Wanna est un réseau social conçu autour d'expériences humaines réelles : un espace où partager ce que l'on traverse (relations, santé mentale, moments de changement) et rencontrer d'autres personnes à travers ces expériences. Il est animé par un agent conversationnel du même nom, qui opère dans plusieurs langues.
J'ai rejoint le projet en phase pré-produit, comme seul profil linguistique dans une équipe entièrement technique. Le brief était ouvert : l'agent devait sonner différemment du ton standard de n'importe quelle IA conversationnelle — sans quoi la proposition différenciante se diluait — et, en même temps, aborder des sujets intimes sans frivolité ni la délicatesse feinte d'un bot.
J'ai travaillé sur l'agent avec le Product Design Lead et le Creative Developer comme interlocuteurs principaux. J'ai défini le ton et la persona, écrit et réécrit les prompts système, évalué les outputs et harmonisé les instructions de comportement avec les outils techniques que l'agent devait déclencher, comme l'échantillonnage d'expériences ou l'autogénération de récits. J'ai également participé à des décisions stratégiques de produit, de conceptualisation et de positionnement.
La méthode était itérative et qualitative : méta-conversation avec l'agent lui-même pour confronter des hypothèses sur le prompt système, avec un versionnage par fonctionnalité sur seize itérations du prompt unifié. Pour les hallucinations, j'ai monté une batterie de tests catégorisés assortie d'une grille qualitative stable.
Trois décisions ont particulièrement marqué le développement de l'agent : l'une portait sur jusqu'où prompter la personnalité, une autre sur la façon de structurer son comportement conversationnel, et une troisième sur la manière de corriger le biais du modèle au moment de générer le récit d'un utilisateur.
J'ai voulu donner à l'agent une structure de personnalité plus définie en ajoutant dix exemples de conversation au prompt système. L'effet a été contre-productif : le ton s'est robotisé, parce que l'agent enfermait chaque conversation dans l'exemple qui lui ressemblait le plus. Je les ai retirés. La leçon que j'en ai tirée : surcharger les instructions de personnalité nuit à la spontanéité. Mieux vaut faire confiance à la nature conversationnelle de base du modèle et se limiter à marquer les écarts par rapport à son ton par défaut.
La conversation avec Wanna devait tenir l'équilibre entre un comportement systématisé et un rendu naturel ; j'ai donc conçu un cycle opérationnel en trois temps pour le résoudre. D'abord, comprendre : lire le ton, le contexte émotionnel et les signaux opérationnels de l'utilisateur. Ensuite, créer du lien : répondre avec authenticité et échantillonner des expériences dans la base de données (au début larges et variées, pour inspirer ; plus précises ensuite, à mesure qu'affleuraient des détails). Enfin, orienter : déclencher l'outil technique adapté au comportement que l'utilisateur manifestait. La priorité explicite était d'accrocher vite, même si l'expérience échantillonnée ne résonnait pas à cent pour cent avec l'utilisateur. Le cycle est transposable : il fonctionne pour d'autres agents à la persona marquée et dotés d'outils à déclencher.
Le wrap-up est l'outil qui, au fil de la conversation, génère automatiquement un récit publiable sans que l'utilisateur ait à rédiger quoi que ce soit. Il est passé par trois itérations, chacune résolvant un biais différent du modèle. D'abord, le langage : le récit sortait dans un registre littéraire étranger à celui de l'utilisateur ; j'ai prompté pour qu'il en mime le lexique et la voix. Ensuite, les conclusions forcées : le modèle ajoutait des apprentissages et des dénouements émotionnels que l'utilisateur n'avait pas montrés ; j'ai prompté pour qu'il accepte que toute expérience ne donne pas forcément lieu à un enseignement ni à une fin heureuse. Enfin, les hallucinations : j'ai prompté pour que le récit ne parte que d'informations confirmées dans la conversation et demande à l'utilisateur ce qui manquait, au lieu de l'inventer. L'ordre comptait : chaque problème ne devenait visible qu'une fois le précédent résolu.
J'ai laissé un agent à la persona définie et au comportement stable, porté par un prompt système unifié et un cycle opérationnel documenté. Le projet s'est progressivement réorienté vers des opérations de contenu via un réseau de collaborateurs externes apportant des expériences réelles et des processus de collecte thématique à grande échelle. Quand ce virage s'est consolidé, mon passage chez Wanna a pris fin.