> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/fr/services-affaires/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md).

# analyse des données et rapports

Explorez les rapports Zoom Virtual Agent, les métriques du tableau de bord, les filtres et les informations sur l'engagement.

### Analyse des données et rapports pour Zoom Virtual Agent

Les administrateurs peuvent créer un seul abonnement contenant les différents rapports décrits dans cette section. Ils peuvent filtrer les abonnements par agents spécifiques, groupes d'agents ou types de rapports tels que Vue d'ensemble, Performance de l'agent virtuel, Performance des connaissances, Analyse des requêtes, Détails de la conversation et Enquêtes sur l'engagement des consommateurs. Les destinataires reçoivent un seul e-mail contenant tous les rapports sélectionnés, étiquetés par type de rapport et périmètre d'agent.

Les abonnements aux rapports offrent désormais une cadence de livraison étendue, une couverture du Tableau de bord et le contenu des e-mails. Les administrateurs peuvent choisir n'importe quel jour de la semaine pour une livraison hebdomadaire ou passer à une livraison quotidienne. Une sélection plus large de tableaux de bord éligibles est disponible pour l'abonnement, et le modèle d'e-mail du rapport a été révisé afin d'inclure davantage de métriques et un résumé généré par l'IA.

Les filtres du Tableau de bord prennent également en charge la précision de l'heure et les vues enregistrées. Au-delà des plages de dates, les administrateurs peuvent définir les heures de début et de fin à l'heure et à la minute afin d'isoler une période telle qu'un seul quart de travail ou une période de trafic de pointe ; des plages de dates relatives sont également disponibles. Un Tableau de bord filtré peut être enregistré sous forme de vue nommée qui conserve ses filtres et ses sélections de graphiques pour une réutilisation rapide, et une vue enregistrée peut être partagée avec tous les utilisateurs du compte.

Dans les rapports Détails de la conversation et Insights sur les requêtes, une vue enregistrée mémorise également la disposition du tableau : sélection et ordre des colonnes, ainsi que le sens du tri. Lorsque la vue est rouverte, le tableau retrouve exactement sa configuration, ce qui évite aux administrateurs de réorganiser les colonnes ou de refaire le tri à chaque visite.

Les abonnements aux rapports peuvent envoyer une vue enregistrée. Lors de la configuration d’un abonnement, les administrateurs peuvent sélectionner une vue enregistrée ; les envois planifiés correspondent alors à cette vue plutôt qu’à la version par défaut du rapport. Les rapports envoyés par e-mail présentent ainsi les mêmes données que celles que les administrateurs analysent à l’écran.

#### <mark style="color:bleu;">Le dictionnaire de données fournit des définitions transparentes des métriques pour l'analyse des données de l'agent virtuel</mark>

L'analyse des données de Zoom Virtual Agent comprend un dictionnaire de données intégré. Les administrateurs peuvent parcourir les jeux de données et les rapports pour comprendre les définitions des métriques, les calculs, les filtres et les conseils d'interprétation. Les définitions peuvent être exportées pour être partagées, ce qui aide à clarifier les KPI et à favoriser l'adoption entre les équipes.

#### <mark style="color:bleu;">Prise en charge de l'exploration détaillée sur place des métriques du Tableau de bord et des info-bulles de colonnes</mark>

Les administrateurs peuvent cliquer sur n'importe quelle métrique du Tableau de bord Zoom Virtual Agent pour explorer les conversations qui se trouvent derrière. Les filtres actifs du tableau de bord se répercutent automatiquement, ce qui permet de passer de la liste des conversations à une transcription individuelle puis de revenir en arrière sans perdre le contexte. Chaque tableau de rapport ajoute également des info-bulles à ses en-têtes de colonne. Survolez une métrique pour voir sa définition et un lien direct vers l'entrée complète du dictionnaire de données.

#### <mark style="color:bleu;">Le rapport Performance de l'agent virtuel détaille les résultats de l'outil, de la compétence et de la latence pendant l'engagement des utilisateurs finaux</mark>

Le rapport Performance de l'agent virtuel fournit des données sur les principaux indicateurs de performance de l'agent IA.

