Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Utilisez le self-service agentic
<a name="agentic-self-service"></a>

**Astuce**  
Consultez ce cours de AWS Workshop : [Création d'une intelligence artificielle avancée et générative avec les agents Connect AI](https://catalog.us-east-1.prod.workshops.aws/workshops/f77f49a2-1eae-4223-a9da-7044d6da51f8/en-US/01-introduction).

Le self-service d'Agentic permet aux agents Connect AI de résoudre de manière autonome les problèmes des clients par le biais de canaux vocaux et de chat. Contrairement au [self-service traditionnel](generative-ai-powered-self-service.md), où l'agent d'intelligence artificielle redonne le contrôle du flux de contacts lorsqu'un outil personnalisé est sélectionné, le self-service agentic utilise des agents d'intelligence artificielle orchestrateurs capables de raisonner en plusieurs étapes, d'invoquer les outils MCP pour prendre des mesures au nom des clients et de maintenir une conversation continue jusqu'à ce que le problème soit résolu ou qu'une escalade soit nécessaire.

Par exemple, lorsqu'un client appelle au sujet d'une réservation d'hôtel, un agent d'Orchestrator AI peut l'accueillir par son nom, lui poser des questions de clarification, consulter sa réservation et traiter une modification, le tout au cours d'une seule conversation, sans reprendre le contrôle du flux de contact entre chaque étape.

**Topics**
+ [Capacités clés](#agentic-self-service-key-capabilities)
+ [Outils pour les agents d'intelligence artificielle d'Orchestrator](#agentic-self-service-default-tools)
+ [Mettre en place un self-service agentic](#agentic-self-service-setup)
+ [Outils de retour au contrôle personnalisés](#agentic-self-service-custom-escalate)
+ [Gérez les outils Return to Control dans votre flux](#agentic-self-service-escalation-flow)
+ [Outils constants](#agentic-self-service-constant-tools)
+ [Configurez le chat agentic en libre-service de bout en bout](setup-agentic-selfservice-end-to-end.md)

## Capacités clés
<a name="agentic-self-service-key-capabilities"></a>

Le self-service d'Agentic fournit les fonctionnalités suivantes :
+ **Raisonnement autonome en plusieurs étapes** — L'agent IA peut enchaîner plusieurs appels à des outils et étapes de raisonnement en un seul tour de conversation pour résoudre des demandes complexes.
+ **Intégration des outils MCP** — Connectez-vous aux systèmes principaux via les outils MCP (Model Context Protocol) pour effectuer des actions telles que la recherche de l'état des commandes, le traitement des remboursements et la mise à jour des enregistrements. Pour de plus amples informations, veuillez consulter [Outils MCP pour agents IA](ai-agent-mcp-tools.md).
+ **Profils de sécurité** — Les agents d'IA utilisent le même cadre de profils de sécurité que les agents humains, contrôlant les outils auxquels l'agent d'IA peut accéder. Pour de plus amples informations, veuillez consulter [Attribuer des autorisations de profil de sécurité aux agents AI](ai-agent-security-profile-permissions.md).

## Outils pour les agents d'intelligence artificielle d'Orchestrator
<a name="agentic-self-service-default-tools"></a>

Vous pouvez configurer votre agent Orchestrator AI pour le libre-service avec les types d'outils suivants :
+ **[Outils MCP](ai-agent-mcp-tools.md)** : étendez les capacités des agents d'intelligence artificielle grâce au protocole Model Context. Les outils MCP se connectent aux systèmes principaux pour effectuer des actions telles que la recherche de l'état des commandes, le traitement des remboursements et la mise à jour des enregistrements. L'agent AI invoque les outils MCP pendant la conversation sans reprendre le contrôle du flux de contacts.
+ **Retour au contrôle** — Signale à l'agent AI d'arrêter et de rétablir le contrôle du flux de contacts. Par défaut, l'agent `SelfServiceOrchestrator` AI inclut `Complete` (pour mettre fin à l'interaction) et `Escalate` (pour le transférer à un agent humain). Vous pouvez supprimer ces valeurs par défaut and/or pour créer les vôtres. Pour de plus amples informations, veuillez consulter [Outils de retour au contrôle personnalisés](#agentic-self-service-custom-escalate).
+ **Constant** — Renvoie une valeur de chaîne statique configurée à l'agent AI. Utile pour les tests et les itérations rapides pendant le développement. Pour de plus amples informations, veuillez consulter [Outils constants](#agentic-self-service-constant-tools).

