de condition)
Si suffisamment d'informations sont disponibles (assez_info = true), le workflow passe directement à Rédiger les objectifs.
S'il manque des informations, le workflow passe à Collecter des informations.
4. Collecter des informations (nœud LLM, attend une saisie)
Que fait-il ? L'IA pose des questions ciblées pour identifier le sujet et le niveau souhaité. Une fois que l'utilisateur a répondu, le flux retourne à Triage : sujet du cours pour réévaluer.
Exemple de conversation :
🤖 « Ravi de vous voir ! Pour vous aider au mieux, quelques questions rapides : 1. Sur quel sujet souhaitez-vous un cours ? 2. Quel est votre niveau ? (débutant / intermédiaire / avancé)"
👤 « physique 3e, loi du levier »
Après cette réponse, le triage réévalue et détermine : assez_info = true.
5. Rédiger les objectifs d'apprentissage (nœud LLM)
Que fait-il ? L'IA rédige une liste numérotée de 4 à 5 objectifs d'apprentissage concrets et mesurables pour le sujet et le niveau indiqués.
Exemple de résultat :
Objectifs d'apprentissage pour loi du levier – 3e (intermédiaire) :
- Vous pouvez énoncer la loi du levier et expliquer la formule F₁ × r₁ = F₂ × r₂.
- Vous pouvez effectuer des calculs pour déterminer des forces ou des longueurs de bras inconnues.
- Vous pouvez appliquer la loi du levier à des exemples pratiques (ciseaux, brouette, balançoire).
- Vous pouvez expliquer la différence entre un levier du premier, deuxième et troisième genre.
6. Approuver les objectifs d'apprentissage (nœud d'approbation)
Que fait-il ? L'IA demande à l'utilisateur si les objectifs rédigés sont acceptables et si le cours peut commencer.
- Oui → passer au cours
- Non → retourner à Rédiger les objectifs pour les reformuler
L'utilisateur peut consulter les objectifs via le menu déroulant dans le chat.
7. Triage : objectifs d'apprentissage (nœud d'évaluation)
Que fait-il ? Après chaque cycle de cours, l'IA vérifie si l'utilisateur maîtrise tous les objectifs d'apprentissage. Il s'agit d'une évaluation stricte : l'utilisateur doit démontrer qu'il comprend chaque objectif.
8. Tous les objectifs compris ? (nœud de condition)
- Oui → passer à l'agent exercices
- Non → passer à l'agent cours pour l'objectif suivant
9. Agent cours (nœud LLM, attend une saisie)
Que fait-il ? L'IA enseigne le sujet étape par étape en suivant les objectifs d'apprentissage. Après chaque partie, l'IA pose une question de compréhension. Ce n'est que lorsque l'utilisateur démontre qu'il a compris que le cours continue.
Après la saisie de l'utilisateur, le flux retourne à Triage : objectifs pour évaluer la progression.
Exemple :
🤖 « Nous commençons par l'objectif 1 : la loi du levier. Un levier est une tige rigide qui tourne autour d'un point d'appui. La force nécessaire dépend de la distance au point d'appui. La formule est :
F₁ × r₁ = F₂ × r₂
Pouvez-vous expliquer ce que représentent r₁ et r₂ dans cette formule ?"
10. Agent exercices (nœud LLM, attend une saisie)
Que fait-il ? L'IA propose au moins une question d'exercice par objectif d'apprentissage. L'utilisateur répond aux questions, puis le flux passe à l'agent feedback.
11. Agent feedback (nœud LLM, attend une saisie)
Que fait-il ? L'IA donne un retour détaillé et personnalisé sur les exercices réalisés. Pour chaque objectif, elle explique ce qui s'est bien passé et où des améliorations sont possibles. Le ton est honnête mais encourageant.
12. Terminer ? (nœud d'approbation)
L'IA demande si l'utilisateur souhaite terminer ou continuer à s'entraîner.
- Oui → aller au résumé
- Non → retourner à l'agent exercices pour un autre tour
13. Résumé (nœud LLM)
Que fait-il ? L'IA donne un résumé clair de tous les contenus du cours, suivi d'un retour personnel et motivant sur les performances.
14. Fin
Le workflow se termine par un message d'encouragement final.
« Bravo pour ce cours — à la prochaine !"
Exemple de conversation
Un exemple de conversation condensé avec l'assistant de cours sur la loi du levier, 3e :
| Qui | Message |
|---|---|
| 👤 Utilisateur | bonjour |
| 🤖 Assistant de cours | Ravi de vous voir ! Sur quel sujet souhaitez-vous un cours, et à quel niveau ? |
| 👤 Utilisateur | physique 3e, loi du levier |
| 🤖 Assistant de cours | Parfait ! J'ai rédigé 4 objectifs. Souhaitez-vous commencer le cours avec ces objectifs ? |
| 👤 Utilisateur | oui |
| 🤖 Assistant de cours | Commençons par l'objectif 1 : la loi du levier. (explication + question de compréhension) |
| 👤 Utilisateur | (réponse à la question de compréhension) |
| 🤖 Assistant de cours | (le cours continue pour les objectifs 2, 3, 4 ...) |
| 🤖 Assistant de cours | Vous avez terminé tous les objectifs ! Place aux exercices... |
| 👤 Utilisateur | (réponses aux questions d'exercice) |
| 🤖 Assistant de cours | (retour personnel) Souhaitez-vous terminer ou continuer à vous entraîner ? |
| 👤 Utilisateur | terminer |
| 🤖 Assistant de cours | (résumé + conclusion motivante) |
Restaurer une conversation
Si vous êtes en plein milieu d'un cours et souhaitez revenir à un point antérieur, vous pouvez le faire via le bouton de restauration (l'icône d'historique) sur un message précédent. Cela supprime tous les messages après ce point et reprend le workflow à partir de ce moment précis.
La restauration est définitive — les messages supprimés ne peuvent pas être récupérés.
Modifier un workflow
En tant qu'administrateur, vous pouvez ouvrir et modifier un workflow existant dans l'éditeur de workflow. Cliquez sur un nœud pour modifier sa configuration, ajoutez de nouveaux nœuds via le menu contextuel ou faites glisser des connexions vers d'autres nœuds.
Pour un workflow entièrement nouveau, vous pouvez commencer avec un canevas vide ou utiliser un autre modèle.