* **Indicateurs clés :** Nombre d’outils uniques et total d’outils invoqués, nombre de compétences uniques et total de compétences invoquées, métriques de latence (latence du premier jeton P90/P50), tendance de la latence, taux de confinement, taux d’escalade, utilisation des interactions et économies réalisées.
  * **Métrique des interactions initiées**: Une nouvelle métrique améliorée qui mesure quand et comment les interactions sont initiées, offrant une meilleure visibilité sur la façon dont les utilisateurs accèdent à l’expérience de l’agent virtuel. Cette métrique aide les administrateurs à évaluer les performances des points d’entrée, à évaluer les stratégies de routage et à comprendre comment les modifications apportées aux workflows ou aux interfaces d’entrée influencent le comportement global des interactions.
  * **Métriques du nombre total de messages**: Fournit le nombre agrégé de tous les messages échangés dans le cadre des interactions avec Zoom Virtual Agent et Zoom AI Expert Assist. Ces métriques aident les administrateurs à analyser le volume des conversations, à comparer les schémas de messages entre les canaux et à mieux comprendre la charge multimodale des workflows d’assistance basés sur l’IA.
  * **Garde-fous**: Vue agrégée de l’activité des garde-fous de sécurité côté serveur, qui comprend le nombre total de violations, le taux de violations pour 1 000 interactions, une répartition par catégorie et une évolution dans le temps. En explorant les données agrégées, vous ouvrez les conversations concernées dans le rapport Détails de la conversation, avec un filtre préappliqué à la catégorie de garde-fou sélectionnée. Les rapports sur les garde-fous couvrent la voix et le chat.
* **Filtres :** Plage de dates, type d’agent (voix, chat, chatbot) et agent IA spécifique.
  * **Groupes de sujets** sont également disponibles comme filtre et dimension d’affichage dans les rapports d’analyse des données, ce qui permet aux superviseurs de consulter les données de performance par catégorie métier.
* **Cas d’utilisation :** Aide les administrateurs à évaluer l’efficacité des agents d’IA, à surveiller l’utilisation des outils et des compétences, ainsi qu’à suivre les tendances en matière de latence et de résolution sans transfert afin d’améliorer les performances et le ROI.

{% hint style="info" %}
**Remarque**

Le rapport de l'agent IA dispose d'un paramètre d'économies de coûts qui affecte les performances de l'agent virtuel en fonction d'un coût de jeton prédéfini.
{% endhint %}

#### <mark style="color:bleu;">Le rapport Performance des connaissances fournit des détails sur la manière dont les articles de connaissance sont utilisés pendant les engagements</mark>

Ce rapport vous donne un aperçu de la manière dont vos articles de base de connaissances contribuent à résoudre les problèmes de vos clients.

* **Indicateurs clés**: interactions assistées par des connaissances, taux d’interactions assistées par des connaissances, articles référencés et nombre moyen d’articles référencés par interaction.
* **Filtres**: plage de dates, type d’agent (voix, chat, chatbot), agent d’IA spécifique et source des articles.
  * Le filtre de source de l'article possède deux valeurs — suggéré par l'IA et ajouté manuellement — et chaque ligne d'article affiche un libellé de source, afin que les administrateurs puissent auditer la contribution du moteur de recommandation.
* **Cas d’utilisation**: aide les administrateurs à évaluer l’efficacité du contenu de connaissances et à l’optimiser pour améliorer les taux de résolution.
* **Badges d’articles de la base de connaissances actifs/inactifs** : cette fonctionnalité ajoute une icône de type badge aux articles de la base de connaissances qui ont été remplacés ou mis à jour. Les anciennes et les nouvelles versions restent visibles dans le rapport ZVA, avec des indicateurs d’état clairs précisant si chaque article est actif ou inactif.

Le tableau des articles comprend une colonne **Taux de résolution**  qui indique le taux de résolution de chaque article dans les interactions par chat et par téléphone. Ce taux correspond au nombre d’interactions résolues ayant utilisé l’article, divisé par le nombre total d’interactions ayant utilisé cet article. Les administrateurs peuvent ainsi voir quels articles aident réellement à résoudre les problèmes, et pas seulement quels articles sont récupérés par l’agent.

Les administrateurs peuvent également voir pourquoi les utilisateurs finaux ont indiqué qu’un article n’était pas utile. Le widget **Répartition des raisons pour lesquelles un article n’est pas utile**  situé sous **Analyse des données et rapports** > **Performances des connaissances**, répartit les signalements de contenu non utile selon le motif choisi par l’utilisateur final. La sélection d’un motif dans le graphique filtre la vue, ce qui permet aux administrateurs de déterminer précisément pourquoi certains articles donnent de moins bons résultats et de prioriser les mises à jour du contenu.

