01. Le Contexte
La mise en place de Zendesk chez Proximus Luxembourg a profondément transformé le support client, mais la gestion multilingue du chatbot restait un point de friction.
Le Flow Builder ne permettait pas de traduire facilement les arbres conversationnels : chaque modification devait être exportée, traduite manuellement, puis réimportée. Un processus long, répétitif et risqué.
Les principaux défis :
- protéger les placeholders et variables techniques (#FIRSTNAME#, {{userInput}}…),
- préserver les liens Markdown spécifiques à Zendesk,
- garantir une cohérence linguistique entre trois langues,
- éviter les erreurs de copier-coller dans les scénarios complexes.
Pour répondre à cette contrainte, j’ai conçu une solution sur mesure : une Web App HTML autonome, simple et efficace, dédiée aux cas de traduction les plus complexes du bot.
02. La Solution
L’outil a été développé en HTML + JavaScript, avec une interface utilisateur claire, pensée pour un usage interne sans ligne de commande.
Il s’appuie sur SheetJS pour lire et écrire les fichiers Excel, et sur l’API DeepL pour la traduction automatique.
Le fonctionnement suit un pipeline en sept étapes :
- Chargement du fichier Excel exporté depuis Zendesk.
- Détection automatique des colonnes de texte à traduire.
- Protection (“masking”) des variables, liens, placeholders et structures Markdown.
- Traduction automatique via DeepL, avec gestion du rate limit et du formalisme (vous/Sie).
- Nettoyage linguistique pour corriger les tournures incorrectes.
- Restauration des éléments protégés (“unmasking”).
- Génération et téléchargement automatique du fichier traduit (_translated.xlsx).
L’application ne se connecte pas directement à Zendesk : elle génère un fichier propre, prêt à être réimporté manuellement.
L’interface graphique permet d’ajuster les paramètres de traduction (clé API, formalité, délai entre lignes) et d’afficher la progression en temps réel. Une approche simple mais redoutablement efficace.
03. Les Challenges
Même avec une interface intuitive, ce type d’outil exige rigueur et finesse dans la logique de traitement.
Les principaux défis techniques ont concerné :
- la protection fiable des variables et formats Markdown,
- le nettoyage contextuel des traductions pour éviter les erreurs DeepL,
- la gestion du rythme d’appel à l’API pour ne pas dépasser les quotas.
Sur le plan opérationnel, ce projet a démontré qu’il est possible d’améliorer significativement un processus sans dépendre d’un déploiement lourd.
Le gain de temps a été immédiat : plusieurs heures économisées à chaque cycle de mise à jour du bot, avec une fiabilité bien supérieure.
