NNavi
E-commerce

Knowledge base chatbot Shopify : quels docs uploader

Guide pratique pour marchands Shopify : quels documents uploader en priorité dans la knowledge base d'un chatbot IA (RAG/pgvector), dans quel format, et comment les structurer pour obtenir des réponses précises.

ByAlexis Raitano8 min read
Knowledge base chatbot Shopify : quels docs uploader

Knowledge base chatbot Shopify : quels docs uploader

Vous venez d'installer un assistant IA sur votre boutique Shopify. Le widget s'affiche, le flow de conversation fonctionne. Et là, une question se pose : par quoi alimenter la base de connaissances ?

C'est le moment où beaucoup de marchands bloquent. Uploader « tout le site » n'est pas une stratégie. Uploader les mauvais documents, c'est obtenir un chatbot qui hallucine ou répond à côté.

Cet article vous donne un ordre de priorité clair, avec les formats recommandés et les erreurs à éviter. Il s'applique à tout assistant IA fonctionnant sur une architecture RAG (Retrieval-Augmented Generation) couplée à un moteur vectoriel comme pgvector, ce qui est précisément l'approche retenue par Navi comment fonctionne Navi.

Pourquoi la knowledge base change tout

Un chatbot sans base de connaissances répond en s'appuyant uniquement sur ses données d'entraînement génériques. Il peut expliquer ce qu'est une politique de retour en théorie, mais il ne connaît pas votre délai de 30 jours, vos exceptions sur les articles soldés, ni votre procédure d'envoi d'étiquette.

Avec une base de connaissances bien construite, le modèle récupère les passages pertinents de vos documents avant de formuler sa réponse. C'est le principe du RAG (Retrieval-Augmented Generation) : chercher d'abord, générer ensuite.

Résultat : les réponses sont ancrées dans votre réalité boutique, pas dans une moyenne statistique du web.

Les benchmarks sectoriels (LateShipment, DigitalGenius) montrent que 30 à 50 % des contacts SAV entrants concernent le suivi de commande, la livraison ou les retours LateShipment Research. Ce sont précisément les sujets que votre knowledge base doit couvrir en priorité.

Les 7 types de documents à uploader en premier

1. La politique de retour et de remboursement

C'est le document numéro un, sans exception. Les questions sur les retours représentent une part massive du volume SAV de toute boutique mode, beauté ou maison.

Votre document doit couvrir :

  • Le délai légal et votre délai étendu si vous en proposez un

  • Les articles exclus (maillots de bain, articles personnalisés, promotions)

  • La procédure exacte : formulaire en ligne, email, ou flow automatisé

  • Le délai de remboursement après réception

  • La prise en charge ou non des frais de retour

Un assistant IA qui peut répondre précisément à « Est-ce que je peux retourner ma robe achetée en promo ? » évite un email SAV et une frustration client.

2. La FAQ livraison et délais

Deuxième priorité absolue. Les questions WISMO (Where Is My Order) sont les plus fréquentes en SAV e-commerce. Si votre assistant peut y répondre en temps réel via l'API Shopify, c'est parfait. Mais la FAQ livraison complète le tableau avec les informations structurelles :

  • Délais selon le transporteur et la destination

  • Politique de livraison offerte (seuil, conditions)

  • Que faire si le colis est marqué livré mais non reçu

  • Délais en période de fêtes ou de forte activité

  • Livraison en point relais vs domicile

3. Le guide des tailles (verticale mode et accessoires)

Pour toute boutique mode, le guide des tailles est un levier de conversion direct. Un visiteur qui hésite entre un M et un L sur une robe va soit poser la question au chat, soit quitter la page.

Votre document doit inclure :

  • Les tableaux de correspondance par catégorie de produit (hauts, bas, chaussures)

  • Les conseils de prise de mesures (tour de poitrine, tour de taille, entrejambe)

  • Les spécificités de coupe si votre marque taille grand ou petit

  • Les équivalences internationales si vous vendez à l'international

Ce type de document réduit les retours pour mauvaise taille, ce qui est un gain double : moins de SAV, moins de logistique retour.

4. Les fiches matières et entretien

En mode, beauté et maison, les questions sur la composition des produits et leur entretien sont récurrentes. Elles viennent souvent de clients soucieux d'allergènes, de durabilité ou de compatibilité avec leurs habitudes.

Un document structuré par famille de produits couvrant :

  • La composition matière principale et les détails (doublure, fermetures)

  • Les instructions de lavage et séchage

  • Les précautions spécifiques (produits non compatibles machine, déconseillés pour peaux sensibles)

  • L'origine des matières si c'est un argument de marque

Ce contenu est rarement bien indexé sur les fiches produit. Le centraliser dans la knowledge base le rend accessible en un seul endroit.

5. La FAQ pré-achat par verticale

Chaque secteur a ses questions récurrentes avant l'achat. Voici les plus courantes selon la verticale :

Mode et accessoires :

  • Le produit est-il disponible dans cette couleur ou taille ?

  • Les photos sont-elles fidèles à la réalité ?

  • Peut-on personnaliser un article ?

Beauté :

  • Ce produit convient-il aux peaux sensibles ou grasses ?

  • Est-ce cruelty-free ou vegan ?

  • Quelle est la durée de vie après ouverture ?

Maison et déco :

  • Quelles sont les dimensions exactes ?

  • Le produit est-il compatible avec... (induction, lave-vaisselle, etc.) ?

  • Y a-t-il un délai de fabrication sur mesure ?

Structurez ce document en sections thématiques claires. Un assistant IA récupère des chunks de texte : plus vos sections sont délimitées, plus la récupération est précise.