#### <mark style="color:bleu;">Le rapport Query Insight offre une vue détaillée des requêtes des consommateurs traitées par les agents virtuels</mark>

Ce rapport vous offre une vue d'ensemble des données de requête, y compris le volume des requêtes, la couverture des correspondances, le lien avec l'engagement et les résultats au niveau des sujets.

* **Indicateurs clés :** Nombre total de requêtes, nombre moyen de requêtes par interaction, sujets populaires, sujets résolus, sujets transférés et tendances de correspondance des requêtes.
* **Filtres :** Plage de dates, type d’agent (voix, chat, chatbot), agent IA, type de correspondance des requêtes, article, sujet, résultat de l’interaction, base de connaissances et Langue.
* **Cas d’utilisation :** Aide les administrateurs et les analystes à comprendre les comportements liés aux requêtes, à évaluer la couverture des sujets et à identifier les axes d’amélioration de la qualité des réponses et des performances de l’automatisation.

Zoom Virtual Agent analyse des données propose également des groupes de sujets, une hiérarchie à deux niveaux qui organise automatiquement les sujets granulaires en catégories alignées sur les besoins d’Affaires, comme « Facturation et paiements » ou « Expédition et livraison ». Les superviseurs peuvent identifier d’un seul coup d’œil les principaux motifs de contact au niveau de la catégorie tout en conservant la possibilité d’analyser plus en profondeur des sujets spécifiques.

Les règles de masquage configurées dans les préférences du locataire Zoom Virtual Agent s’appliquent désormais uniformément dans le Tableau de bord Query Insights, y compris la liste des requêtes et les vues d’exploration détaillée. Auparavant, ces surfaces affichaient les énoncés bruts, quel que soit l’ensemble de règles configuré ; elles respectent désormais le même ensemble de règles de masquage que le reste du produit.

Le rapport Insights sur les requêtes propose trois options d’exportation : la vue du tableau des requêtes, les données d’engagement pour les requêtes répertoriées dans le tableau et les traces des agents pour ces engagements.

#### <mark style="color:bleu;">Les outils d’analyse des données comparatives — Afficher deux segments de données côte à côte</mark>

Les administrateurs peuvent comparer deux segments de données directement dans le Tableau de bord Zoom Virtual Agent, sans exportation ni changement d’écran. Depuis n’importe quel rapporter, cliquez sur Comparer, sélectionnez un ensemble de filtres, et le Tableau de bord se réaffiche dans une disposition à deux cohortes afin que vous puissiez comparer les deux segments l’un à l’autre. Les fonctionnalités d’analyse des données comparatives fonctionnent de concert avec les fonctions d’exploration détaillée et de filtrage croisé du Tableau de bord.

#### <mark style="color:bleu;">Le filtrage croisé recalcule les visualisations du Tableau de bord par dimension</mark>

Les superviseurs peuvent cliquer sur une valeur dimensionnelle dans les pages Query Insights, Détails de la conversation, Performance de la base de connaissances et Performance des agents afin d’appliquer un filtrage croisé à chaque visualisation de la page. Les valeurs cliquables incluent les sujets, les agents, les outils ou les segments de graphique.

Une pastille de filtre indique la sélection en cours. Celle-ci peut être effacée en cliquant sur **x**, en sélectionnant à nouveau la valeur ou en cliquant en dehors de celle-ci. Plusieurs filtres croisés peuvent être combinés entre eux et avec les Paramètres existants de la barre de filtres pour Afficher les résultats communs. Le survol d’un élément filtrable fait apparaître un curseur en forme de pointeur et une infobulle décrivant l’action.

#### <mark style="color:bleu;">Le Conversation Details rapporter fournit des analyses de conversation basées sur l'engagement pour les agents virtuels</mark>

Le reporting Conversation Details fournit des données pour les principaux indicateurs d'engagement des agents d'IA.