## Mettre en place un self-service agentic
<a name="agentic-self-service-setup"></a>

Suivez ces étapes de haut niveau pour configurer le self-service agentic :

1. Créez un agent Orchestrator AI. Sur le site Web d'administration Amazon Connect, accédez à **AI Agent Designer**, choisissez **AI agents**, puis **Create AI agent**. Sélectionnez **Orchestration** comme type d'agent AI. Pour **Copier depuis un fichier existant**, choisissez **SelfServiceOrchestrator**d'utiliser l'agent System AI pour le libre-service comme configuration de départ.

1. Créez un profil de sécurité pour votre agent d'intelligence artificielle. Accédez à **Utilisateurs**, choisissez **Profils de sécurité** et créez un profil qui donne accès aux outils dont votre agent AI a besoin. Ensuite, dans la configuration de votre agent AI, accédez à la section **Profils de sécurité** et sélectionnez le profil dans le menu déroulant **Sélectionner les profils de sécurité**. Pour de plus amples informations, veuillez consulter [Attribuer des autorisations de profil de sécurité aux agents AI](ai-agent-security-profile-permissions.md).

1. Configurez votre agent d'intelligence artificielle à l'aide d'outils. Ajoutez des outils MCP à partir de vos espaces de noms connectés et configurez les outils Return to Control par défaut (`Complete`et`Escalate`). Pour plus d'informations sur les outils MCP, consultez[Outils MCP pour agents IA](ai-agent-mcp-tools.md).

1. Créez et joignez une invite d'orchestration. `SelfServiceOrchestrator`Il inclut une `SelfServiceOrchestration` invite par défaut que vous pouvez utiliser telle quelle ou en créer une nouvelle pour définir la personnalité, le comportement et les instructions d'utilisation des outils de votre agent IA. Pour plus d'informations sur les invites, consultez[Personnalisez les agents Connect AI](customize-connect-ai-agents.md).
**Important**  
Les agents Orchestrator AI ont besoin que les réponses soient encapsulées dans des `<message>` balises. Sans ce formatage, les clients ne verront pas les messages de l'agent AI. Pour de plus amples informations, veuillez consulter [Analyse syntaxique des messages](use-orchestration-ai-agent.md#message-parsing).

1. Définissez votre agent AI comme agent en libre-service par défaut. Sur la page **Agents AI**, accédez à **Configurations par défaut des agents AI** et sélectionnez votre agent dans la ligne **Self Service**.

1. Créez un bot d'IA conversationnelle. Accédez à **Routing**, **Flows**, **Conversational AI** et créez un bot avec l'intention de l'agent Amazon Connect AI activée. Pour de plus amples informations, veuillez consulter [Création d'un objectif pour les agents Connect AI](create-qic-intent-connect.md).

1. Créez un flux de contacts qui achemine les contacts vers votre agent d'intelligence artificielle. Ajoutez un [Obtenir les données client](get-customer-input.md) bloc qui invoque votre bot d'IA conversationnelle et un [Vérifier les attributs de contact](check-contact-attributes.md) bloc à acheminer en fonction de l'outil Return to Control sélectionné par l'agent AI. Pour de plus amples informations, veuillez consulter [Création d’un flux et ajout de votre robot d’IA conversationnelle](create-bot-flow.md).

