arrow_back Retour aux projets IA

Agent IA de Tri & Routage d'Emails AI Triage & Email Routing Agent

Conception d'un agent autonome capable d'analyser le flux d'emails matinaux, de scorer les urgences opérationnelles et d'extraire automatiquement les factures via un pipeline LLM. Design of an autonomous agent capable of analyzing the morning email flow, scoring operational urgencies, and automatically extracting invoices via an LLM pipeline.

Python API Gmail LLM (Gemini/OpenAI)

warning Le Problème Métier The Business Problem

Chaque matin, la gestion manuelle des dizaines d'emails reçus pendant la nuit crée une surcharge cognitive. Le risque principal est de noyer une urgence critique au milieu des newsletters, ou de perdre du temps à transférer manuellement les factures en pièces jointes au service comptabilité. Every morning, the manual management of dozens of emails received overnight creates cognitive overload. The main risk is missing a critical urgency among newsletters, or wasting time manually forwarding invoice attachments to the accounting department.

schema Architecture du Pipeline Pipeline Architecture

1
Déclencheur (Cron) : Trigger (Cron): Un script Python s'exécute chaque jour à 8h00 via un planificateur. A Python script executes daily at 8:00 AM via a task scheduler.
2
Ingestion : Ingestion: Connexion sécurisée à l'API Gmail (OAuth 2.0) pour récupérer uniquement les emails non lus. Secure connection to the Gmail API (OAuth 2.0) to retrieve only unread emails.
3
Inférence LLM : LLM Inference: Le contenu est envoyé à un modèle de langage avec un Prompt strict forçant une réponse JSON (Scoring 1-5). The content is sent to a language model with a strict System Prompt forcing a JSON response (Scoring 1-5).

terminal Prompt Engineering & Sortie Structurée Prompt Engineering & Structured Output

Le défi technique réside dans la fiabilisation de la réponse de l'IA via un schéma JSON strict. The technical challenge lies in ensuring the reliability of the AI's response using a strict JSON schema.

# Logic handling the LLM call and JSON enforcement
def analyze_email_content(subject, body):
    prompt = f"""
    Act as a triage assistant. Analyze this email and output STRICTLY in this JSON format:
    {{
        "urgence_score": [Int 1-5, 5 being critical],
        "resume": [Short string, 15 words max],
        "contient_facture": [Boolean]
    }}
    Subject : {subject}
    Body : {body}
    """
    
    response = llm_client.generate(prompt, response_format="json_object")
    return json.loads(response.text)
                    

Impact Métier Business Impact

~45 min

Temps gagné par jour sur le traitement manuel.

Facture oubliée depuis la mise en production.

100%

Centralisation instantanée des urgences.