* **Indicateurs clés :** Nombre total d’interactions, interactions à plusieurs tours, durée moyenne et totale des interactions, et journaux des interactions avec métadonnées (sujets, outils, compétences, motifs d’escalade et agents ayant répondu). Pour les déploiements à plusieurs instances, le rapport ajoute également une colonne **Instance** qui indique quelle instance a traité chaque interaction.
* **Filtres :** Plage de dates, type d’agent (voix, chat, chatbot), agent IA, outil, résultat de l’interaction, dernier agent ayant répondu, compétence, sujet, transfert accepté (voix uniquement), déclenchement du garde-fou lié à la fin de l’interaction par l’agent IA (voix uniquement) et, pour les déploiements à plusieurs instances, instance et groupe d’instances.
* **Cas d’utilisation :** Permet aux administrateurs d’analyser la qualité des interactions, de suivre les performances des agents IA et des compétences, et d’examiner le comportement au niveau des conversations à des fins d’optimisation, de supervision opérationnelle et de rapports internes.

Lorsqu'une conversation déclenche un garde-fou de sécurité côté back-end, le Conversation Details rapporter l'indique avec un badge de garde-fou sur l'engagement concerné et un panel montrant quelles catégories de garde-fou se sont déclenchées et à quel tour. Les administrateurs peuvent filtrer la liste des engagements par catégorie de violation — par exemple, crimes violents, abus du code-interprète, confidentialité ou diffamation — pour n'examiner que les conversations qui ont déclenché une règle. Il s'agit des garde-fous de sécurité côté back-end de Zoom, et non des garde-fous qu'un administrateur rédige dans Agent Guidance.

Conversation Details inclut également une bande de visualisation configurable en haut du Tableau de bord. Vous pouvez créer vos propres visualisations pour les variables — système et personnalisées — en choisissant entre des graphiques en secteurs, en barres et en courbes. Les visualisations peuvent être ajoutées, déplacées et redimensionnées, et vos Paramètres sont conservés au niveau du compte pour votre prochaine session. Les graphiques épinglés respectent les filtres actifs de la page, vous offrant une vue claire de la distribution des variables exactement là où vous en avez besoin.

#### <mark style="color:bleu;">Le rapport des sondages d'engagement des consommateurs sert à rapporter les Commentaires des consommateurs recueillis à partir des sondages post-engagement dans Zoom Virtual Agent</mark>

Ce rapport collige les Commentaires des sondages post-engagement pour rapporter la satisfaction des consommateurs, le succès de la résolution et les possibilités d'amélioration.

* **Indicateurs clés :** Attribué à un agent, lancements, réponses, taux de réponse, taux de complétion, tendance des lancements, réponses aux questions du sondage et répartition des commentaires en texte libre.
* **Filtres :** Période, agent IA et bot (y compris ses variantes, le cas échéant).
* **Cas d’utilisation :** Permet aux administrateurs d’évaluer le ressenti des consommateurs, de mesurer les performances du chatbot et de repérer les possibilités d’améliorer la qualité des interactions et la satisfaction des utilisateurs.

#### <mark style="color:bleu;">Les métriques de résolution implicite déduisent les résultats client à partir du comportement d'engagement</mark>

Les administrateurs peuvent évaluer les performances de l'agent virtuel grâce à la résolution implicite, qui déduit automatiquement la résolution et la satisfaction des utilisateurs à partir de leur comportement réel, tel que l'achèvement du flux de travail et les niveaux d'engagement.

Cette mesure offre une alternative aux enquêtes traditionnelles lorsque les taux de réponse CSAT explicites sont faibles. Elle fonctionne également avec les mesures existantes basées sur des enquêtes, plutôt que de les remplacer. Les données de résolution implicite sont disponibles dans le portail Web Zoom, via l'API ou dans des rapports téléchargeables, ce qui aide les administrateurs à optimiser l'efficacité de Zoom Virtual Agent.

La logique qui détermine la résolution implicite a été améliorée afin de lire les conversations avec plus de précision, réduisant les erreurs de classification dans les deux sens. Par conséquent, le taux de résolution reflète plus fidèlement les résultats réels. Les administrateurs peuvent constater un léger décalage des métriques à mesure que l'amélioration prend effet.

L’analyse des données de Zoom Virtual Agent fournit également une mesure de **résolution sans retour** pour les interactions vocales et par chat. Une interaction est considérée comme résolue sans retour lorsqu’elle est traitée sans transfert et que le même client ne revient pas pendant la période de retour définie. Comme elle associe le traitement sans transfert au comportement ultérieur du client, cette mesure donne aux administrateurs une indication plus fiable de la résolution effective que le seul traitement sans transfert.

