# La base de connaissances par propriété - Apprenez à l'IA à comprendre votre activité Les modèles d'IA savent ce que sont les métriques analytiques. Ils ne savent pas ce qu'elles signifient pour votre activité. La base de connaissances comble cette lacune. Chaque configuration analytique a un contexte qui vit dans la tête des gens. Le pic de trafic en mars qui est en réalité un rapport annuel, pas une tendance de croissance. Le trafic organique en provenance de l'Inde qui est à 80 % des bots. Les regroupements de canaux personnalisés qui ne correspondent pas aux valeurs par défaut de GA4. Ce contexte fait la différence entre une analyse techniquement correcte et une analyse réellement utile. Une IA qui ne connaît pas votre rapport de mars vous dira avec assurance que le trafic a augmenté de 300 % - ce qui est vrai, et aussi complètement trompeur. Aujourd'hui, nous lançons la **base de connaissances par propriété** - un moyen de stocker ce contexte métier directement aux côtés de vos propriétés analytiques, où l'IA peut le consulter à chaque conversation. --- ## Le problème Les modèles d'IA sont doués pour lire les données. Ils savent ce que sont les sessions, les taux de rebond et les taux de conversion. Ils peuvent exécuter des requêtes, comparer des périodes et repérer des tendances. Ce qu'ils ne savent pas, c'est l'histoire derrière vos données. Chaque entreprise en a une : - **"Notre objectif de conversion principal est demo\_request, pas l'événement purchase par défaut."** Sans cette information, l'IA analyse la mauvaise métrique et chaque recommandation est décalée. - **"Le trafic en provenance de l'Inde est principalement des bots - l'exclure de l'analyse organique."** Sans cela, l'IA rapporte des chiffres de trafic gonflés et tire des conclusions du bruit. - **"Nous utilisons des regroupements de canaux personnalisés : le trafic partenaire désigne les affiliés, pas les partenariats."** Sans cela, l'IA applique les définitions de canaux GA4 par défaut qui ne correspondent pas à la façon dont votre équipe pense l'attribution. Vous pourriez expliquer cela dans chaque conversation. Vous pourriez en mettre une partie dans un prompt système personnalisé. Mais les prompts système sont limités en taille et s'appliquent au niveau de l'équipe, pas par propriété. Et ré-expliquer le contexte à chaque fois va à l'encontre de l'objectif d'avoir un assistant IA. --- ## Comment ça fonctionne La base de connaissances est un ensemble d'entrées contextuelles attachées à chaque propriété. Chaque entrée a un titre, un contenu rédigé en markdown, des tags optionnels et un résumé généré par l'IA. Vous rédigez des entrées de la même manière que vous briefferiez un nouvel analyste rejoignant votre équipe : voici ce que vous devez savoir sur les données de cette propriété avant de commencer à les analyser. Quand vous discutez avec l'IA, elle sait automatiquement quelles entrées existent. Leurs titres sont inclus dans le prompt système, et l'IA recherche les entrées pertinentes quand votre question concerne un sujet que vous avez documenté. Vous n'avez pas besoin de dire "vérifie la base de connaissances" - cela se fait en arrière-plan. --- ## Recherche sémantique Si votre équipe a un fournisseur OpenAI configuré, les entrées sont automatiquement intégrées sous forme de vecteurs - des représentations numériques de leur signification. Quand l'IA recherche un contexte pertinent, elle fait correspondre par signification plutôt que par mots-clés exacts. Cela signifie qu'une question sur "des schémas de trafic inhabituels" peut faire remonter une entrée intitulée "Pic de trafic de mars - Rapport annuel" même si les mots ne se recoupent pas. Une question sur "la qualité des données" peut trouver une entrée sur le trafic de bots en provenance de l'Inde. Si vous n'avez pas de fournisseur OpenAI, la recherche se fait par correspondance de mots-clés, ce qui fonctionne bien dans la plupart des cas. Les deux modes peuvent coexister - les entrées avec des embeddings utilisent la recherche sémantique, et les entrées sans utilisent les mots-clés. Le coût des embeddings est négligeable (des fractions de centime par entrée) et ils sont générés automatiquement lors de la publication. --- ## Que mettre dans la base de connaissances Les entrées les plus précieuses sont celles que l'IA ne peut pas déduire des données elles-mêmes : **Problèmes de qualité des données.** Sources de trafic de bots, événements mal configurés, lacunes de suivi, écarts connus entre les plateformes. **Définitions métier.** Ce que vos objectifs de conversion signifient réellement. Comment fonctionnent vos regroupements de canaux personnalisés. Quelles métriques intéressent votre équipe et comment vous les définissez en interne. **Schémas saisonniers.** Événements annuels, effets des vacances, cycles budgétaires - tout ce qui provoque des changements de métriques prévisibles qui ne sont pas évidents à partir des données seules. **Contexte concurrentiel.** Contre qui vous êtes en concurrence, comment leur activité affecte vos métriques (par ex. des enchères PPC agressives augmentant vos CPC de marque), et comment vous vous différenciez. **Contexte technique.** Migrations récentes, changements de plateforme, limitations de suivi, comment votre configuration diffère des implémentations standard. --- ## Comparaison avec les autres fonctionnalités La base de connaissances comble un vide spécifique entre les fonctionnalités existantes : | Fonctionnalité | Ce qu'elle fait | Dimension temporelle | |----------------|----------------|---------------------| | **Prompts système** | Façonnent le comportement et le raisonnement de l'IA | Permanent, à l'échelle de l'équipe | | **Annotations** | Marquent des dates spécifiques avec des événements | Liées à des dates | | **Base de connaissances** | Stocke le contexte métier que l'IA consulte | Permanent, par propriété | Les annotations répondent à "que s'est-il passé à cette date ?" - une campagne a été lancée, un déploiement a eu lieu, une mise à jour d'algorithme a frappé. La base de connaissances répond à "qu'est-ce que cela signifie ?" - comment votre entreprise définit les conversions, pourquoi certains schémas de trafic sont normaux, ce à quoi il faut faire attention dans les données. Les prompts système contrôlent la personnalité et l'approche de l'IA. La base de connaissances lui donne des faits sur votre activité. --- ## Pour commencer Accédez à n'importe quelle propriété et cliquez sur **Base de connaissances** dans la barre latérale. Commencez par les entrées qui vous feraient gagner le plus de temps en ré-explications : 1. **Vos définitions de conversion.** Quels événements comptent vraiment et lesquels ignorer. 2. **Les problèmes de données connus.** Trafic de bots, suivi mal configuré, ou écarts entre plateformes. 3. **Le contexte saisonnier.** Les schémas prévisibles qui ressembleraient sinon à des anomalies. Chaque entrée dispose d'un bouton **Résumé IA** qui génère un résumé concis de votre contenu, facilitant l'évaluation rapide de la pertinence par l'IA. Rédigez les entrées comme si vous brieffez un collègue, pas comme si vous documentiez un système. L'IA lit le langage naturel, donc "Notre pic de mars provient du rapport annuel que nous publions - le trafic est multiplié par 3 à 5 pendant environ deux semaines" fonctionne mieux qu'une spécification formelle. La documentation complète est disponible dans notre [guide de la base de connaissances](/fr/docs/knowledge-base/).