6. Les conditions de garantie

Souvent négligées, les conditions de garantie génèrent pourtant des contacts SAV à forte charge émotionnelle. Un client dont le produit est défectueux veut une réponse claire et rapide.

Votre document doit préciser :

  • La durée de garantie légale et commerciale

  • Ce qui est couvert (défaut de fabrication) et ce qui ne l'est pas (usure normale, mauvais entretien)

  • La procédure de déclaration : photos requises, délai de réponse, solution proposée (échange, avoir, remboursement)

  • Le contact dédié si la garantie nécessite une intervention humaine

7. La page À propos et les valeurs de marque

Moins évident, mais utile pour les questions de confiance en pré-achat : « Où est fabriqué le produit ? », « La marque est-elle française ? », « Travaillez-vous avec des fournisseurs éthiques ? »

Un assistant IA qui peut répondre à ces questions avec précision renforce la crédibilité de votre marque au moment où le visiteur hésite encore à acheter.

Format : PDF ou Markdown ?

La question du format est souvent sous-estimée. Voici la règle simple :

Markdown (.md) est le format idéal. Il est structuré, sans bruit visuel, et les titres (# H1, ## H2) servent de délimiteurs naturels pour le découpage en chunks. Le moteur RAG sait exactement où commence et où finit chaque section.

PDF est acceptable à condition que le document soit du texte natif (pas un scan, pas une image). Un PDF exporté depuis Word ou Notion fonctionne bien. Un PDF issu d'une capture d'écran est inutilisable : le moteur ne peut pas en extraire le texte.

À éviter absolument :

  • Les captures d'écran intégrées dans un PDF

  • Les tableaux complexes en image

  • Les documents sans structure de titres (un bloc de texte continu)

  • Les fichiers avec en-têtes et pieds de page chargés (numéros de page, logos répétés à chaque page)

guide format documents knowledge base

Comment structurer vos documents pour un RAG efficace

Le moteur RAG découpe vos documents en chunks (morceaux de texte) avant de les vectoriser. La qualité de ce découpage dépend directement de la structure de vos documents.

Quelques règles pratiques :

  • Un sujet par section. Ne mélangez pas la politique de retour et les conditions de garantie dans le même bloc.

  • Des titres explicites. Préférez « Délai de remboursement après retour » à « 3.2 Remboursements ».

  • Des listes à puces pour les procédures. Elles sont plus lisibles pour le modèle qu'un paragraphe dense.

  • Évitez les références croisées implicites. « Voir section 4 » ne veut rien dire une fois le chunk isolé de son contexte.

  • Répétez les informations clés si nécessaire. Si le délai de retour est de 30 jours, écrivez-le dans chaque section où c'est pertinent. Le modèle ne recoupe pas les chunks entre eux.

L'ordre de priorité en pratique

Si vous partez de zéro, voici l'ordre recommandé pour alimenter votre base :

  1. Politique de retour et remboursement

  2. FAQ livraison et délais

  3. Guide des tailles (si mode/accessoires)

  4. Conditions de garantie

  5. FAQ pré-achat par verticale

  6. Fiches matières et entretien

  7. À propos et valeurs de marque

Commencez par les deux premiers. Ils couvrent la majorité des questions SAV entrantes. Ajoutez les suivants progressivement en observant quelles questions restent sans réponse satisfaisante dans les conversations.

dashboard Navi conversations SAV

Ce que Navi fait avec vos documents

Navi intègre une knowledge base alimentée par vos propres documents, indexés via pgvector. Quand un visiteur pose une question, le moteur recherche les passages les plus pertinents dans votre base avant de formuler la réponse.

L'interface d'upload est accessible depuis le dashboard sur app.navi.myffu.fr. Vous pouvez uploader vos documents en PDF ou Markdown, les organiser par thématique, et voir en temps réel quels sujets sont couverts.

C'est la combinaison de cette base de connaissances avec l'accès temps réel aux commandes Shopify qui permet à Navi de répondre aussi bien aux questions de fond (« Quelle est votre politique de retour ? ») qu'aux questions personnalisées (« Où est ma commande #1042 ? »).

En résumé

Share

Related articles

Shopify Draft Order vs Storefront Cart : le fallback B2B
E-commerce

Shopify Draft Order vs Storefront Cart : le fallback B2B

Cet article explique pourquoi un assistant conversationnel Shopify doit gérer deux chemins de panier distincts (Storefront API pour le B2C, Draft Order pour le B2B) et comment Navi route automatiquement entre les deux selon le profil client et l'intention d'achat.

Alexis Raitano8 min read
Service client e-commerce 2026 : le storefront prend le pouvoir
E-commerce

Service client e-commerce 2026 : le storefront prend le pouvoir

Le storefront devient le canal SAV n°1 en e-commerce, devant l'email et le formulaire de contact. Trois forces convergentes expliquent ce basculement : intolérance à l'attente, maturité des assistants IA, et 70 % des questions client qui arrivent avant l'achat.

Alexis Raitano8 min read
RAG chatbot e-commerce : personnaliser son assistant IA
E-commerce

RAG chatbot e-commerce : personnaliser son assistant IA

Cet article explique l'architecture RAG de Navi (pgvector, chunking, tool search-knowledge) pour enrichir les réponses de l'assistant avec les documents propres au marchand. L'infra est validée en dev, prête à être alimentée en production.

Alexis Raitano8 min read

Ready to transform your Shopify customer service?

Navi authenticates your customers and acts on their orders in real time. 14-day free trial.

Knowledge base chatbot Shopify : quels docs uploader · Navi