Qu’est-ce que la recherche intelligente ?

Les utilisateurs finaux peuvent utiliser la recherche intelligente pour extraire des informations de n’importe quelle source (au sein ou en dehors de votre entreprise), et dans des jeux de données, quel que soit leur format : big data dans des bases de données, systèmes de gestion de documents, contenu numérique, pages web, papier, où qu’ils se trouvent. La recherche intelligente et la recherche d’entreprise sont synonymes de recherche en langage naturel, de recherche alimentée par l’IA et de recherche cognitive.

Les systèmes de recherche d’information d’entreprise existaient bien avant l’Internet public. Un des premiers avantages de la mise en œuvre de systèmes mainframe multi-utilisateurs était qu’ils facilitaient la découverte d’informations en trouvant des correspondances exactes avec des chaînes de texte dans de grands référentiels de documents.

Avec le développement de l’informatique de bureau et des intranets d’entreprise, les solutions commerciales de recherche d’entreprise, telles qu’IBM Storage and Information Retrieval System (STIRS) et l’outil de recherche locale FAST (acquis par Microsoft par la suite), se sont généralisées dans l’informatique d’entreprise.

Cependant, l’essor et la popularisation des moteurs de recherche web gratuits et accessibles au public, tels que Google (et son prédécesseur AltaVista), ont radicalement transformé les attentes des utilisateurs en matière de recherche d’information, de découverte de contenu et de plateformes de recherche d’entreprise.

Face à la croissance rapide du volume et de la variété des données que les outils de recherche d’entreprise doivent examiner, la vitesse de récupération des résultats est devenue un indicateur clé des performances des algorithmes de recherche cognitive. Les solutions de recherche intelligente d’aujourd’hui doivent être basées sur des architectures capables de gérer les exigences des workloads de big data en termes de performances. Parce qu’elles offrent l’évolutivité nécessaire, les infrastructures cloud dotées de capacités d’automatisation et d’intégrations étendues basées sur des API sont généralement les mieux adaptées à la tâche.

Les entreprises ne peuvent pas utiliser Google ou d’autres moteurs de recherche traditionnels pour trouver des réponses spécifiques à leur activité, du type « Pourquoi l’expédition de notre nouveau produit est-elle retardée ? » ou « Quels ont été les principaux problèmes signalés par nos clients la semaine dernière ? » La recherche intelligente, contrairement aux moteurs de recherche et à la recherche sur le web (Bing, Google Search ou AskJeeves), permet de trouver des informations et des réponses propres à l’activité de votre entreprise.

L’intelligence artificielle optimise la recherche intelligente. Elle dote les outils des capacités suivantes :

• Comprendre le langage humain. Les données métier sont continuellement mises à jour et rédigées avec une terminologie propre à un certain domaine. Les capacités de traitement automatique du langage naturel permettent aux applications de recherche intelligente de comprendre et d’interroger le contenu numérique de plusieurs sources de données. La recherche sémantique et la compréhension du contexte permettent à la recherche intelligente de détecter les nuances linguistiques, les synonymes et les relations que l’on retrouve dans le langage courant et dans les documents complexes.
  
  
• Apprendre la structure des documents. Les outils de recherche intelligente (comme IBM® Watson Discovery) disposent d’une intelligence artificielle de compréhension des documents qui leur permet de comprendre un grand nombre de sources de données. Le machine learning permet à la recherche intelligente d’apprendre la structure visuelle des documents propres à votre entreprise, à votre secteur ou à votre domaine. Grâce à cette compréhension, la recherche intelligente peut rapidement apprendre à identifier les éléments tels que les en-têtes, les pieds de page, les graphiques et les tableaux. Grâce à des fonctionnalités prêtes à l’emploi, elle peut reconnaître les types de documents tels que les contrats, les bons de commande et les factures.
  
  
• Tirer parti du machine learning. Le machine learning et le deep learning créent des suggestions de requêtes fluides et immédiates, et ils améliorent continuellement la pertinence des résultats de recherche au fil du temps, en prédisant les informations qui seront les plus pertinentes pour les utilisateurs.
  
  
• Filtrer les résultats de recherche. La recherche à facettes et filtrée réduit la portée du résultat et trouve des informations spécifiques dans les collections de données.
  
