Cogniware, s.r.o, propose des produits analytiques innovants basés sur l’IA et des services à la pointe de la technologie pour aider ses clients à identifier les menaces de sécurité potentielles et à découvrir des modèles cachés de comportements suspects et d’activités criminelles. Cogniware accompagne ses clients avec une plateforme d’analyse des données alimentée par l’IA appelée Argos, une solution hautement sécurisée dédiée à l’investigation, à l’analyse profonde, à la recherche de modèles et bien plus encore. La plateforme Argos a été conçue pour collecter, relier et analyser efficacement différents formats de données, mais Cogniware a trouvé l’opportunité d’améliorer encore la facilité d’utilisation de la plateforme.

En exploitant l’IA pour gérer des interactions de données complexes, Argos pourrait se révéler utile pour des domaines tels que le maintien de l’ordre ou les banques commerciales, où une analyse rapide et précise des données est vitale. Cogniware souhaitait donc simplifier l’expérience utilisateur et augmenter l’efficacité globale de la plateforme. L’enjeu était de rendre le système encore plus intuitif et convivial, afin que les utilisateurs puissent interroger les données en langage naturel et adapter la plateforme aux besoins spécifiques des clients, reflétant en cela l’engagement de Cogniware à rendre Argos utile pour tous les enquêteurs.

Cogniware s’est associé à IBM Client Engineering pour piloter l’intégration des modèles LLM d’IBM watsonx.ai dans la plateforme Argos. L’équipe voulait permettre aux utilisateurs d’interroger les données en langage naturel, le système générant automatiquement des modèles analytiques en arrière-plan. Le projet pilote a inclus des collaborateurs de Cogniware et d’IBM et a duré plusieurs mois. Ce projet incluait des données internes provenant de Cogniware ainsi que des ensembles de données externes, le but étant de garantir une évaluation fiable des capacités du système.

Au cours du projet pilote, le facteur critique était d’utiliser les LLM pour traduire les requêtes en texte libre en modèles analytiques structurés, car il fallait minimiser le risque d’hallucinations des modèles (qui pouvaient amener à des résultats faux ou trompeurs). Selon Dominik Regner, directeur commercial chez Cogniware, « Pour prendre des décisions critiques, il est nécessaire d’avoir des résultats précis. Il n’y a pas de place pour les hallucinations ou les erreurs commises par le LLM. » Le projet pilote a intégré des LLM pour résumer les textes, extraire des entités et améliorer ainsi l’efficacité globale de la plateforme. « Nous nous sommes concentrés sur deux objectifs principaux : traiter des documents non structurés avec les LLM et ajouter les connaissances extraites dans notre graphe, et pouvoir interroger efficacement les données du graphe avec un langage naturel, le tout de manière intuitive et hautement sécurisée. Nos clients doivent avoir une confiance absolue dans les mesures qui garantissent la sécurité de leurs données sensibles. « Les résultats de notre coopération avec l’équipe d’IBM changent la donne dans notre démarche, qui vise à fournir des logiciels d’analyse en libre-service aux utilisateurs orientés affaires », déclare Martin Kovář, chef de produit chez Cogniware.