Open Ticket AI

French

English
Deutsch
Spanish

French

English
Deutsch
Spanish

Planificateur d'Automatisation de Tickets — Choisissez Votre Meilleur Parcours ​

Modernisez rapidement le routage des tickets, quel que soit votre point de départ. Ce planificateur vous aide à choisir le parcours adapté à la réalité de vos données : beaucoup de tickets étiquetés, beaucoup de tickets non étiquetés, ou presque aucune donnée. Chaque parcours aboutit à un package de services concret avec des livrables et des KPIs clairs, vous permettant de passer de l'idée au pilote, puis à la production, sans incertitude.

À qui s'adresse ce guide : Aux équipes IT/service utilisant Znuny/OTRS/OTOBO (ou similaire) qui souhaitent des prédictions fiables pour les files d'attente, les priorités ou les tags, que ce soit sur site ou via une API hébergée.

Ce que vous obtiendrez : un flux de décision court, 4 parcours actionnables (A–D), des modules complémentaires (multilingue, attributs supplémentaires), des critères/métriques pour savoir quand vous êtes prêt, et une checklist de préparation des données.

Comment utiliser cette page

  • Commencez par la vue d'ensemble et répondez à trois questions : Données étiquetées ? → Non étiquetées ? → Rapide ?
  • Cliquez sur la case du Flux A/B/C/D pour accéder à ses étapes, livrables et KPIs.
  • Utilisez les modules complémentaires si vous avez besoin de plusieurs langues ou de plus de sorties (tags, personne assignée, première réponse).
  • Maintenez des critères stricts (score F1 par classe + KPIs métier) pour que les pilotes se traduisent par une confiance en production.

Continuez maintenant avec le diagramme de vue d'ensemble et les flux détaillés ci-dessous. Parfait — voici une description plus complète que vous pouvez ajouter sous vos diagrammes. Je l'ai gardée facile à parcourir tout en ajoutant des conseils concrets et des seuils pour que les lecteurs puissent choisir un flux en toute confiance.

Compris — je vais conserver vos nouveaux diagrammes courts et ajouter un texte explicatif clair et concis pour chaque section afin que l'article soit complet tout en restant facile à parcourir.

0) Vue d'ensemble ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
  S((Start)) --> Q1{Labeled?}
  Q1 -- Yes --> A0[Flow A]
  Q1 -- No --> Q2{Unlabeled?}
  Q2 -- Yes --> B0[Flow B]
  Q2 -- No --> Q3{Fast?}
  Q3 -- Yes --> D0[Flow D]
  Q3 -- No --> C0[Flow C]

click A0 "#flow-a-many-labeled" "Flow A"
click B0 "#flow-b-many-unlabeled" "Flow B"
click C0 "#flow-c-few-or-no-tickets" "Flow C"
click D0 "#flow-d-quick-start-hosted-api" "Flow D"

Comment utiliser cette vue d'ensemble : Commencez en haut, répondez aux questions et suivez la branche jusqu'au flux qui vous correspond. Cliquez sur un flux pour voir ses détails.

Flux A — Beaucoup de tickets étiquetés ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
  A[Audit/Tax] --> B[Train]
  B --> C[Eval]
  C --> D[On-Prem]
  D --> E[Pilot]
  E --> F[Support]

Quand choisir ce parcours :

  • Vous avez déjà des milliers de tickets avec des étiquettes de file d'attente, de priorité ou de tag.
  • Vous voulez un modèle entraîné sur mesure pour une précision maximale.

Que se passe-t-il dans ce flux :

  1. Audit/Taxonomie — Vérifier la qualité des étiquettes, l'équilibre des classes et la nomenclature.
  2. Entraînement — Affiner le modèle de classification avec vos données.
  3. Évaluation — Mesurer la précision, le rappel et le score F1 par classe.
  4. Sur site — Déployer dans votre propre infrastructure.
  5. Pilote — Tester en production avec supervision.
  6. Support — Itérer et ré-entraîner si nécessaire.

Package recommandé : Affinage + Installation sur site.

