Plateforme

Jeu de rôle avec l’IA

Des conversations réalistes avec des personnages qui tiennent bon. IA gouvernée, pour que la pratique reste réelle et que la mesure reste équitable.

Une conversation de role play IA en direct avec un personnage réaliste et les consignes de la session

Une séance, quatre étapes

  1. 1

    Préparer

    Contexte, personnage et objectifs : les informations sont organisées selon la manière dont un expert analyse la situation.

    Lire la suite

    Avant la conversation, l’apprenant accède à un espace de préparation. Celui-ci ne propose pas un briefing générique : il organise les informations selon le modèle de l’expert, les variables à prendre en compte, les signaux à interpréter et la stratégie à garder en tête. L’apprenant aborde ainsi la conversation en se concentrant déjà sur les bons éléments.

  2. 2

    S’entraîner

    Une conversation libre, à l’oral ou à l’écrit, avec un AI Live Coach qui suggère l’action suivante.

    Lire la suite

    L’apprenant discute avec un humain numérique en temps réel qui a une personnalité, des besoins situationnels et un point de vue définis, et les conserve pendant toute la conversation. Les conseils du coach s'adaptent au niveau de l’apprenant : entièrement guidé pour les débutants, pure stratégie pour les confirmés. Plusieurs chemins valides mènent au même objectif.

  3. 3

    Retours

    Le propre récit du personnage, puis un Smart Debrief avec plus de 20 indicateurs et un coach pour en parler.

    Lire la suite

    Les apprenants s’évaluent d’abord. Ensuite, le personnage leur raconte, à la première personne, comment il a vécu la conversation ; une annotation sur sa vidéo explique ce qu’il ressentait à chaque instant. Vient ensuite le Smart Debrief : des mesures, des retours détaillés, des indicateurs sur les lacunes en matière de connaissance du produit et de conformité, et un coach IA qui connaît précisément cette séance et peut rejouer le moment critique.

  4. 4

    Progrès

    Vos résultats, les éléments qui les étayent et votre progression au fil du temps. Pour vous seul.

    Lire la suite

    Les conversations, enregistrements, débriefings et échanges de coaching de chaque apprenant sont conservés dans son espace privé. L’organisation voit les résultats du programme, pas le débriefing individuel.

La méthode derrière la fonctionnalité

Pourquoi cette approche fonctionne

Un modèle à usage général peut produire une conversation agréable qui semble utile sans remettre en question le comportement établi.

Découvrir pourquoi

La couche de gouvernance de Skillgym préserve le point de vue du personnage et le désaccord structuré dont un apprenant a besoin. Ce que la mémoire de l'apprenant stocke est une expérience réelle, et la véritable expérience est ce qui revient sous la pression.

Lire la méthodologie d'apprentissage

Encadré dès la conception

Ce n’est pas un dialogue libre avec une IA. Plus de 120 algorithmes propriétaires se trouvent au-dessus des modèles.

  • Une stratégie, pas des mots

    Chaque intervention est analysée en fonction de ce que l’apprenant cherchait à accomplir, et non par rapport à un script.

    Lire la suite

    Un modèle génératif à lui seul a tendance à plaire à l’utilisateur et perd le fil au fil d’une longue conversation. Dans Skillgym, un agent reconnaît la stratégie exprimée dans chaque phrase et la compare à la façon dont vos experts gèrent ce moment ; le personnage réagit à cela, pas aux mots.

  • Des personnages cohérents

    La personnalité, les besoins et le point de vue sont définis avant la conversation et maintenus tout au long.

    Lire la suite

    Un deuxième agent assure la cohérence du personnage : un personnage sceptique ne devient pas conciliant simplement parce que l’apprenant insiste ; il ne s’ouvre que lorsque les interventions de l’apprenant le justifient.

  • Vos règles intégrées

    La connaissance du produit et les directives de conformité font partie du scénario.

    Lire la suite

    Ce que dit l’apprenant est vérifié par rapport à vos documents et à vos règles, et les lacunes sont signalées à l’apprenant lors du débriefing.

  • Garde-fous

    Chaque résultat est vérifié par rapport au scénario avant de parvenir à l’apprenant.

    Lire la suite

    Les agents vérifient la cohérence du texte généré avec le scénario et le personnage, afin que la simulation ne prenne pas de tournure inattendue.

  • Données isolées

    Un environnement par client. Aucune donnée client n'entraîne aucun modèle.

    Lire la suite

    Chaque client dispose d'instances de base de données dédiées et isolées ; les modèles sont utilisés via des API d’entreprise avec des clauses contractuelles de non-utilisation des données pour l’entraînement.

  • Pas d’auto-apprentissage

    Les critères changent uniquement par décision humaine, publiée dans une nouvelle version.

    Lire la suite

    Le système n'apprend pas des séances. Tout le monde est mesuré avec les mêmes critères aujourd’hui et dans un an ; chaque modification est validée et versionnée.

Des retours sous trois angles

Les apprenants s’évaluent d’abord. Ensuite, le personnage leur raconte comment il a vécu la conversation, avec ses propres mots : le scénario décide des réactions du personnage, et le système n'analyse jamais les émotions de l’apprenant. Ensuite, le Smart Debrief : des mesures, des retours détaillés, des indicateurs de connaissances et de conformité, et un coach qui connaît exactement cette séance.

La conversation Smart Debrief avec le coach après une session

120+

des algorithmes propriétaires régissent les modèles

0.88 F1

Précision de la classification de l'IA lorsqu'elle est guidée par une définition rigoureuse (Springer Nature, ICCCI 2026)

Voir une conversation en action

Échangez avec l’un de nos personnages et découvrez le retour qu’il vous donne.