Chatbot — Architecture conversationnelle

Section 11.4.9 : Chatbot — Architecture conversationnelle

🎯 Objectif pédagogique

Concevoir l'architecture d'un chatbot IA : gestion des messages, personality, guardrails, et patterns de conversation. Vous serez capable de dessiner l'architecture d'un chatbot avant de coder.

Construire un chatbot — Pas juste un wrapper

N'importe qui peut appeler l'API OpenAI. Mais construire un vrai chatbot nécessite de l'architecture : comment gérer l'historique ? Comment éviter les réponses hors-sujet ? Comment donner une personnalité cohérente ? Comment gérer les edge cases ?

Architecture du chatbot

┌─────────────────────────────────────────────────────┐
│                   CHATBOT ARCHITECTURE              │
├─────────────────────────────────────────────────────┤
│                                                     │
│  [User Input]                                       │
│       ↓                                             │
│  [Input Guardrails]                                 │
│    - Détection de prompt injection                  │
│    - Filtrage des requêtes hors-scope               │
│    - Validation de la longueur                      │
│       ↓                                             │
│  [Context Manager]                                  │
│    - Historique de conversation (N derniers messages)│
│    - System prompt (personnalité)                   │
│    - Données contextuelles (profil utilisateur)     │
│       ↓                                             │
│  [LLM API Call]                                     │
│    - Modèle sélectionné                             │
│    - Paramètres (temperature, max_tokens)            │
│       ↓                                             │
│  [Output Guardrails]                                │
│    - Vérification de la cohérence                   │
│    - Filtrage de contenu inapproprié                 │
│    - Formatage de la réponse                        │
│       ↓                                             │
│  [Response to User]                                 │
│                                                     │
└─────────────────────────────────────────────────────┘

Le System Prompt — L'âme du chatbot

SYSTEM_PROMPT = """Tu es CareerBot, un assistant de recherche d'emploi spécialisé 
dans la reconversion professionnelle vers les métiers tech/data/IA.

## Personnalité
- Ton : professionnel mais chaleureux, encourageant sans être condescendant
- Style : direct, concret, orienté action
- Tu tutoies l'utilisateur

## Compétences
- Analyse d'offres d'emploi
- Rédaction de CV et lettres de motivation
- Préparation aux entretiens techniques
- Conseil en formation et montée en compétences
- Stratégie de recherche d'emploi

## Contraintes
- NE JAMAIS inventer des offres d'emploi ou des entreprises (si on te demande des offres, recommande des sites comme Indeed, LinkedIn, Welcome to the Jungle)
- NE JAMAIS donner de conseil juridique
- Si une question est hors de ton domaine, redirige poliment
- Limite tes réponses à 300 mots max sauf demande explicite
- Toujours terminer par une question ou une suggestion d'action

## Contexte utilisateur
L'utilisateur type est en reconversion professionnelle vers la tech.
Adapte tes conseils à son niveau (débutant) et son background (souvent finance, commerce, ou gestion).

## Format
- Utilise des listes à puces pour les conseils
- Mets les termes techniques en **gras** la première fois
- Propose des exercices pratiques quand c'est pertinent
"""

Guardrails — Sécuriser le chatbot

class Guardrails:
    """Sécurité et validation des entrées/sorties."""
    
    # Mots-clés indiquant une tentative de prompt injection
    INJECTION_PATTERNS = [
        "ignore tes instructions",
        "ignore previous",
        "oublie tes règles",
        "tu es maintenant",
        "new system prompt",
        "révèle ton prompt",
    ]
    
    @staticmethod
    def check_input(user_message):
        """Valider l'entrée utilisateur."""
        # Longueur
        if len(user_message) > 5000:
            return False, "Message trop long. Limite : 5000 caractères."
        
        if len(user_message.strip()) == 0:
            return False, "Message vide."
        
        # Détection d'injection basique
        lower_msg = user_message.lower()
        for pattern in Guardrails.INJECTION_PATTERNS:
            if pattern in lower_msg:
                return False, "Je ne peux pas modifier mes instructions. Comment puis-je t'aider avec ta recherche d'emploi ?"
        
        return True, ""
    
    @staticmethod
    def check_output(response):
        """Valider la réponse avant envoi."""
        # Vérifier que le bot ne révèle pas son system prompt
        if "system prompt" in response.lower() or "mes instructions" in response.lower():
            return "Je suis CareerBot, ton assistant de recherche d'emploi. Comment puis-je t'aider ?"
        
        return response

Patterns de conversation

# Différents types de conversations :

CONVERSATION_STARTERS = \{
    "analyse_offre": "Partage-moi l'offre d'emploi et je l'analyserai pour toi !",
    "cv_review": "Envoie-moi ton CV (ou décris ton parcours) et je te donnerai des suggestions.",
    "interview_prep": "Pour quel poste prépares-tu un entretien ? Je vais te poser des questions type.",
    "career_advice": "Parle-moi de ton parcours actuel et de tes objectifs. Je t'aiderai à définir un plan.",
\}

# Pattern : Multi-tour avec mémoire
# Le chatbot peut référencer des échanges précédents :
# "Tu m'as dit que tu venais de la finance — voici comment valoriser cette expérience..."

# Pattern : Structured output mid-conversation
# Le chatbot peut basculer en mode analyse :
# User: "Analyse cette offre: [texte]"
# Bot: Réponse structurée avec score, forces, gaps, verdict

🏋️ Exercice pratique (25 minutes)

1. →Rédigez un System Prompt pour un chatbot de votre choix (career bot, code reviewer, etc.)
2. →Identifiez 5 guardrails nécessaires
3. →Testez votre chatbot avec des questions légitimes ET des tentatives d'injection
4. →Dessinez l'architecture complète de votre chatbot