> For the complete documentation index, see [llms.txt](https://docs.hablla.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.hablla.com/french/rapports/rapports-et-journaux-de-hablla.md).

# Rapports et journaux de Hablla

Les rapports de Hablla ont été conçus pour transformer les données opérationnelles en **insights exploitables**, reliant le Marketing, les Ventes, le Support et le Customer Success sous l'angle du **Conversation Revenue**.

#### 1. Consommation

* **Sessions de Messagerie** → Volume de fenêtres de conversation ouvertes.
* **Exécutions de Flux** → Surveillance des automatisations en temps réel.
* **Consommation totale d'IA** → Tokens consommés par modèle d'IA, durée de transcription et répartition de l'utilisation (idéal pour l'optimisation des coûts).

#### 2. Assistances

* **Temps d'Assistance** → SLA, temps d'attente en file, temps de bot et temps moyen d'assistance.
* **Assistances par Utilisateur** → Comparatif de performance individuelle : CSAT, FCR et productivité.
* **Assistances par Étiquette** → Regroupement des assistances par TAGs (ex. : erreur, support, ventes).
* **Assistances par Motif de Clôture** → Analyse des clôtures (problème résolu, sans réponse, pas intéressé, etc.).

#### 3. Leads et Personnes

* **Personnes par Étiquette** → Engagement et segmentation des contacts (Onboarding, Workspace créé, Recommandation).

#### 4. Tâches

* **Tâches par Utilisateur** → Gestion des livrables individuels, efficacité et retards.

#### 5. Logs

* **Logs des Utilisateurs** → Enregistrement de la disponibilité, de l'indisponibilité et des motifs (absence, forte demande, etc.).

***

💡 **Insight stratégique :** Cette structure de rapports garantit une vision à 360° de l'opération, permettant à la fois le **contrôle granulaire** (ex. : temps moyen de réponse) jusqu'à **l'analyse macro de performance** (ex. : utilisation de l'IA par modèle, efficacité des secteurs, motifs de perte de leads).

Ainsi, le responsable peut agir de manière **proactive**, en ajustant les parcours conversationnels, en allouant les ressources et en priorisant les améliorations qui impactent directement les revenus conversationnels.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.hablla.com/french/rapports/rapports-et-journaux-de-hablla.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.