Slack fait évoluer Slackbot pour en faire un agent personnel capable d’exploiter les conversations, les documents et certaines données métier directement dans l’espace de travail. Lors d’une démonstration, nous avons observé comment cet assistant dopé au contexte peut organiser une journée, préparer une réunion ou analyser des retours clients sans quitter Slack.
Avec l’essor des assistants conversationnels, de nombreux outils promettent d’automatiser certaines tâches professionnelles. Slack tente désormais d’aller plus loin en transformant Slackbot, jusqu’ici limité à des fonctions simples, en un agent capable d’interagir avec les données de travail. « Le problème aujourd’hui n’est pas forcément d’avoir le modèle d’intelligence artificielle le plus puissant, mais plutôt l’absence de contexte », explique Aurélie Coelho, Solution Engineer chez Slack. « Slackbot possède ce contexte puisqu’il est déjà intégré dans le flux de travail. »
L’agent peut ainsi exploiter les conversations Slack, les documents partagés et certaines applications connectées pour répondre aux demandes des utilisateurs. L’intérêt premier, c’est de réduire le temps passé à rechercher des informations dispersées entre plusieurs outils.
Organiser sa journée à partir du contexte Slack
Premier scénario présenté lors de la démonstration : l’organisation de la journée de travail. En posant simplement la question « aide-moi à organiser ma journée », Slackbot analyse plusieurs sources d’information. L’agent examine les messages auxquels l’utilisateur a accès, les canaux dans lesquels il est actif et les événements inscrits dans son agenda. À partir de ces éléments, il génère une synthèse des réunions prévues et propose des priorités possibles. Dans la démonstration, Slackbot a par exemple identifié un rendez-vous avec un manager prévu quelques heures plus tard et suggéré de préparer ce point en amont.
Ce type de requête illustre l’un des principes mis en avant par Slack, celle de la compréhension du contexte de travail, ce qui change vraiment la donne. « Slackbot sait sur quoi vous travaillez et avec qui », souligne Aurélie Coelho. « Il peut aller chercher les informations disponibles dans Slack mais aussi dans des applications externes. »
Préparer une réunion en quelques secondes
Autre scénario présenté lors de la démonstration : la préparation d’un point avec un manager. En demandant simplement à Slackbot de préparer un document pour une revue trimestrielle, l’agent analyse les conversations, les projets évoqués dans les canaux Slack et les documents partagés dans l’espace de travail. Il génère ensuite automatiquement un document collaboratif dans Slack, appelé Canvas. Dans l’exemple présenté, le document comportait un résumé exécutif, les activités récentes, les opportunités en cours et plusieurs points de discussion pour la réunion.
Les collaborateurs réduisent ainsi drastiquement le temps consacré à la collecte d’informations dispersées dans différents canaux ou documents, une tâche qui s’avérait souvent chronophage. « Slackbot va aller voir l’ensemble des messages, les canaux dans lesquels je travaille, les projets sur lesquels je suis impliquée et les documents que j’ai partagés », explique Aurélie Coelho. « Ensuite il est capable de créer un document collaboratif directement dans Slack. » Ce type d’usage illustre la stratégie de Slack de transformer l’espace de messagerie en un environnement de travail capable de centraliser et structurer les informations.
Analyser les retours clients sans parcourir des dizaines de messages
Slackbot peut également être utilisé pour analyser des retours utilisateurs. Dans un autre scénario, l’agent est sollicité par un responsable produit qui souhaite comprendre les réactions des premiers clients testant une nouvelle fonctionnalité. Plutôt que de parcourir manuellement un canal contenant de nombreux messages, l’utilisateur demande à Slackbot d’identifier les principaux retours. L’agent synthétise alors les informations importantes comme les fonctionnalités appréciées, les problèmes signalés et les demandes d’amélioration. Il peut également croiser ces informations avec d’autres documents ou rapports partagés dans l’espace de travail afin d’identifier des tendances ou des risques avant le lancement d’une fonctionnalité.