Les Paramètres liés aux rapports de chaque agent sont configurés dans une section dédiée aux Paramètres de rapport de la configuration de l’agent. Cette section regroupe trois paramètres : objectifs atteints, résultats des conversations et résolution sans retour. Ces paramètres influent uniquement sur les rapports, et non sur le comportement de l’agent. Les paramètres Objectifs atteints et Résultats des conversations s’appliquent aux agents sortants, tandis que Résolution sans retour s’applique aux agents entrants.

#### <mark style="color:bleu;">Le journal d'engagement permet d'enregistrer en détail chaque interaction avec les agents IA et vocaux, y compris les résultats, la durée et les transcriptions à examiner</mark>

<div data-with-frame="true"><img src="https://4108585137-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FBekwbdgq0PzE6LyvSslJ%2Funknown.png?alt=media&amp;token=228a0e64-0379-4341-8546-1567ff1ccd6d" alt=""></div>

Le journal d'engagement fournit une vue détaillée de chaque interaction gérée par vos agents d’IA ou vocaux. Il vous aide à analyser la manière dont chaque conversation a été gérée, qu’elle ait été prise en charge par l’IA ou transférée à un agent en direct, ainsi que les indicateurs clés de performance de cet engagement.

Ce rapporter est précieux pour les superviseurs, les administrateurs et les analystes qui ont besoin d’une visibilité sur l’efficacité des agents, l’expérience client et les performances du système.

**Colonnes clés du journal d'engagement**

* **Identificateur de l’interaction** : identificateur unique pour chaque interaction. Vous pouvez l’utiliser pour rechercher et examiner des conversations précises.
* **Canal** : Indique si l’interaction a été prise en charge par un agent de chat ou un agent vocal.
* **Source** : Affiche le point d’entrée, tel que le centre de contact Zoom, où l’interaction a été initiée.
* **Consommateur** : Le client ou l’utilisateur final qui a initié l’interaction. Il peut être identifié par un numéro de téléphone pour les appels vocaux ou par un Nom d'utilisateur pour les sessions de chat.
* **Agent IA** : Indique quel agent IA a pris en charge l’interaction.
* **Outil / Compétence / Sujet / Article** : Affiche les outils, compétences ou ressources de connaissances que l’agent IA a utilisés pendant l’interaction, tels que « obtenir le statut du ticket » ou « demande de transfert à un agent ».
* **Résultat de l’interaction** : Le résultat final de l’interaction. « Résolution » signifie que l’agent IA a résolu le problème sans transfert. « Transfert » indique que l’interaction a été confiée à un agent humain. Les motifs de transfert sont indiqués le cas échéant, par exemple « Transfert prévu » ou « Transfert demandé ».
* **Heure de début / Heure de fin** : Les horodatages du début et de la fin de l’interaction.
* **Dernier intervenant** : Indique qui a terminé l’interaction : l’agent IA ou un agent humain après un transfert.
* **Durée de l’interaction** : La durée totale de l’interaction.
* **Nombre d’échanges** : Le nombre d’échanges entre l’agent IA et le client.
* **Durée d’interaction** : Durée pendant laquelle le client a participé à l’interaction, particulièrement utile pour les appels vocaux.
* **Transfert accepté / l’agent IA a quitté la conversation** : Indique si le transfert vers un agent humain a réussi et si l’agent IA a quitté l’interaction.

Ce reporting prend en charge l’auditabilité, la révision et la formation en fournissant des pistes d’audit qui peuvent améliorer les performances de l’IA et des agents humains.

Par exemple, si l’agent du service d’assistance informatique affiche un nombre élevé d’escalades pour les tâches de création de tickets, les superviseurs peuvent consulter les transcriptions pour identifier pourquoi les utilisateurs demandent un agent humain et mettre à jour la configuration de l’IA ou les données de formation.

**Le suivi des agents offre une visibilité étape par étape sur la prise de décision des agents virtuels**

Lors de l’examen d’un engagement, les administrateurs peuvent utiliser Agent Tracing pour voir la chaîne de décision complète, du traitement de l’entrée jusqu’à la réponse finale. Cela facilite le dépannage, la revue d’assurance qualité et l’optimisation des performances.

Agent Tracing fournit une trace unifiée, lisible par l’humain, liée à un engagement spécifique. Elle comprend une transcription complète de l’échange avec le client ainsi que les actions du système. Chaque étape du pipeline est horodatée avec des durées de début et de fin.

