Base de connaissances

La base de connaissances est l’espace où vivent les données de l’organisation pour que les agents puissent les lire et les citer. Les éditeurs la constituent une fois ; les agents y puisent au moment de répondre — c’est ce qui permet à un agent Tale de répondre avec ta réalité plutôt qu’avec les données d’entraînement du modèle. L’espace s’ouvre sur cinq onglets : Documents, Entrées de connaissances, Sites web, Produits et Contacts.

Tu préfères regarder d’abord ? L’épisode 3 parcourt toute la bibliothèque en trois minutes — indexation, entrées, fiches, crawler et périmètres, sous-titres compris.

Les deux formes

Tout ce que contient l’espace prend l’une de deux formes. Le contenu indexé — les fichiers de Documents, les faits des Entrées de connaissances, les pages qu’une exploration de site web ramène — passe par le pipeline d’indexation (extraction, découpage, embeddings, stockage) pour que les agents récupèrent les passages pertinents et les citent. Les fiches typées — Produits et Contacts (l’annuaire de correspondants qui couvre à la fois clients et fournisseurs) — sont des lignes à champs nommés que les agents lisent comme des données, pas comme de la prose : des valeurs exactes, sans approximation de récupération.

La forme que tu choisis décide de la façon dont un agent peut exploiter le contenu — c’est pourquoi Données structurées est une page de décision, pas seulement une référence.

Où réside l'index

Le contenu indexé est intégré dans la base de données vectorielle intégrée de Tale — un stockage PostgreSQL (ParadeDB) qui combine les embeddings pgvector avec la recherche par mots-clés (BM25) et fusionne les deux, de sorte que la recherche capte à la fois les correspondances sémantiques et les termes exacts. Il est livré avec la plateforme : rien de plus à licencier ni à exploiter, et la recherche, les citations, les permissions par équipe et l'effacement RGPD agissent tous sur un seul stockage. Les embeddings proviennent du modèle d'embedding configuré par l'organisation — un admin d'org choisit le fournisseur, le modèle et la largeur des vecteurs dans Paramètres > Résidence des données, et la recherche de connaissances refuse avec une erreur actionnable tant qu'aucun n'est configuré, plutôt que de deviner un modèle.

Apporte ta propre base de données vectorielle — c'est du Postgres. Comme le stockage vectoriel est PostgreSQL, tu peux pointer la base de connaissances de Tale vers n'importe quel PostgreSQL géré que tu exploites (avec les extensions pgvector et pg_search/ParadeDB) au lieu de celui fourni — tes données, ton infrastructure, ta région. Un admin d'org renseigne la connexion dans Paramètres > Résidence des données — saisis l'hôte, la base et les identifiants de ton Postgres, de la même façon pour un déploiement auto-hébergé et une instance cloud dédiée. Tale vérifie la connexion et la présence des extensions requises avant que tu bascules. Voir Résidence des données pour les détails de connexion et les prérequis d'extensions.

Comment les agents y puisent

Un agent ne se choisit pas sa propre tranche de la bibliothèque. L’assistant de chat interroge tout le fonds avec rag_search et charge ce qu’il a trouvé avec rag_fetch dès qu’une question l’exige, un agent de projet le lit par les outils de la plateforme dont tu l’équipes, et les éléments limités à une équipe restent invisibles pour les agents et les membres hors de cette équipe. Chaque passage récupéré porte sa source : les citations renvoient au fichier, à l’entrée ou à la page d’origine. La mécanique côté agent vit dans Agents de projet.

Pages dans cette section

Où cela s’inscrit

La base de connaissances est la couche de données sur laquelle repose chaque réponse ancrée ; sans elle, les agents ne savent que ce que le modèle sait déjà. Fais entrer le contenu par l’onglet qui correspond à sa forme, puis branche les agents dessus — la suite naturelle est Documents pour les fichiers, Données structurées pour les fiches et Agents de projet pour la façon dont un agent y accède.