  
• Classer et catégoriser le contenu. L’extraction d’entités localise et classe les éléments de données textuelles dans des catégories prédéfinies : noms de personnes, produits, types d’objets ou organisations.

• Connexion des sources de données et ingestion des données : pour obtenir des réponses et des informations de n’importe où, vous devez connecter et explorer toutes vos données structurées et non structurées. Un « connecteur » vous permet de vous connecter à une source de contenu, telle que Salesforce, Box, Microsoft SharePoint, des bases de données, des robots d’exploration ou des données importées.
  
  
• Indexation de contenu : l’indexation du contenu crée un index de recherche unique et unifié qui permet un classement homogène des résultats de recherche, quelle que soit leur source.
  
  
• Enrichissement du contenu : la possibilité d’interroger et d’extraire des informations dépend de la capacité à extraire des métadonnées de votre contenu. Vous pouvez enrichir vos contenus en utilisant les enrichissements du traitement automatique du langage naturel prêts à l’emploi, tels que l’extraction d’entités et l’analyse des sentiments, pour classer et identifier les contenus clés.
  
  
• Analyse du contenu : l’analyse de contenus reconnaît le contenu des documents, les classifie et crée les corrélations sémantiques entre les différents éléments du contenu.
  
  
• Fourniture de réponses et affichage des informations : Les algorithmes de notation intelligents classent les passages, et fournissent aux utilisateurs les passages et les extraits les plus précis et les plus pertinents en réponse à leur requête.

La recherche intelligente compare les termes des requêtes en langage naturel au contenu des informations indexées.

• Questions - «  Combien de jours de vacances puis-je prendre au travail ? »
  
  
• Phrases et commandes - «  Je fais une demande de prêt immobilier. »
  
  
• Mots clés - « taux d’assurance ».

• Découverte d’informations utiles à la prise de décision : vos données textuelles non structurées renferment des informations utiles. Les applications de recherche intelligente utilisent le traitement automatique du langage naturel pour discerner le sens et établir des corrélations entre les sources de données telles que les réseaux sociaux (tweets, LinkedIn), les commentaires des clients, les rapports d’e-commerce et les dossiers de maintenance afin de révéler des informations en temps réel, avec rapidité et précision.
  
  
• Accès instantané pour vos employés à des informations pertinentes : la recherche intelligente vous permet de créer une plateforme de recherche d’entreprise, un système de gestion des connaissances, un système de gestion des contenus ou un système de réponse aux questions afin de fournir une expérience utilisateur simple à l’échelle de toute l’équipe.
  
  
• Service client à grande échelle : La recherche intelligente vous permet de fournir systématiquement la bonne réponse à vos clients pour leur offrir une meilleure expérience. Les clients ne se contentent plus des FAQ. Aujourd’hui plus que jamais, ils veulent un libre-service complet sur vos sites web et vos applications mobiles. Les agents virtuels et la recherche intelligente leur permettent d’être autonomes. Cette autonomie se traduit par une réduction des coûts d’assistance et une plus grande satisfaction des clients.

Les entreprises stockent des documents et des données dans des sources variées et sous des formes à la fois structurées et non structurées. En moyenne, les employés perdent 3 heures par jour à chercher des informations.

Trouver des informations et des réponses dans les données non structurées de votre entreprise devrait être une opération facile. Il est temps pour votre entreprise d’opter pour la recherche intelligente et de se laisser guider par les données.

• Gain de temps. En automatisant la recherche de connaissances, des banques ont pu réaliser dix jours de travail en deux minutes seulement.
  
  
  
• Économies. Un client du secteur de l’énergie a économisé plus de 10 millions de dollars en réduisant le temps passé à rechercher des informations pertinentes dans les bases de connaissances de son entreprise.
  
  
• Réduction de la charge de travail. Un client du secteur de l’assurance a réduit de 90 % la charge de travail liée à la lecture et à l’analyse des données internes de l’entreprise.
  
  
• Génération de revenus. Des cabinets d’avocats utilisent des applications de recherche pour améliorer leurs processus métier et devenir quatre fois plus productifs, générant une augmentation des revenus pouvant atteindre 30 %.