Conversations

Quickchat AI capture et analyse automatiquement chaque conversation que votre AI Agent mène sur tous les canaux — widget, Slack, WhatsApp, Telegram, et plus. L’API Conversations vous donne un accès programmatique à ce riche jeu de données pour construire des dashboards personnalisés, alimenter des pipelines d’analyse en aval, déclencher des workflows CRM ou vous intégrer à vos outils de business intelligence existants.

Chaque conversation comprend une analyse propulsée par l’IA : détection du sentiment, classification des sujets, suivi de la résolution et signalement automatique des conversations qui pourraient nécessiter une attention humaine. Combinées à l’historique complet des messages, aux clics sur les liens suivis et aux métadonnées personnalisées, vous disposez de tout ce qu’il faut pour comprendre comment les visiteurs interagissent avec votre AI Agent.

Les données de conversation sont réparties sur plusieurs endpoints :

• List Conversations — Informations de base, détails du visiteur, statut. À utiliser pour les dashboards, les vues d’ensemble et les requêtes filtrées
• Get Conversation Details — Informations complètes, y compris unified_analysis (insights générés par l’IA) et client_metadata
• Get Conversation Events — Historique complet des messages, clics sur les liens suivis et entrées de journal
• Get/Set Metadata — Données clé-valeur personnalisées que vous attachez aux conversations (voir Conversation Metadata)

List Conversations

Scope: read_all

GET https://app.quickchat.ai/v1/api_core/conversations

Query Parameters

Parameter	Description
limit integer	Éléments par page
offset integer	Éléments à ignorer
query string	Recherche par numéro de commande, UUID ou texte de message
assignee_type string	"ai_assistant", "human_operator", ou "unassigned"
source string	"widget", "slack", "telegram", "whatsapp", etc.
resolution_status string	"open" ou "resolved"
created_timestamp_start_date datetime	Filtre par date de création (début)
created_timestamp_end_date datetime	Filtre par date de création (fin)
last_message_at_start_date datetime	Filtre par date du dernier message (début)
last_message_at_end_date datetime	Filtre par date du dernier message (fin)
most_frequent_language string	Filtre par langue détectée

Shell

curl 'https://app.quickchat.ai/v1/api_core/conversations?limit=10&resolution_status=open' \
  -H 'Authorization: Bearer <API_TOKEN>'

Python

import requests

response = requests.get(
    url="https://app.quickchat.ai/v1/api_core/conversations",
    headers={"Authorization": "Bearer <API_TOKEN>"},
    params={"limit": 10, "resolution_status": "open"},
)
data = response.json()

Response 200 OK

{
  "items": [
    {
      "id": "conv-uuid-1234",
      "ord": 42,
      "created_at": "2026-01-15T10:30:00Z",
      "last_message_at": "2026-01-15T10:35:00Z",
      "title": "Return policy question",
      "source": "widget",
      "terminated": false,
      "resolution_status": "open",
      "has_unread_messages": true,
      "supports_inbox_control": true,
      "last_message_content": "What is your return policy?",
      "most_frequent_language": "en",
      "assignee": {
        "type": "ai_assistant"
      },
      "visitor_name": "John",
      "visitor_email": "john@example.com",
      "visitor_phone_number": null,
      "visitor_label": null
    }
  ],
  "offset": 0,
  "limit": 10,
  "count": 42
}

Field	Description
id string	UUID de la conversation
ord integer	Numéro séquentiel de la conversation
created_at string	Horodatage de création de la conversation
last_message_at string	Horodatage du message le plus récent
title string	Titre de la conversation généré par l’IA
source string	Canal d’où provient la conversation (p. ex. "widget", "slack", "whatsapp")
terminated boolean	Si la conversation est terminée
resolution_status string	"open" ou "resolved"
has_unread_messages boolean	S’il y a des messages non lus
supports_inbox_control boolean	Si la source de la conversation prend en charge le contrôle depuis l’inbox (assignation, handoff)
last_message_content string	Contenu du dernier message de la conversation
most_frequent_language string	Langue la plus fréquemment détectée dans la conversation
assignee object	Assigné actuel (type : "ai_assistant", "human_operator", ou "unassigned")
visitor_name string or null	Nom du visiteur (depuis le formulaire de pré-chat ou le profil du canal)
visitor_email string or null	Adresse e-mail du visiteur
visitor_phone_number string or null	Numéro de téléphone du visiteur
visitor_label string or null	Libellé personnalisé assigné au visiteur

Get Conversation Details

Scope: read_all

GET https://app.quickchat.ai/v1/api_core/conversations/{conversation_id}/

Shell

curl https://app.quickchat.ai/v1/api_core/conversations/conv-uuid-1234/ \
  -H 'Authorization: Bearer <API_TOKEN>'

Python

import requests

response = requests.get(
    url="https://app.quickchat.ai/v1/api_core/conversations/conv-uuid-1234/",
    headers={"Authorization": "Bearer <API_TOKEN>"},
)
data = response.json()

