Une ville à cinq langues avait dépassé sa porte d'entrée numérique pensée pour deux.
Une entité fédérale de police dans la région du Golfe servait une ville dont la population avait dépassé sa porte d'entrée numérique, nous l'avons reconstruite en assistant agentic, multilingue.
12 mai 2026
Le bot qui répondait aux questions des citoyens avait une décennie de retard sur la ville qu'il servait. Anglais et arabe uniquement. Quelques dizaines d'intents scriptés. Aucune connexion au catalogue de services sous-jacent. Pendant ce temps, la population était devenue l'une des plus linguistiquement diverses du Golfe, soignants tagalog, chauffeurs ourdou, commerçants mandarin, tous rebondissant sur la même boucle fermée de messages de fallback. Chaque requête sans réponse retombait sur un agent humain, ou pire, sur personne. La question posée : une porte d'entrée numérique unique pouvait-elle réellement servir une ville à cinq langues sur web et mobile, avec la fidélité aux policies qu'exige une entité fédérale ?
- 01
Ancrer chaque réponse dans la source de vérité.
Nous avons remplacé le matching par mots-clés par du retrieval-augmented generation sur le catalogue de services structuré de l'entité et sa bibliothèque de policies non structurée. Les citoyens ne posent pas leurs questions au format que le système attendait, le RAG permet à l'assistant de répondre à la question posée, pas à celle anticipée.
- 02
Construire en agentic, pas en scripté.
Nous avons architecturé l'assistant comme un agent au-dessus d'un cœur LLM, capable de raisonnement multi-étapes sur les lookups de services, les vérifications d'éligibilité et les références documentaires. Cinq langues, anglais, arabe, tagalog, ourdou, mandarin, partagent la même couche de raisonnement. Le choix éditorial : nous avons gardé la temperature basse et le refusal behavior serré. Dans un environnement régulé, « Je ne sais pas, laissez-moi vous passer un agent » est une feature, pas un échec.
- 03
Rendre le handover invisible.
Quand l'assistant ne peut résoudre une requête, par policy ou par confiance, il route vers un agent en live avec le contexte complet de la conversation. Quatre canaux en production (texte et voix, web et app). Pour le citoyen, c'est une seule conversation ; pour l'équipe ops, c'est une seule file.
Une expérience de service AI-native moderne a remplacé une stack rule-based fragile. Les principales communautés expatriées ont eu accès dans leur propre langue pour la première fois. Les agents live ont cessé de répondre aux requêtes répétitives et ont commencé à traiter les cas qui exigent vraiment un humain. Plus important encore, l'entité dispose désormais d'un canal unique et gouvernable pour distribuer les mises à jour de service à chaque citoyen, ce qui change une fois change partout. Le déclic : une porte d'entrée numérique qui passe à l'échelle avec la population, et non contre elle.
“Dans les environnements multilingues et régulés, le coût d'une mauvaise réponse est plus élevé que celui d'une réponse différée. Construisez d'abord le refusal behavior, puis l'assistant autour.
Aux prises avec un gap de services citoyens, un problème de service multilingue ou un chatbot legacy qui n'avance plus ? Nous aidons les équipes du secteur public à faire passer l'AI de l'ambition à la production, de bout en bout, en mois, pas en trimestres.
Discutons
