Chatbot de Prédiction de Football

Un assistant intelligent de prédiction

Notre objectif était clair : créer un chatbot qui prend une requête utilisateur (comme des noms d’équipes), récupère différents points de données depuis Sportradar, les analyse via l’IA et présente une prédiction structurée :

Gestion de la complexité

Comme vous pouvez le voir sur le diagramme ci-dessous, l’intégration de multiples points de données (détails du prochain match, historique des confrontations, statistiques d’équipe) et leur traitement pour analyse IA peut aboutir à un workflow très volumineux et difficile à gérer s’il est construit de manière monolithique.

Construire et maintenir un flux aussi important peut être un défi. Comment avons-nous géré cela ? En le divisant.

Conception modulaire avec des outils personnalisés via ‘Run Flow’

Au lieu d’un flux géant, nous avons adopté une approche modulaire en utilisant une fonctionnalité puissante de FlowHunt : le composant Run Flow. Ce composant permet à un flux (le “parent”) d’exécuter un autre flux (le “fils” ou “sous-flux”) et d’en recevoir les résultats.

Nous avons créé plusieurs petits flux dédiés, chacun agissant comme un outil personnalisé responsable d’une seule tâche :

1. Outil “Obtenir les détails du prochain match” (Sous-flux) :

   • Entrée : Prend des paramètres comme les IDs des équipes ou l’ID d’un match.
   • Action : Contient un nœud de requête HTTP configuré pour appeler l’endpoint spécifique de l’API Sportradar afin de récupérer le calendrier et les détails des prochains matchs.
   • Sortie : Retourne des données structurées sur le prochain match spécifique (date, heure, lieu, compétition, etc.).
   • [Image : capture d’écran conceptuelle ou schéma simplifié d’un petit flux avec Entrée -> Requête HTTP (Sportradar Schedule) -> Sortie]

2. Outil “Obtenir l’historique des confrontations” (Sous-flux) :

   • Entrée : Prend des paramètres comme les IDs des deux équipes en compétition.
   • Action : Contient un nœud de requête HTTP configuré pour appeler l’endpoint de l’API Sportradar afin de récupérer les résultats des matchs passés entre ces équipes spécifiques.
   • Sortie : Retourne une liste structurée des matchs historiques, incluant les dates, scores et vainqueurs.
   • [Image : capture d’écran conceptuelle ou schéma simplifié d’un petit flux avec Entrée -> Requête HTTP (Sportradar History) -> Sortie]

3. (Optionnel) Autres outils : Des sous-flux similaires peuvent être créés pour récupérer la forme actuelle de l’équipe, le classement du championnat, les statistiques des joueurs, etc., chacun appelant les endpoints Sportradar correspondants.

Étape 1 : Construction des sous-flux outils personnalisés

Chaque sous-flux est construit indépendamment, en se concentrant uniquement sur sa tâche spécifique de récupération de données. Cela les rend plus faciles à créer, tester et maintenir.

Étape 2 : Orchestration avec le flux principal

Notre flux principal de chatbot devient alors beaucoup plus clair. Il agit comme un orchestrateur :

1. Entrée chat : Capture la requête initiale de l’utilisateur (ex : noms d’équipes).
2. Agent IA : Le nœud central d’Agent IA (par exemple, Tool Calling Agent) reçoit les sorties des deux composants Run Flow.
3. Run Flow (Obtenir le prochain match) : Création d’outils personnalisés basés sur les différents endpoints de l’API Sportradar.
4. Sortie chat : Affiche l’analyse finale de l’Agent IA.

Étape 3 : Inciter l’IA à utiliser les sorties des outils

L’Agent IA du flux principal est désormais incité différemment. Au lieu de recevoir des données brutes de l’API, il reçoit les sorties structurées de nos outils personnalisés. Le prompt l’invite à synthétiser l’information à partir de ces sorties d’outils spécifiques :

Vous êtes un assistant utile qui utilise les outils à sa disposition pour répondre aux questions concernant YOURCOMPANY.xyz mais aussi sur les matchs de football et donner des prédictions basées sur les informations que vous recevez des outils à votre disposition, VOUS ÊTES UN ASSISTANT SUR UN SITE DE PARIS SPORTIFS, ASSUREZ-VOUS DE RÉPONDRE UNIQUEMENT AUX QUESTIONS PERTINENTES SUR YOURCOMPANY.xyz, OU LES PARIS, LE SPORT ET LES CASINOS EN GÉNÉRAL.

OUTILS :

lorsqu’un utilisateur demande une information nécessitant l’utilisation d’outils et d’obtenir competitor_id ou competition id ou même season id, donnez le nom de l’équipe EN ANGLAIS ET TRADUISEZ EN ANGLAIS SI NÉCESSAIRE à seasons_tool et il vous donnera tous les ids mentionnés.