   L'image suivante montre un exemple de flux de contact pour le self-service agentic.  
![\[Exemple de flux de contact agentic en libre-service avec Set logging behaviour, Set voice, Obtenir l'avis du client avec un robot Lex, vérifier les attributs des contacts pour sélectionner des outils avec les branches Complete, Escalate et No Match, Set Working Queue, Transfer to Queue et Disconnect les blocs.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/agentic-self-service-contact-flow.png)

**Astuce**  
Si vous souhaitez activer le streaming de chat pour le self-service agentic, consultez. [Activer le streaming de messages pour le chat alimenté par l'IA](message-streaming-ai-chat.md) Pour une présentation complète du end-to-end chat avec diffusion en continu, voir[Configurez le chat agentic en libre-service de bout en bout](setup-agentic-selfservice-end-to-end.md).

## Créez des outils de retour au contrôle personnalisés
<a name="agentic-self-service-custom-escalate"></a>

Les outils Return to Control signalent à l'agent AI d'arrêter le traitement et de redonner le contrôle au flux de contacts. Lorsqu'un outil Return to Control est invoqué, le nom de l'outil et ses paramètres d'entrée sont stockés sous forme d'attributs de session Amazon Lex, que votre flux de contacts peut lire à l'aide d'un [Vérifier les attributs de contact](check-contact-attributes.md) bloc pour déterminer l'action suivante.

Bien que l'agent `SelfServiceOrchestrator` AI inclut des outils par défaut `Complete` et de `Escalate` retour au contrôle, vous pouvez créer des outils de retour au contrôle personnalisés avec des schémas de saisie qui capturent un contexte supplémentaire sur lequel votre flux de contacts pourra agir.

Pour créer un outil de retour au contrôle personnalisé :

1. Dans la configuration de votre agent AI, choisissez **Ajouter un outil**, puis **Create new AI Tool**.

1. Entrez le nom de l'outil et sélectionnez **Return to Control** comme type d'outil.

1. Définissez un schéma de saisie qui spécifie le contexte que l'agent AI doit capturer lors de l'appel de l'outil.

1. (Facultatif) Dans le champ **Instructions**, décrivez à quel moment l'agent AI doit utiliser cet outil.

1. (Facultatif) Ajoutez des exemples pour guider le comportement de l'agent AI lors de l'appel de l'outil.

1. Choisissez **Créer**, puis **Publier** pour enregistrer votre agent d'intelligence artificielle.

### Exemple : outil d'escalade personnalisé avec contexte
<a name="agentic-self-service-custom-escalate-schema"></a>

L'exemple suivant montre comment remplacer l'outil Escalate par défaut par une version personnalisée qui capture le motif de l'escalade, le résumé, l'intention et le sentiment du client. Ce contexte supplémentaire donne aux agents humains une longueur d'avance lorsqu'ils reprennent la conversation.

Tout d'abord, supprimez l'outil Escalate par défaut de votre agent AI. Créez ensuite un nouvel outil de retour au contrôle nommé **Escalate** avec le schéma de saisie suivant :

```
{
    "type": "object",
    "properties": {
        "customerIntent": {
            "type": "string",
            "description": "A brief phrase describing what the customer wants to accomplish"
        },
        "sentiment": {
            "type": "string",
            "description": "Customer's emotional state during the conversation",
            "enum": ["positive", "neutral", "frustrated"]
        },
        "escalationSummary": {
            "type": "string",
            "description": "Summary for the human agent including what the customer asked for, what was attempted, and why escalation is needed",
            "maxLength": 500
        },
        "escalationReason": {
            "type": "string",
            "description": "Category for the escalation reason",
            "enum": [
                "complex_request",
                "technical_issue",
                "customer_frustration",
                "policy_exception",
                "out_of_scope",
                "other"
            ]
        }
    },
    "required": [
        "escalationReason",
        "escalationSummary",
        "customerIntent",
        "sentiment"
    ]
}
```

Dans le champ **Instructions**, décrivez à quel moment l'agent AI doit passer à une escalade. Par exemple :

```
Escalate to a human agent when:
1. The customer's request requires specialized expertise
2. Multiple tools fail or return errors repeatedly
3. The customer expresses frustration or explicitly requests a human
4. The request involves complex coordination across multiple services
5. You cannot provide adequate assistance with available tools
```

