Apportez votre propre modèle — puis mettez-le immédiatement au travail
Eigent est agnostique vis-à-vis des modèles. Vous pouvez l’exécuter avec le modèle cloud par défaut, ou connecter n’importe quelle API compatible OpenAI — y compris Gemini de Google — et l’utiliser à la place. Ce guide couvre les deux aspects : comment configurer Gemini 3 Pro Preview dans les paramètres d’Eigent, et à quoi ressemble une véritable tâche d’automatisation Salesforce lorsqu’elle est exécutée immédiatement via ce modèle.
Configurer Gemini comme modèle personnalisé
Ouvrez Settings → Models dans Eigent et accédez à Custom Models. Sélectionnez Gemini, puis renseignez :
- API Key: Votre clé API Google Gemini
- API Host:
https://generativelanguage.googleapis.com/v1beta/openai/ - Model Type:
gemini-3-pro-preview
Cliquez sur Save. Eigent valide le modèle immédiatement et vérifie la prise en charge du function calling — une exigence pour les tâches d’agent en plusieurs étapes. Si la validation réussit, vous verrez : "Validate success — The model has been verified to support function calling."
Définissez Gemini comme modèle Default, et toutes les nouvelles tâches passeront par lui à partir de ce moment-là.
La tâche : lire les données du contact, puis mettre à jour une opportunité
Une fois Gemini configuré, cette instruction le met immédiatement au travail :
Je dois mettre à jour l’opportunité salesforce.com - 200 Widgets. Donne-moi le nom du contact et son numéro de téléphone. De retour sur la page Opportunities, modifie Next Step avec 'book a meeting with + le nom du contact et son numéro de téléphone.'
Il s’agit d’une tâche en deux parties qui nécessite de lire une section d’un enregistrement Salesforce (Contact Roles) et d’écrire dans une autre (Next Step). Eigent gère les deux dans l’ordre.
Le plan complet de la tâche
Eigent génère un plan d’exécution structuré avant de toucher à Salesforce :
- Localiser l’opportunité "salesforce.com - 200 Widgets" et faire passer son étape de Needs Analysis à Proposal, puis la marquer comme étape actuelle
- Aller à la section Contact Roles et récupérer le nom et le numéro de téléphone du contact
- Revenir à la vue principale des Opportunities et modifier le champ Next Step avec :
book a meeting with [contact name] [phone number] - Enregistrer toutes les modifications
Ce plan est visible dans l’interface Eigent avant toute action du navigateur.
Exécution : lecture et écriture de données entre enregistrements
Le Search Agent ouvre Salesforce dans la session de navigateur déjà authentifiée. Il accède à l’onglet Opportunities, trouve l’enregistrement "salesforce.com - 200 Widgets" et fait passer l’étape de l’opportunité à Proposal.
L’agent se déplace ensuite vers la sous-section Contact Roles — une partie distincte du même enregistrement d’opportunité — et extrait le nom ainsi que le numéro de téléphone du contact. Avec ces données en main, il revient à la vue principale de l’opportunité et renseigne dynamiquement le champ Next Step :
book a meeting with [contact name] [phone number]
L’enregistrement est sauvegardé. L’ensemble du workflow — mise à jour de l’étape, extraction des données, remplissage dynamique du champ — s’exécute sans aucune intervention manuelle.
Pourquoi ce modèle est puissant
Ce workflow démontre une capacité que la plupart des outils d’automatisation CRM peinent à gérer : utiliser des données en temps réel issues d’une partie d’un enregistrement pour en alimenter une autre. Le numéro de téléphone du contact n’est pas connu au moment de l’instruction — Eigent le récupère en cours de tâche et l’utilise de manière dynamique. C’est un modèle fondamentalement différent de l’automatisation statique par mappage de champs.
Combiné à un modèle personnalisé comme Gemini, ce workflow est aussi économique : vous contrôlez le modèle, les coûts API et les limites de débit, sans être verrouillé sur un seul fournisseur.
Ce qu’il faut essayer ensuite
Pour chaque opportunité au stade Proposal, lire le rôle du contact et renseigner Next Step avec une instruction de suivi.
Après la mise à jour de l’opportunité, enregistrer une activité Salesforce : "Scheduled meeting with [contact name]" et définir un rappel pour demain.
Passer le modèle à GPT-4o et exécuter la même tâche Salesforce — comparer la vitesse et l’utilisation des tokens.
Configurer un deuxième modèle personnalisé (Anthropic Claude) et définir Gemini comme solution de secours s’il n’est pas disponible.
Conseils pour de meilleurs résultats
-
Validez avant d’exécuter. L’étape de validation du modèle dans les Settings d’Eigent détecte les API incompatibles avant que vous ne les rencontriez en cours de tâche. Validez toujours une nouvelle configuration de modèle avant de l’utiliser dans des workflows de production.
-
Utilisez des noms d’enregistrements précis. Inclure le nom exact de l’opportunité ("salesforce.com - 200 Widgets") élimine toute ambiguïté et empêche l’agent de sélectionner la mauvaise opportunité dans un pipeline volumineux.
-
Étendez le modèle. Une fois que vous voyez comment Eigent lit Contact Roles et écrit dans Next Step, la même approche s’applique à toute dépendance de données entre sections dans Salesforce : lire une liste associée pour renseigner un champ personnalisé, extraire des données produit pour rédiger un résumé d’offre, et plus encore.