Response 200 OK

{
  "id": "conv-uuid-1234",
  "ord": 42,
  "created_at": "2026-01-15T10:30:00Z",
  "last_message_at": "2026-01-15T10:35:00Z",
  "title": "Return policy question",
  "source": "widget",
  "terminated": false,
  "resolution_status": "open",
  "has_unread_messages": true,
  "supports_inbox_control": true,
  "last_message_content": "What is your return policy?",
  "most_frequent_language": "en",
  "assignee": {
    "type": "ai_assistant"
  },
  "url": null,
  "client_metadata": {"userId": 12},
  "last_visitor_message_at": "2026-01-15T10:34:00Z",
  "unified_analysis": {
    "sentiment": "neutral",
    "resolution_status": "open",
    "topic": "Return policy",
    "is_flagged": false,
    "flag_reason": null
  },
  "visitor_name": "John",
  "visitor_email": "john@example.com",
  "visitor_phone_number": null,
  "visitor_label": null
}

La réponse détaillée inclut tous les champs de la réponse de liste, plus :

Field	Description
url string or null	URL de la page où la conversation a démarré (widget uniquement)
client_metadata object or null	Paires clé-valeur personnalisées attachées à la conversation
last_visitor_message_at string	Horodatage du dernier message du visiteur
unified_analysis object or null	Analyse de la conversation générée par l’IA (voir ci-dessous)

Champs de unified_analysis :

Field	Description
sentiment string	Sentiment de la conversation détecté par l’IA (p. ex. "positive", "neutral", "negative")
resolution_status string	Statut de résolution évalué par l’IA (peut différer du resolution_status de premier niveau)
topic string	Sujet de la conversation détecté par l’IA
is_flagged boolean	Si l’IA a signalé cette conversation pour révision humaine
flag_reason string or null	Raison du signalement de la conversation

resolution_status vs unified_analysis.resolution_status

Le champ resolution_status de premier niveau ("open" ou "resolved") est le statut canonique défini manuellement ou par des règles d’automatisation.

Le champ unified_analysis.resolution_status est calculé par l’analyse de l’IA et peut différer — par exemple, l’IA peut classer une conversation comme résolue sur la base de l’analyse du contenu même si le statut de premier niveau est toujours "open". Utilisez le champ de premier niveau pour le filtrage et les workflows ; utilisez unified_analysis pour l’analyse et les insights.

Get Conversation Events

Récupérez tous les événements (messages, liens suivis, journaux) d’une conversation.

Scope: read_all

GET https://app.quickchat.ai/v1/api_core/conversations/{conversation_id}/events/

Query Parameters

Parameter	Description
limit integer	Éléments par page
offset integer	Éléments à ignorer

Shell

curl 'https://app.quickchat.ai/v1/api_core/conversations/conv-uuid-1234/events/?limit=20' \
  -H 'Authorization: Bearer <API_TOKEN>'

Python

import requests

response = requests.get(
    url="https://app.quickchat.ai/v1/api_core/conversations/conv-uuid-1234/events/",
    headers={"Authorization": "Bearer <API_TOKEN>"},
    params={"limit": 20},
)
data = response.json()

Response 200 OK

{
  "items": [
    {
      "type": "message",
      "data": {
        "id": "msg-uuid-001",
        "ord": 1,
        "created_at": "2026-01-15T10:30:00Z",
        "content": "Hello! How can I help you today?",
        "author": "ai_assistant",
        "handoff_state": null,
        "message_insights": null,
        "feedback": null,
        "client_metadata": null,
        "sources_generated": [],
        "is_welcome": true,
        "attachments": []
      }
    },
    {
      "type": "message",
      "data": {
        "id": "msg-uuid-002",
        "ord": 2,
        "created_at": "2026-01-15T10:31:00Z",
        "content": "What is your return policy?",
        "author": "visitor",
        "handoff_state": null,
        "message_insights": null,
        "feedback": null,
        "client_metadata": null,
        "sources_generated": [],
        "is_welcome": false,
        "attachments": []
      }
    }
  ],
  "offset": 0,
  "limit": 20,
  "count": 2
}

Types d’événements : message, tracked_link, log

Types d’auteur : ai_assistant, visitor, human_operator

Field	Description
type string	Type d’événement : "message", "tracked_link", ou "log"
data.id string	Identifiant unique du message
data.ord integer	Numéro séquentiel du message
data.created_at string	Horodatage de l’événement
data.content string	Contenu du message
data.author string	"ai_assistant", "visitor", ou "human_operator"
data.handoff_state string or null	État du handoff le cas échéant
data.message_insights object or null	Insights du message générés par l’IA
data.feedback object or null	Retour de l’utilisateur sur le message
data.client_metadata object or null	Métadonnées personnalisées attachées au message
data.sources_generated array	Articles de la Knowledge Base utilisés par l’IA pour générer sa réponse
data.is_welcome boolean	S’il s’agit d’un message de bienvenue
data.attachments array	Fichiers joints

---