> ## Documentation Index
> Fetch the complete documentation index at: https://docs.famulor.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Analyse post-appel

> Évaluez automatiquement le sentiment et la réussite de chaque appel, et extrayez-en des données structurées

Une fois l'appel terminé, une **analyse par IA** peut évaluer la transcription. Elle peut noter le sentiment de l'appelant, déterminer si l'appel a satisfait un critère de réussite, et extraire des champs structurés comme un numéro de rappel, un identifiant de commande ou une réponse oui/non. Le résultat est disponible dans l'[historique](/fr/monitoring/history), l'API publique et MCP.

## Ce que produit l'analyse

Pour chaque appel analysé, le résultat peut inclure :

* **Sentiment** — `positive`, `neutral` ou `negative` (sentiment général de l'appelant).
* **Success** — `true` / `false` (ou `null` si l'évaluation de la réussite est désactivée), accompagné d'une courte **raison** expliquant le verdict.
* **Data** — une correspondance entre les champs structurés que vous avez définis et leurs valeurs, indexée par nom de champ.
* **Analysis time** — le moment où le résultat a été produit.

Utilisez les filtres de sentiment et de réussite dans l'historique, ou `GET /api/v1/calls?sentiment=&success=`, pour retrouver rapidement les appels correspondants.

<Note>
  L'analyse s'exécute **après** l'appel et n'a aucun impact sur la conversation en direct. Si elle est indisponible, l'appel et sa transcription restent inchangés et aucun résultat n'est affiché.
</Note>

## Configurer l'analyse

Ouvrez la carte **Analysis** de l'assistant et activez les éléments dont vous avez besoin. Tout est facultatif : une configuration vide signifie qu'aucune analyse n'est exécutée.

<Steps>
  <Step title="Sentiment">
    Activé par défaut. Désactivez-le si vous n'avez pas besoin du sentiment par appel.
  </Step>

  <Step title="Critère de réussite">
    Activez **Success** et décrivez, en langage simple, à quoi ressemble un appel réussi — par exemple *« L'appelant a pris rendez-vous »* ou *« L'appelant a confirmé son adresse de livraison »*. Le résultat contient un booléen accompagné d'une raison.
  </Step>

  <Step title="Champs structurés">
    Ajoutez les champs à extraire. Chaque champ comprend un `name` (snake\_case, unique), un `type` (`string`, `number`, `boolean` ou `enum`), une `description` indiquant quoi extraire (500 caractères max.) et, pour `enum`, une liste de `choices`. Chaque champ est toujours tenté — rien dans l'éditeur ne permet d'en rendre un facultatif, même si l'indicateur `required` de l'API existe toujours dans le schéma.
  </Step>
</Steps>

### Exemple de configuration

```json theme={null}
{
  "sentiment": true,
  "success": {
    "enabled": true,
    "criteria": "The caller booked an appointment"
  },
  "fields": [
    { "name": "callback_number", "type": "string", "description": "Phone number the caller wants a callback on" },
    { "name": "appointment_day", "type": "enum", "description": "Requested weekday", "choices": ["mon", "tue", "wed", "thu", "fri"] },
    { "name": "is_existing_customer", "type": "boolean", "description": "Whether the caller is already a customer" }
  ]
}
```

Voici à quoi ressemble le `calls.analysis` obtenu :

```json theme={null}
{
  "sentiment": "positive",
  "success": true,
  "success_reason": "Caller agreed to a Tuesday appointment and gave a callback number.",
  "data": {
    "callback_number": "+493012345678",
    "appointment_day": "tue",
    "is_existing_customer": false
  },
  "analyzed_at": "2026-07-05T09:12:44Z"
}
```

## Exploiter les résultats

* **History filters** — filtrez la liste des appels par sentiment et réussite pour retrouver, par exemple, tous les appels négatifs qui n'ont *pas* abouti.
* **Public API** — chaque appel renvoyé par `GET /api/v1/calls` et `GET /api/v1/calls/{id}` inclut `analysis`, `sentiment` et `success`. Filtrez la liste avec `?sentiment=negative` et `?success=false`.
* **MCP** — ces mêmes champs d'appel sont exposés via les outils MCP `list_calls` / `get_call`.

<Note>
  Relancer l'analyse sur un appel passé — **History → Re-evaluate** — écrase le sentiment, la réussite et les champs extraits déjà stockés par un nouveau résultat. Cela consomme des crédits supplémentaires, au tarif **History re-evaluate** de l'espace de travail ; les tarifs actuels figurent sur la [page Usage](https://app.famulor.io/usage).
</Note>

## Grilles d'évaluation AI QA

Les **AI QA scorecards** (Beta) notent chaque appel terminé au regard de votre propre checklist qualité — un résultat distinct et complémentaire de l'analyse sentiment/réussite/champs ci-dessus. Configurez-les dans le même onglet **Analysis & QA** que l'analyse post-appel.

<Steps>
  <Step title="Activer les grilles d'évaluation">
    Désactivées par défaut. La carte n'apparaît qu'une fois les **Beta features** activées pour l'espace de travail sous [Settings → Workspace](/fr/settings/workspaces), et son activation nécessite un forfait incluant les grilles d'évaluation AI QA.
  </Step>

  <Step title="Définir un seuil de réussite">
    Un score global de 0 à 100 ; un appel est réussi dès qu'il atteint ou dépasse cette valeur.
  </Step>

  <Step title="Ajouter jusqu'à 20 critères">
    Chaque critère a un nom, un poids (son importance dans le score global) et une source :

    * **LLM judge** — l'IA évaluatrice lit la transcription et note le critère à partir d'une description en texte libre que vous rédigez. Coûte une évaluation supplémentaire par critère.
    * **Reuse success** — réutilise l'indicateur de réussite de l'analyse de cet appel (oui = 1, non = 0), sans coût supplémentaire.
    * **Reuse sentiment** — réutilise le sentiment de l'analyse de cet appel (positif = 1, neutre = 0,5, négatif = 0), sans coût supplémentaire.
  </Step>
</Steps>

Les résultats apparaissent dans **History**, sur la vue détaillée de l'appel. Les grilles d'évaluation se configurent de la même façon que l'analyse — via l'éditeur d'assistant, `PATCH /api/v1/assistants/{id}`, ou l'outil MCP `update_assistant`.

<Note>
  Ceci est distinct de l'outil [AI Quality Assurance](/fr/assistants/ai-quality-assurance) au niveau cohorte, qui exécute à la demande un pack QA de votre choix sur un lot d'appels passés. Les grilles d'évaluation s'exécutent automatiquement, appel par appel, dès qu'il se termine.
</Note>

## Configuration via l'API

Utilisez `PATCH /api/v1/assistants/{id}` ou l'outil MCP `update_assistant` pour modifier les mêmes options d'analyse par programmation. Une configuration vide signifie qu'aucune analyse n'est exécutée. Consultez la [référence API](/fr/api-reference/introduction) pour le schéma de requête.

## Transformer un appel réel en test de simulation

Sur un appel terminé, dans **History**, utilisez **Create Simulation Test**. Famulor prépare une persona, un script et des critères de réussite à partir de la transcription et de l'analyse, puis ouvre le panneau [Simulations](/fr/assistants/simulations) de l'assistant pour révision.

La même action est disponible via :

* `POST /api/v1/assistants/{id}/tests/from-call` avec `{ "call_id": "…" }` (`assistants:write` ; Simulations doit être inclus dans le forfait)
* l'outil MCP `create_assistant_test_from_call`

Un clic sur une ligne de transcription dans l'historique saute à cet instant dans l'enregistrement.