(Facultatif) Ajoutez des exemples pour guider le ton de l'agent AI lors de l'escalade. Par exemple :

```
<message>
I understand this requires some specialized attention. Let me connect you
with a team member who can help coordinate all the details. I'll share
everything we've discussed so they can pick up right where we left off.
</message>
```

## Gérez les outils Return to Control dans votre flux de contacts
<a name="agentic-self-service-escalation-flow"></a>

Lorsque l'agent AI invoque un outil de retour au contrôle, le contrôle revient à votre flux de contacts. Vous devez configurer votre flux pour détecter quel outil a été invoqué et acheminer le contact en conséquence.

### Comment fonctionne la détection du retour aux commandes
<a name="agentic-self-service-escalation-detection"></a>

Lorsque l'agent AI invoque un outil de retour au contrôle :

1. La conversation sur l'IA prend fin.

1. Le contrôle revient au flux de contact.

1. Le nom de l'outil et les paramètres d'entrée sont stockés sous forme d'attributs de session Amazon Lex.

1. Votre flux vérifie ces attributs et itinéraires en conséquence.

### Configurer le routage en fonction des outils de retour au contrôle
<a name="agentic-self-service-escalation-flow-steps"></a>

Suivez ces étapes pour ajouter le routage Return to Control à votre flux de contacts :

1. Ajoutez un [Vérifier les attributs de contact](check-contact-attributes.md) bloc après la sortie **par défaut** de votre bloc de **saisie Get** customer.

1. Configurez le bloc pour vérifier le nom de l'outil :
   + **Espace de noms** **: Lex**
   + **Clé** : **attributs de session**
   + **Clé d'attribut de session** : **Tool**

   Ajoutez des conditions pour chaque outil de retour au contrôle que vous souhaitez gérer. Par exemple, ajoutez des conditions dont la valeur est égale à **Complete****Escalate**, ou au nom de tout outil de retour au contrôle personnalisé que vous avez créé.

1. (Facultatif) Ajoutez un [Définir des attributs de contact](set-contact-attributes.md) bloc pour copier les paramètres d'entrée de l'outil depuis les attributs de session Amazon Lex vers les attributs de contact. Cela rend le contexte disponible pour le routage en aval et les fenêtres contextuelles des agents.

1. Connectez chaque condition à la logique de routage appropriée. Par exemple :
   + **Terminé** : route vers un bloc de **déconnexion** pour mettre fin à l'interaction.
   + **Escalate** : route vers une **file d'attente de travail définie** et **transfert vers un bloc de file d'attente** pour transférer le contact à un agent humain.
   + **Outils personnalisés** — Routez vers toute logique de flux supplémentaire spécifique à votre cas d'utilisation.

1. Connectez la sortie **No match** du [Vérifier les attributs de contact](check-contact-attributes.md) bloc à un bloc **Disconnect** ou à une logique de routage supplémentaire.

#### Exemple : routage d'un outil d'escalade avec contexte
<a name="agentic-self-service-escalation-example"></a>

Si vous avez créé un outil d'escalade personnalisé avec contexte (voir[Exemple : outil d'escalade personnalisé avec contexte](#agentic-self-service-custom-escalate-schema)), vous pouvez copier le contexte d'escalade dans les attributs de contact à l'aide d'un [Définir des attributs de contact](set-contact-attributes.md) bloc. Définissez les attributs suivants de manière dynamique :


| Clé de destination (définie par l'utilisateur) | Espace de noms source | Clé d'attribut de session source | 
| --- | --- | --- | 
| Raison de l'escalade | Lex — Attributs de session | Raison de l'escalade | 
| Résumé de l'escalade | Lex — Attributs de session | Résumé de l'escalade | 
| Intention du client | Lex — Attributs de session | Intention du client | 
| sentiment | Lex — Attributs de session | sentiment | 

(Facultatif) Ajoutez un bloc de **flux d'événements Set** pour afficher le contexte d'escalade à l'agent humain lorsqu'il accepte le contact. Définissez l'événement sur le **flux par défaut pour l'interface utilisateur de l'agent** et sélectionnez un flux qui présente le résumé, la raison et le sentiment de l'escalade à l'agent.