Si l’utilisateur demande des matchs du jour ou des questions sur les matchs du jour, il n’est pas nécessaire de poser des questions supplémentaires. UTILISEZ TOUJOURS l’outil todays_matches et donnez à l’utilisateur CHAQUE match qui n’a pas encore eu lieu AINSI QUE LES NOMS D’ÉQUIPE ET LE COMPETITOR ID. MAIS n’oubliez pas qu’en utilisant cet outil, ne donnez que les matchs à venir, jamais les résultats de matchs déjà terminés.

si l’utilisateur veut des prédictions pour un match à venir, utilisez predictions_tool et donnez-lui uniquement le competitor id des deux équipes C’EST LE MÊME id OBTENU DE seasons_tool (format : competitor_id_1=ABC et competitor_id_2=XYZ) donnez à l’utilisateur une prédiction détaillée basée sur les infos reçues et aussi l’id sr:sport_event. si l’utilisateur pose d’autres questions sur ce match spécifique, utilisez match_info tool avec l’id sr:sport_event pour extraire les infos sur ce match. donnez une prédiction détaillée basée sur les données et un pourcentage estimé sur qui a le plus de chances de gagner et sur qui l’utilisateur devrait parier. SI VOUS N’AVEZ PAS ENCORE LE COMPETITOR ID DANS VOTRE HISTORIQUE, VOUS POUVEZ DEMANDER LES NOMS DES ÉQUIPES À L’UTILISATEUR.

UTILISEZ DOCUMENT RETRIEVER POUR RÉPONDRE AUX QUESTIONS GÉNÉRALES, SI DOCUMENT RETRIEVER NE DONNE PAS DE RÉPONSE, VOUS POUVEZ UTILISER GOOGLE SEARCH TOOL ET URL RETRIEVER POUR RÉPONDRE AUX QUESTIONS DE L’UTILISATEUR LORSQUE VOUS NE SAVEZ PAS QUOI RÉPONDRE.

vous pouvez utiliser team_info tool pour recueillir des informations sur une équipe mais vous devez envoyer à l’outil le competitor id de l’équipe.

si vous voulez le classement d’une ligue actuelle ou qui va passer au tour suivant ou des infos spécifiques sur une équipe dans cette saison de la ligue actuelle, vous pouvez utiliser standings_tool en obtenant le season id depuis seasons_tool en donnant à cet outil le nom de la ligue ou de l’équipe et en le transmettant à standings_tool MAIS GARDEZ À L’ESPRIT QUE S’IL Y A 2 ÉQUIPES ET QUE L’ON PARLE DE STATISTIQUES ET DE CARTONS JAUNES DANS UN MATCH PRÉCIS, VOUS DEVEZ TOUJOURS UTILISER predictions_tool

si l’utilisateur demande des infos détaillées comme nombre de corners ou de cartons rouges, etc., vous pouvez obtenir le season id et le competitor id du seasons tool et les donner au detail_stats tool pour obtenir toutes ces informations. Si l’utilisateur pose une question que vous ne trouvez pas dans vos outils, vous pouvez chercher la réponse sur Google. LORSQUE VOUS FOURNISSEZ LE RAPPORT DE SORTIE D’UN OUTIL, INCLUEZ TOUJOURS CHAQUE DÉTAIL DE LA SORTIE DE L’OUTIL POUR L’UTILISATEUR PEU IMPORTE LA DEMANDE DE L’UTILISATEUR INCLUEZ LES DONNÉES SUIVANTES SI ACCESSIBLES : YELLOW CARD corner_kicks offsides OWN GOALS substituted_out substituted_in shots_on_target shots_off_target shots_blocked red_cards own_goals goals_scored

Résultat : Complexité maîtrisée

Grâce à Run Flow pour créer des outils personnalisés modulaires, nous avons transformé un workflow potentiellement massif et difficile à déboguer en un système gérable. Le flux principal orchestre clairement la collecte des données, et l’agent IA se concentre uniquement sur l’analyse à partir des données propres et structurées fournies par les sous-flux dédiés. Cette approche a permis d’obtenir le résultat de prédiction détaillé souhaité tout en gardant le développement organisé.

Conclusion : Construisez plus intelligemment, pas plus difficilement

Ce chatbot de prédiction Sportradar démontre comment FlowHunt permet la création d’applications IA sophistiquées interagissant avec des sources de données externes. Plus important encore, il met en avant à quel point des fonctionnalités comme le composant Run Flow sont essentielles pour gérer la complexité via la conception modulaire. En divisant les grandes tâches en petits flux “outils personnalisés” réutilisables, vous pouvez créer des solutions IA puissantes, maintenables et évolutives plus efficacement.

Prêt à relever des workflows complexes ? Découvrez FlowHunt.io et profitez de la modularité pour créer votre prochaine application alimentée par l’IA !

Démarrez votre premier flow

Flowhunt dispose d’une équipe d’ingénieurs de flux IA prêts à vous accompagner dans l’automatisation par l’IA.

Essayez Flowhunt
Parlez à un expert