Les agents perdent 40% de leur temps à chercher des solutions à travers les fils d'email, les drives partagés et le savoir tribal — et quand un agent senior part, son savoir-faire part avec lui. Les KB statiques deviennent obsolètes en quelques semaines parce que personne ne les met à jour manuellement.

Utilyx modélise la base de connaissances en un workflow vivant : l'IA génère les articles depuis les tickets résolus, les signale pour revue, et les sert via recherche sémantique pour que agents et utilisateurs trouvent les réponses en secondes.

Le workflow est structuré en arbre de décision avec 3 branches (Auto-publish, Revue requise, Rejet) et 6 étapes de bout en bout. Chaque étape est exécutée par un acteur nommé (trigger de Résolution, Agent IA, reviewer KB, recherche sémantique ai-agent, Utilisateur final, propriétaire KB) et chaque action est horodatée.

• Étape 1 (Start — trigger de Résolution) : à la clôture d'un incident ou requête, le workflow extrait le texte de résolution, la catégorie du ticket, le CI affecté et la timeline diagnostique. Champs : source_ticket_id, resolution_text, category, ci_affected, language.

• Étape 2 (Agent IA) : l'ai-agent génère un article KB brouillon depuis la résolution — structuré en problème, root cause, étapes de résolution, vérification — et assigne un score de confiance. Il détecte aussi les doublons contre la KB existante et fusionne si similarité > 80%.

• Étape 3 (Routage) : trois branches — Branche A (confiance > 0.85, catégorie courante) : auto-publish dans la KB avec visibilité 'draft' pour le propriétaire KB ; Branche B (confiance 0.6-0.85, ou catégorie sensible comme sécurité) : routé vers reviewer KB pour validation ; Branche C (confiance < 0.6, ou doublon) : rejeté, le texte de résolution est conservé dans l'archive du ticket seulement.

• Étape 4B (reviewer KB) : le reviewer édite le brouillon, ajoute tags, captures et renvois, puis publie. SLA de revue 48h ; les brouillons en retard escaladent vers le propriétaire KB.

• Étape 5 (recherche sémantique ai-agent) : quand un agent ou utilisateur final cherche dans la KB, l'ai-agent effectue une recherche sémantique (pas par mot-clé) sur tous les articles en 7 langues, retournant le top 3 des matches avec scores de pertinence. Si une requête utilisateur correspond à un article KB au-dessus du seuil, le portail self-service le surface avant la création du ticket (deflection).

• Étape 6 (propriétaire KB) : mensuellement, le propriétaire KB lance une revue de fraîcheur — l'IA signale les articles non accédés depuis 90 jours pour archivage, et ceux au taux de succès déclinant pour réécriture.

Les équipes qui adoptent Utilyx constatent le temps de recherche agent réduit de 40%, 50% des nouveaux articles KB auto-générés depuis les tickets résolus sans rédaction manuelle, et 35% de deflection de tickets sur le portail self-service parce que la recherche sémantique surface la réponse avant la création du ticket.

La recherche sémantique en 7 langues permet à une seule KB de servir une base utilisateur multilingue, le routage par confiance équilibre la vitesse d'auto-publish avec le contrôle de revue, et la revue de fraîcheur maintient la KB pertinente — aucun article obsolète ne pollue les résultats de recherche.