## Utilisez les outils Constant pour les tests et le développement
<a name="agentic-self-service-constant-tools"></a>

Les outils constants renvoient une valeur de chaîne statique configurée à l'agent AI lorsqu'il est invoqué. Contrairement aux outils Return to Control, les outils Constant ne mettent pas fin à la conversation basée sur l'IA : l'agent IA reçoit la chaîne et poursuit la conversation. Les outils Constant sont donc utiles pour les tests et les itérations rapides pendant le développement, ce qui vous permet de simuler les réponses des outils sans vous connecter aux systèmes principaux.

Pour créer un outil Constant :

1. Dans la configuration de votre agent AI, choisissez **Ajouter un outil**, puis **Create new AI Tool**.

1. Entrez le nom de l'outil et sélectionnez **Constant** comme type d'outil.

1. Dans le champ **Valeur constante**, entrez la chaîne statique que l'outil doit renvoyer à l'agent AI.

1. Choisissez **Créer**, puis **Publier** pour enregistrer votre agent d'intelligence artificielle.

Par exemple, vous pouvez créer un outil Constant nommé **getOrderStatus** qui renvoie un exemple de réponse JSON. Cela vous permet de tester la façon dont votre agent AI gère les demandes d'état des commandes avant de vous connecter à votre système de gestion des commandes par le biais d'un outil MCP.

# Comment configurer votre expérience de chat en libre-service agentic de bout en bout
<a name="setup-agentic-selfservice-end-to-end"></a>

**Note**  
Les agents d'orchestration AI nécessitent l'activation du streaming de chat pour les contacts de chat. Si le streaming de chat n'est pas activé, certains messages ne s'afficheront pas. Consultez [Activer le streaming de messages pour le chat alimenté par l'IA](message-streaming-ai-chat.md).

## Qu'est-ce que le streaming de messagerie AI ?
<a name="what-is-ai-message-streaming"></a>

AI Message Streaming est une fonctionnalité d'Amazon Connect qui permet l'**affichage progressif des réponses des agents intelligents lors des** interactions par chat. Au lieu d'attendre que l'IA génère une réponse complète avant de montrer quoi que ce soit au client, le streaming affiche le texte tel qu'il est généré, créant ainsi une expérience conversationnelle plus naturelle.

### Comment ça marche
<a name="how-streaming-works"></a>

Avec les réponses de chat standard, les clients attendent que l'IA génère sa réponse complète, puis le message complet apparaît en une seule fois. Avec AI Message Streaming, les clients voient s'**agrandir une bulle de texte** dans laquelle les mots apparaissent progressivement au fur et à mesure que l'IA les génère, comme si vous regardiez quelqu'un taper en temps réel.

**Note**  
**Documentation officielle** : Pour la référence technique complète, voir[Activer le streaming de messages pour le chat alimenté par l'IA](message-streaming-ai-chat.md).

### Avantages de l'affichage progressif du texte
<a name="benefits-progressive-text"></a>

Le streaming de messages par intelligence artificielle offre plusieurs avantages clés en termes d'expérience client :
+ **Réduction du temps d'attente perçu** : les clients constatent une activité immédiate plutôt que de regarder une centrifugeuse
+ **Flux de conversation plus naturel : le** texte progressif imite la saisie humaine, créant ainsi une interaction plus engageante
+ **Meilleur engagement** : les clients peuvent commencer à lire la réponse alors qu'elle est encore en cours de génération
+ **Messages d'expédition** : les agents d'intelligence artificielle peuvent envoyer des messages intermédiaires tels que « Un moment pendant que je passe en revue votre compte » pendant le traitement