Cette capacité à agréger plusieurs sources d’information repose sur une technique dite de RAG (retrieval augmented generation), qui consiste à fournir au modèle d’IA des données contextuelles issues des outils de travail. « On fait d’abord une recherche pour tirer le contexte de Slack, puis on nourrit le modèle avec ces informations », précise Aurélie Coelho. « Le modèle peut ensuite produire une réponse en s’appuyant sur l’ensemble du contexte disponible. »
Accéder aux données du CRM directement dans Slack
L’un des aspects les plus mis en avant lors de la démonstration concerne l’accès aux données externes. Lorsque Slack est connecté à un CRM comme Salesforce, Slackbot peut interroger ces informations pour enrichir ses réponses. Dans l’exemple présenté, l’agent analyse les retours clients et les compare aux données du CRM afin d’identifier les entreprises qui pourraient être intéressées par un programme pilote. Slackbot propose alors plusieurs comptes pertinents et justifie ses recommandations.
Il peut également générer un résumé destiné à un responsable commercial afin de préparer un échange avec un client potentiel. Les informations issues du CRM, comme les opportunités commerciales ou les montants associés, sont alors intégrées directement dans le document généré.
Planifier la suite des actions
Une fois les informations rassemblées, Slackbot peut également faciliter certaines actions. Dans la démonstration, l’agent a par exemple proposé un créneau de réunion après avoir analysé les agendas de deux collaborateurs. Ce type d’interaction reste relativement simple, mais il montre comment un agent peut servir de passerelle entre plusieurs sources d’information et certaines tâches du quotidien.
Pour Slack, cette capacité à connecter les conversations, les documents et les données métier constitue l’un des principaux leviers de valeur. « Slackbot sait qui vous êtes, sur quels canaux vous travaillez et quels documents vous utilisez », rappelle Aurélie Coelho. C’est là, la véritable valeur ajoutée de l’agent.
Un agent qui comprend l’intention plutôt qu’un système autonome
Malgré ces capacités, Slackbot ne fonctionne pas comme un agent entièrement autonome. L’outil agit surtout comme un assistant capable d’interpréter l’intention de l’utilisateur et d’utiliser les outils disponibles pour répondre à sa demande. Il peut rechercher des informations dans Slack, analyser des documents, consulter des données CRM ou générer des documents. En revanche, la création complète de processus automatisés reste pour l’instant limitée. Bien sûr, Slack a l’ambition toutefois d’aller plus loin. L’entreprise évoque la perspective d’un « super agent » capable d’orchestrer différents agents spécialisés et d’agir comme un point d’entrée unique pour accéder aux outils de l’entreprise.
Le contexte comme élément clé
Ce qui distingue Slackbot d’autres assistants IA tient surtout à son accès au contexte de travail. L’agent peut exploiter les conversations Slack, les fichiers partagés ou des documents externes comme Google Drive ou SharePoint, tout en respectant les permissions existantes. Autrement dit, Slackbot n’accède qu’aux informations auxquelles l’utilisateur a déjà droit. « Il agit selon les permissions existantes dans Slack », précise Aurélie Coelho. « Il ne peut pas accéder à un document auquel l’utilisateur n’a pas lui-même accès. » Cette combinaison entre intelligence artificielle et données internes constitue l’un des principaux axes de développement de Slack pour les années à venir.
Au-delà de ces démonstrations, Slack cherche surtout à transformer son assistant en point d’entrée vers les outils et les données de l’entreprise, afin de permettre aux utilisateurs d’y accéder plus simplement depuis l’espace conversationnel.
« Ce n’est pas forcément le modèle d’IA le plus puissant qui fait la différence, mais le contexte », résume Aurélie Coelho. « Slackbot sait sur quoi vous travaillez, avec qui et dans quels canaux vous êtes actif. »
Dans cette logique, l’agent agit moins comme un système autonome que comme une interface capable de naviguer entre conversations, documents et applications métiers. Une évolution qui illustre l’un des objectifs de Slack : faire de la messagerie collaborative le centre de gravité du travail numérique.