Flux B — Beaucoup de tickets non étiquetés ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
  A[Ingest] --> B[Auto-Label]
  B --> C[QC]
  C --> D{OK?}
  D -- No --> B
  D -- Yes --> E[Train]
  E --> F[Eval]
  F --> G[On-Prem]
  G --> H[Support]

Quand choisir ce parcours :

  • Vous disposez de grandes archives de tickets historiques mais sans étiquettes.
  • Vous pouvez allouer du temps de revue humaine pour les contrôles de qualité.

Que se passe-t-il dans ce flux :

  1. Ingestion — Collecter les tickets de votre système.
  2. Étiquetage auto. — Utiliser l'étiquetage automatique assisté par LLM.
  3. Contrôle Qualité (QC) — Vérifier et corriger des échantillons.
  4. OK ? — Boucler jusqu'à ce que la qualité atteigne le seuil requis.
  5. Entraînement — Affiner avec l'ensemble de données préparé.
  6. Éval / Sur site / Support — Identique au Flux A.

Package recommandé : Étiquetage automatique + Affinage.

Flux C — Peu ou pas de tickets ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
  A[Define Tax] --> B[Synth Data]
  B --> C[Baseline]
  C --> D[Eval]
  D --> E{Pilot}
  E -- API --> H[Hosted DE]
  E -- Local --> I[On-Prem]
  H --> J[Collect]
  I --> J
  J --> K[Fine-Tune]
  K --> L[Prod/Support]

Quand choisir ce parcours :

  • Vous partez de zéro ou avez trop peu de tickets pour un entraînement.
  • Vous voulez une solution de démarrage à froid pour une mise en production rapide.

Que se passe-t-il dans ce flux :

  1. Définir Taxonomie — Décider des files d'attente, des priorités, du ton.
  2. Données synthétiques — Générer des tickets réalistes (DE/EN).
  3. Modèle de base — Entraîner un modèle initial sur les données synthétiques.
  4. Évaluation — Vérifier les performances avant le déploiement.
  5. Pilote — Choisir l'API hébergée pour la vitesse ou l'installation sur site pour le contrôle.
  6. Collecte — Rassembler les vrais tickets pendant la phase pilote.
  7. Affinage — Fusionner les données réelles et synthétiques.
  8. Prod/Support — Mettre en production avec des itérations continues.

Package recommandé : Démarrage à froid synthétique.

Flux D — Démarrage rapide via l'API hébergée ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
    A[Use API DE] --> B[Measure]
    B --> C{Tax OK?}
    C -- Yes --> D[Scale/Support]
    C -- No --> E[Auto/Synth - Train]
    E --> F[On-Prem]

Quand choisir ce parcours :

  • Vous avez besoin de résultats immédiats.
  • Vous voulez essayer l'automatisation sans entraînement préalable.

Que se passe-t-il dans ce flux :

  1. Utiliser l'API DE — Classification instantanée via le modèle allemand hébergé.
  2. Mesurer — Suivre l'impact sur le routage, les SLA et le backlog.
  3. Taxonomie OK ? — Si satisfait, augmentez l'utilisation ; sinon, passez au Flux B ou C pour l'entraînement.

Package recommandé : Pilote API hébergée → Affinage (optionnel).

Modules complémentaires optionnels ​

Extension multilingue ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
  A[More langs?] --> B{Hist per lang?}
  B -- Yes --> C[Auto-Label]
  B -- No --> D[Synth]
  C --> E[Train Multi]
  D --> E
  E --> F[Pilot/Eval]

Ajoutez le support pour des langues supplémentaires via l'étiquetage automatique multilingue ou la génération synthétique, puis entraînez et évaluez par langue.

Attributs supplémentaires ​

mermaid
---
config:
  theme: 'dark'
---
flowchart TD
  A[Add tags/assignee/FAA] --> B[Extend labels/gen]
  B --> C[Multi-task/Chain]
  C --> D[Deploy]

Prédisez plus que les files d'attente/priorités — par ex., les tags, la personne assignée ou le temps de première réponse — en étendant l'étiquetage et en entraînant un modèle multi-tâches.