### Chat standard et chat en streaming
<a name="standard-vs-streaming-chat"></a>

Le tableau suivant compare l'expérience client entre le chat standard et le chat en streaming :


| Aspect | Chat standard | Chat en streaming | 
| --- | --- | --- | 
| Affichage des réponses | Le message complet apparaît en une seule fois | Le texte apparaît progressivement (bulle croissante) | 
| L'expérience client | Attendre une réponse complète avec indicateur de chargement | Voir les mots apparaître en temps réel | 
| Temps d'attente perçu | Plus longtemps (en attente d'une réponse complète) | Plus court (retour visuel immédiat) | 
| Sensation de conversation | Transactionnel | Naturel, comme discuter avec une personne | 
| Messages d'expédition | Non disponible | L'IA peut envoyer des mises à jour de statut intermédiaires | 
| Gestion du délai d'expiration Lex | Soumis aux délais d'expiration de Lex | Élimine les limites de délai d'expiration de Lex | 

## État de l'habilitation
<a name="enablement-status"></a>

La disponibilité de AI Message Streaming dépend de la date de création de votre instance Amazon Connect et de sa configuration.

### Activation automatique pour les nouvelles instances
<a name="automatic-enablement-new-instances"></a>

Le streaming des messages AI est activé par défaut sur les instances Amazon Connect créées **après décembre 2025**. L'attribut d'`MESSAGE_STREAMING`instance est automatiquement défini sur `true` pour ces instances, aucune configuration supplémentaire n'est donc requise.

**Important**  
Si vous utilisez un AWS compte avec une instance Amazon Connect créée **avant décembre 2025**, vous devrez peut-être activer manuellement AI Message Streaming. Suivez les instructions de la documentation [Activer le streaming de messages pour le chat alimenté par l'IA](https://docs.aws.amazon.com/connect/latest/adminguide/message-streaming-ai-chat.html) pour vérifier `MESSAGE_STREAMING` l'attribut de votre instance et l'activer si nécessaire.

### Autorisations Amazon Lex Bot
<a name="amazon-lex-bot-permissions"></a>

AI Message Streaming nécessite une `lex:RecognizeMessageAsync` autorisation pour fonctionner correctement. Cette autorisation permet à Amazon Connect d'invoquer l'API de reconnaissance de messages asynchrone qui permet le streaming des réponses.

**Pour les nouvelles associations de robots Lex** : lorsque vous associez un nouveau bot Amazon Lex à votre instance Amazon Connect, l'`lex:RecognizeMessageAsync`autorisation requise est **automatiquement incluse** dans la politique basée sur les ressources du bot. Aucune configuration supplémentaire n'est nécessaire.

**Important**  
Si un bot Amazon Lex était associé à votre instance Amazon Connect **avant** l'activation d'AI Message Streaming, vous devrez peut-être mettre à jour la politique basée sur les ressources du bot pour inclure l'`lex:RecognizeMessageAsync`autorisation.  
Pour mettre à jour votre politique actuelle relative aux robots Lex :  
Accédez à la console Amazon Lex
Sélectionnez votre bot et accédez à Politique basée sur les **ressources**
Ajoutez l'`lex:RecognizeMessageAsync`action à la déclaration de politique qui accorde l'accès à Amazon Connect
Enregistrez la politique mise à jour
Pour obtenir des instructions détaillées, consultez la section sur [les autorisations du robot Lex](https://docs.aws.amazon.com/connect/latest/adminguide/message-streaming-ai-chat.html#lex-bot-permissions) dans la AWS documentation.

## Créer un widget de communication
<a name="create-communications-widget"></a>

Le widget de communication Amazon Connect est une interface de chat intégrée que vous pouvez ajouter à n'importe quel site Web. Dans cette section, vous allez créer et configurer un widget pour tester le streaming de messages AI. Vous pouvez ignorer cette section si vous prévoyez d'utiliser votre propre widget de chat client.

