Le Cognitive Search pour un pilotage de l’entreprise par l’information

0

La recherche d’informations est plus essentielle que jamais et pousse les entreprises à s’équiper des dernières technologies qui optimisent leur travail en produisant des résultats de recherche pertinents et contextualisés, capables d’être transformés en valeur ajoutée. Pourquoi n’être que “Data-Driven” ne suffit pas ?

Passer de la recherche à l’analyse des données

Alors que l’usage des données par les entreprises s’intensifie et devient un enjeu stratégique dans la production de valeur, la quantité de données créées à chaque seconde apparente le travail de recherche à un véritable défi semblant presque impossible à relever. En effet, les données que les collaborateurs doivent trouver sont souvent morcelées et éparpillées en plusieurs endroits sur le réseau, parfois dans des documents aux multiples formats (présentations, emails, documents textes, vidéos, tableurs…).

Figurant parmi les innovations technologiques en entreprise les plus récentes, le Cognitive Search, s’appuie sur une nouvelle génération de moteurs de recherche d’entreprise qui intègre des technologies d’Intelligence Artificielle (machine learning et deep learning) et de traitement automatique du langage naturel (NLP). Le but ? Assimiler, comprendre et trier une gigantesque masse de données brutes d’une entreprise le plus rapidement et plus exhaustivement possible, pour fournir à l’utilisateur un résultat de recherche pertinent et contextualisé. Véritable rupture par rapport aux moteurs de recherche traditionnels en entreprise, le Cognitive Search intègre la puissance de l’Intelligence Artificielle pour aider les entreprises jusqu’à présent « data-driven » à extraire toute la richesse des informations auxquelles elles ont accès et ainsi devenir « information-driven ». 

“Information-Driven” : un champ d’application allant de l’industrie pharmaceutique à l’aéronautique

Une approche axée sur l’information est idéale pour les organisations des industries à forte intensité de connaissances, comme dans les secteurs scientifiques, où le nombre et le volume des ensembles de données augmentent et proviennent de sources diverses. Cette approche a prouvé à maintes reprises qu’elle aide les organismes de recherche et de développement au sein des grandes sociétés pharmaceutiques à connecter les experts avec les connaissances de l’ensemble de l’organisation afin d’accélérer la recherche, les essais en laboratoire et les essais cliniques pour être les premiers à commercialiser de nouveaux médicaments.

On peut également prendre pour exemple, les ingénieurs de maintenance travaillant chez un fabricant aéronautique qui tentent de répondre à des questions sur une procédure de maintenance critique. Pour ce faire, ils doivent connaître immédiatement la configuration particulière de l’équipement, les procédures d’entretien pertinentes pour cet aéronef et savoir si d’autres cas présentant la même anomalie sont connus et comment ils ont été traités. Ils n’ont pas le temps d’aller à la chasse à l’information. L’approche axée sur l’information s’appuie sur des données provenant d’endroits, de formats et de langues multiples pour brosser un tableau complet de la question à l’étude.

Le Machine Learning : opportunités et défis

Le Machine Learning (ML) est de plus en plus essentiel pour améliorer les résultats de recherche et la pertinence. Cela se fait pendant l’ingestion, mais aussi constamment en arrière-plan, pendant que les utilisateurs interagissent avec le système. Cette technologie peut gérer la complexité au-delà de ce qui est possible avec des règles.

Au cœur des plateformes de Cognitive Search, le Machine Learning aide les entreprises à devenir “Information-Driven” en analysant et en structurant le contenu en vue de l’enrichir et d’en extraire du sens. Il peut modifier les résultats selon l’usage, en prenant en compte le comportement des utilisateurs dans le calcul de la pertinence des résultats. En s’appuyant sur le Machine Learning, une plateforme de Cognitive Search peut fournir des recommandations basées sur le contenu mais aussi sur l’analyse des interactions des utilisateurs avec celui-ci (filtrage collaboratif).

Avec tout son potentiel, le Cognitive Search comporte également d’importants défis pour les entreprises qui intègrent cette technologie à leur environnement de travail. L’expertise est souvent le premier obstacle lors du déploiement d’une telle plateforme. Prenons l’exemple des algorithmes de Machine Learning, qui travaillent par analogie à partir de modèles qu’ils ont appris à reconnaître : le défi est d’équilibrer le besoin de ces algorithmes — à savoir disposer de suffisamment de données — avec les conseils et l’interprétation humaine nécessaires à leur apprentissage. Il s’agit autant d’une question de compétences et de culture de processus que d’expertise technique. L’IA ne peut donc pas être mise en œuvre au coup par coup, mais doit faire partie du business plan global d’une entreprise au même titre que ses ressources, structures et processus.

L’immense potentiel de croissance que promet le déploiement du Cognitive Search en entreprise comprend également des défis techniques, dont le principal consiste à fournir au système une quantité de données suffisantes à son apprentissage. La collaboration entre l’IA et l’humain est donc la condition essentielle au bon déploiement d’une solution de Cognitive Search.

About Author

Laurent Fanichet

Vice-Président marketing de Sinequa

Leave A Reply