Flux de données

Cette page décrit comment les données circulent entre l'utilisateur, le chatbot UI, le chatbot backend, Dify et les sources fiables.

Flux conversationnel principal

1. Le client envoie un message depuis le chatbot UI.
2. Le chatbot UI transmet la conversation vers le chatbot backend ou directement vers le point d'entrée prévu.
3. Le chatbot backend utilise le workflow ID principal pour appeler le workflow Dify exposé.
4. Dify exécute le workflow principal.
5. Le workflow appelle les outils nécessaires : backend API, Cloudflare D1, MCP SAV, providers IA ou, dans le contexte Menzzo, la recherche produit Typesense.
6. Dify retourne une réponse structurée.
7. Le chatbot UI affiche la réponse ou le widget demandé.

Le workflow ID principal doit être identique dans Dify, le chatbot UI et le chatbot backend.

Données métier

Besoin	Source fiable	Chemin habituel
Vérifier une commande chez Menzzo	SI métier Menzzo / Logidav	Dify appelle le chatbot backend ou le MCP SAV, qui interroge la source métier Menzzo.
Créer ou suivre une demande SAV chez Menzzo	SI métier Menzzo / Logidav et chatbot backend	Le workflow authentifie l'utilisateur backend, puis appelle les endpoints autorisés.
Recommander un produit chez Menzzo	Recherche produit Typesense Menzzo	Dify utilise la recherche Typesense et le modèle NL search configuré pour Menzzo.
Mémoriser du contexte conversationnel	Cloudflare D1	Les outils de mémoire lisent ou écrivent dans D1.
Gérer une image client	S3	L'image est uploadée vers S3, puis son URL est utilisée dans le parcours SAV.
Enrichir la connaissance site	Firecrawl	Les contenus collectés alimentent les réponses ou la recherche documentaire.
Observer les conversations	Langfuse	Les appels IA et conversations sont tracés pour analyse.

Flux recherche produit Menzzo

Dans le contexte Menzzo, la recommandation produit s'appuie sur Typesense. Ce n'est pas une brique standard imposée à tous les clients : c'est la solution de recherche produit utilisée ici.

1. Les produits de la boutique sont indexés dans typesense_collection.
2. Le modèle NL search reçoit un system prompt adapté au secteur.
3. Les stopwords sont configurés pour améliorer la qualité des requêtes.
4. Le workflow Dify utilise nl_model_id, typesense_url et X_TYPESENSE_API_KEY lorsque le parcours de recommandation Menzzo est activé.
5. Le résultat Typesense est transformé en réponse ou en widget de recommandation.

Si un produit n'est pas indexé, le chatbot ne doit pas être considéré comme capable de le recommander correctement.

Flux D1 et mémoire

Cloudflare D1 est utilisé par les outils de mémoire conversationnelle et certains états structurés.

Le workflow Dify utilise :

• Cloudflare_API_Token pour l'accès API ;
• cloudflare_account_id pour le compte ;
• cloudflare_Database_id pour la base.

Ces valeurs doivent pointer vers le nouvel environnement. Ne réutilisez pas les IDs D1 d'un autre projet.

Flux backend API

Les workflows qui ont besoin d'actions métier utilisent domain_name, username et password.

1. Dify appelle l'endpoint exposé par domain_name.
2. Le backend authentifie l'utilisateur dédié au chatbot.
3. Le backend vérifie les permissions.
4. Le backend exécute l'action ou retourne les données demandées.
5. Dify utilise la réponse pour continuer le workflow.

Les permissions de cet utilisateur doivent être suffisantes pour les parcours chatbot, mais limitées à ce besoin.

Observabilité

Langfuse doit être vérifié après les premiers tests. Une conversation de test doit produire des traces exploitables : entrée utilisateur, prompts, appels modèle, réponse finale et erreurs éventuelles.