### Étape 1 : Accédez au widget de communication
<a name="navigate-to-widget"></a>

1. Dans la console Amazon Connect, accédez à votre instance

1. Cliquez sur **Canaux** dans le menu de navigation de gauche

1. Cliquez sur le **widget Communications**

1. Vous verrez la page de gestion du widget de communication

**Note**  
**Qu'est-ce que le widget de communication ?** Le widget de communication est la solution de out-of-the-box chat d'Amazon Connect. Il fournit une interface de chat entièrement fonctionnelle que vous pouvez intégrer dans des sites Web à l'aide d'un simple JavaScript extrait de code. Le widget gère toute la complexité de l'établissement des connexions, de la gestion des sessions et de l'affichage des messages.

### Étape 2 : créer un nouveau widget
<a name="create-new-widget"></a>

1. Cliquez sur **Ajouter un widget** pour créer un nouveau widget de communication

1. Entrez les détails suivants :
   + **Nom:** **AI-Streaming-Demo-Widget**
   + **Description:** **Widget for testing AI Message Streaming**

1. Sous **Options de communication**, assurez-vous que l'option **Ajouter un chat** est sélectionnée.

1. Sélectionnez **Self Service Test Flow comme flux** de contacts dans le chat

1. Cliquez sur **Enregistrer et continuer** pour accéder à la page de configuration

**Sélection du flux de contacts**  
Assurez-vous de sélectionner un flux de contacts qui :  
Les paramètres de base sont-ils configurés (crée une session AI, journalisation, etc.)
Routes vers votre Lex bot grâce à l'intégration d'AI Agent
Dispose d'une gestion d'erreur appropriée pour les déconnexions
Si vous n'avez pas encore créé de flux de contacts, complétez d'abord [la section Création du flux](https://catalog.workshops.aws/amazon-q-in-connect/en-US/03-Self-Service-Track/01-ai-agent-configuration/04-creating-flow/).

### Étape 3 : Personnaliser l'apparence du widget
<a name="customize-widget-appearance"></a>

Personnalisez l'apparence de votre widget de chat en fonction de votre marque et sélectionnez **Enregistrer et continuer**.

### Étape 4 : Configuration des domaines autorisés
<a name="configure-allowed-domains"></a>

Le widget de communication ne se charge que sur les sites Web explicitement autorisés. Cette fonctionnalité de sécurité empêche toute utilisation non autorisée de votre widget.

1. Faites défiler l'écran vers le bas jusqu'à **Domaines autorisés**

1. Cliquez sur **Ajouter un domaine** et ajoutez le domaine suivant pour les tests sur localhost :
   + **http://localhost**

1. Sélectionnez **Non** sous Sécurité

1. Si vous prévoyez de déployer ultérieurement sur un site Web de production, ajoutez également ces domaines et assurez-vous de configurer la sécurité (par exemple,**https://www.example.com**)

### Étape 5 : Enregistrer et obtenir le code du widget
<a name="save-get-widget-code"></a>

1. Cliquez sur **Enregistrer et continuez** pour enregistrer la configuration de votre widget

1. Après la création, vous verrez la page de **détails du widget** avec votre code d'intégration

1. **Important** : copiez et enregistrez les valeurs suivantes à partir de l'extrait de code intégré :
   + **URI du client** : URL du JavaScript fichier du widget
   + **ID du widget** - Un identifiant unique pour votre widget
   + **Snippet ID : chaîne** de configuration codée en Base64

### Étape 6 : Configuration de l'environnement de test local
<a name="setup-local-testing"></a>

Pour tester le widget localement, vous allez créer un simple fichier HTML qui charge le widget de communication.

1. Créez un nouveau dossier sur votre ordinateur à des fins de test (par exemple,`ai-streaming-test`)

1. Téléchargez l'image d'arrière-plan de la page de démonstration et enregistrez-la `background.jpg` dans votre dossier de test