Agent Tracing inclut :

* Capture de l’entrée
* Classification NLU/des intentions
* Étapes de recherche et de récupération (c.-à-d. réécriture des requêtes et sélection des sources)
* Inférence LLM
* Appels d’outils/de fonctions
* Rendu de la réponse

Agent Tracing fournit également des résumés au niveau de l’engagement qui accélèrent le dépannage. Un résumé des appels d’outils répertorie chaque outil invoqué pendant l’engagement, avec son état de réussite ou d’échec, de sorte que les administrateurs n’ont plus besoin de parcourir la trace tour par tour pour trouver un appel spécifique. Un résumé des variables offre une vue consolidée de chaque variable définie au cours du même engagement. Ensemble, ces résumés mettent en évidence à la fois les exécutions de script, les déclencheurs de compétences et le parcours global de l’interaction en un coup d’œil.

Agent Tracing capture également des informations détaillées de traçage et de débogage pour les outils intégrés, notamment l’outil SMS, l’outil e-mail, l’enregistrement de la réponse et la fin de la conversation. Pour chaque invocation d’outil, la trace enregistre la raison pour laquelle l’outil a été sélectionné, les paramètres d’entrée transmis, la sortie de résolution des variables, l’état d’exécution et toutes les erreurs retournées. La trace indique également pourquoi une conversation s’est terminée, notamment si cela a été déclenché par une instruction ou par un délai d’attente après des réessais de relance.

{% hint style="info" %}
**Remarque**

Vous pouvez trouver Agent Tracing dans l’analyse des données de Zoom Virtual Agent. Il est accessible depuis le journal des engagements lors de l’examen d’interactions individuelles.
{% endhint %}

Pour valider les modifications de l’agent avant le déploiement, consultez la section Évaluation ci-dessous.

#### <mark style="color:bleu;">L’évaluation valide les modifications de l’agent avant le déploiement grâce aux tests de scénarios et à la comparaison de versions</mark>

Lorsqu’ils modifient la configuration, les instructions, les compétences ou les outils d’un agent, les administrateurs doivent vérifier que ces changements ne dégraderont pas les performances avant la publication en production. L’évaluation fournit un environnement de test structuré pour cela.

Les administrateurs peuvent exécuter des évaluations sur n’importe quelle version d’agent publiée ou historique, pas seulement sur le brouillon actuel. Les évaluations s’exécutent en lecture seule sur l’instantané de la version sélectionnée, de sorte que l’agent actif n’est pas modifié. Cela ancre les résultats à une configuration spécifique et connue.

Vous pouvez ensuite évaluer deux versions d’agent côte à côte à l’aide du même ensemble de scénarios. Les résultats affichent des métriques par version (comme les taux de réussite des scénarios, les scores d’adéquation du comportement, et plus encore) afin que les administrateurs puissent voir précisément où les performances ont changé entre les versions. Une vue détaillée de la transcription permet aux administrateurs d’examiner en détail des cas de test individuels pour voir comment les réponses diffèrent.

Avant l’exécution d’une évaluation, le système valide l’intégrité des cas de test. Cela inclut la vérification des outils manquants, des variables non définies ou des incompatibilités de schéma. Cela évite des exécutions d’évaluation inutiles et élimine les faux négatifs causés par des erreurs de configuration plutôt que par le comportement réel de l’agent.

L’évaluation soutient les efforts des administrateurs pour apporter des modifications d’agent prêtes pour la production, ce qui peut aider à accélérer les cycles d’itération et à gérer les risques. Associée à Agent Tracing, elle crée un flux de travail de diagnostic et de validation robuste.

#### <mark style="color:bleu;">Le tableau de bord ZVA Receptionist offre aux petits déploiements une vue des performances sur un seul écran</mark>

Pour les petits déploiements ZVA Receptionist qui n’ont pas besoin de la suite complète d’analyse des données, un tableau de bord sur un seul écran présente les performances en langage simple. Chaque valeur est regroupée à partir de métriques existantes, donc aucun nouvel instrument n’est requis. Une ligne récapitulative affiche les appels traités, le temps téléphonique traité (exprimé en heures) et les économies réalisées. Un anneau de confinement est associé à un nombre d’escalades et à un lien « Lire ces conversations » qui mène directement aux engagements sous-jacents. Le tableau de bord met également en avant les principales raisons pour lesquelles les personnes ont appelé ainsi qu’une répartition des résultats résolus/non résolus, et un tableau par agent ainsi qu’un journal simplifié des conversations complètent l’écran — le tout filtré par une seule ligne de filtres.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/fr/services-affaires/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