1. Créez un nouveau fichier appelé `index.html` dans votre dossier de test avec le contenu suivant :

```
<!DOCTYPE html>
<html>
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <meta http-equiv="X-UA-Compatible" content="ie=edge">
    <style>
        body {
            background-image: url("background.jpg");
            background-repeat: no-repeat;
            background-size: cover;
        }
    </style>
    <title>AI Message Streaming Demo</title>
</head>
<body>
    <div id="root"></div>
    <script type="text/javascript">
      (function(w, d, x, id){
        s=d.createElement('script');
        s.src='REPLACE_WITH_CLIENT_URI';
        s.async=1;
        s.id=id;
        d.getElementsByTagName('head')[0].appendChild(s);
        w[x] = w[x] || function() { (w[x].ac = w[x].ac || []).push(arguments) };
      })(window, document, 'amazon_connect', 'REPLACE_WITH_WIDGET_ID');
      amazon_connect('styles', {
        iconType: 'CHAT',
        openChat: { color: '#ffffff', backgroundColor: '#ff9200' },
        closeChat: { color: '#ffffff', backgroundColor: '#ff9200'}
      });
      amazon_connect('snippetId', 'REPLACE_WITH_SNIPPET_ID');
      amazon_connect('supportedMessagingContentTypes', [
        'text/plain',
        'text/markdown',
        'application/vnd.amazonaws.connect.message.interactive',
        'application/vnd.amazonaws.connect.message.interactive.response'
      ]);
      amazon_connect('customStyles', {
        global: { frameWidth: '500px', frameHeight: '900px'}
      });
    </script>
</body>
</html>
```

### Étape 7 : Remplacer les valeurs de remplacement
<a name="replace-placeholder-values"></a>

Remplacez les valeurs de l'espace réservé dans le fichier HTML par les valeurs réelles de votre widget :


| Placeholder | Remplacer par | Exemple | 
| --- | --- | --- | 
| REPLACE\$1WITH\$1CLIENT\$1URI | L'URI de votre client à partir de l'étape 5 | https://d2s9x5slqf05.cloudfront.net/amazon-connect-chat-interface-client.js | 
| REPLACE\$1WITH\$1WIDGET\$1ID | L'identifiant de votre widget indiqué à l'étape 5 | amazon\$1connect\$1widget\$1abc123 | 
| REPLACE\$1WITH\$1SNIPPET\$1ID | Votre identifiant de snippet obtenu à l'étape 5 | QVFJREFIaWJYbG...(longue chaîne Base64) | 

### Étape 8 : démarrer un serveur Web local
<a name="start-local-web-server"></a>

Pour tester le widget, vous devez diffuser le fichier HTML à partir d'un serveur Web local. Voici plusieurs options :

**Option A : Python (si installé)**  


```
python -m http.server 8001
```

**Option B : Node.js (si installé)**  


```
npx http-server -p 8001
```

**Option C : extension du serveur VS Code Live**  

+ Installez l'extension « Live Server » dans VS Code
+ Cliquez avec le bouton droit sur `index.html` et sélectionnez « Ouvrir avec Live Server »

Après avoir démarré le serveur, ouvrez votre navigateur et accédez à : `http://localhost:8001`

Vous devriez voir la page de démonstration avec un bouton de chat orange dans le coin inférieur droit.

## Testez l'expérience de streaming
<a name="test-streaming-experience"></a>

Maintenant que votre widget est chargé, il est temps de tester AI Message Streaming et d'observer l'affichage progressif du texte en action.

### Ce qu'il faut rechercher : streaming ou non-streaming
<a name="what-to-look-for"></a>

Comprendre la différence entre les réponses en streaming et les réponses non diffusées vous permet de vérifier que le streaming de messages AI fonctionne :


| Comportement | Sans diffusion en continu (standard) | Streaming (diffusion de messages par IA) | 
| --- | --- | --- | 
| Affichage initial | Indicateur de chargement ou points de saisie | Le texte commence à apparaître immédiatement | 
| Apparence du texte | Le message complet apparaît en une seule fois | Les mots apparaissent progressivement (bulle croissante) | 
| Délai de réponse | Attendez que l'IA ait fini de générer | Voir la réponse au fur et à mesure qu'elle est générée | 
| Effet visuel | « Pop » du texte complet | Texte fluide et fluide, comme si vous regardiez quelqu'un taper |