L’intelligence artificielle (IA) fait partie de ces mots qui font le buzz depuis quelque temps. Mais depuis peu, l’IA n’est plus seulement une tendance, c’est devenu une technologie qui tient ses promesses.
Ce développement de l’IA « en situation » pourrait marquer le début de son adoption dans la majorité des secteurs. Cependant, dans de nombreux cas, l’IA reste principalement utilisée pour des tâches basiques de capture/ingestion de contenu ou d’OCR (Optical Character Recognition - reconnaissance optique de caractères).
Le résultat est probant, mais les entreprises pourraient aller bien plus loin en appliquant le potentiel de l’IA à l’ensemble des données existantes au sein de l’entreprise.
Nous entendons beaucoup parler du Big Data et du Big Content, et des enjeux liés à la recherche d’informations réparties au sein de divers systèmes. Et si l’IA pouvait nous aider à tirer parti des importants volumes de données à notre disposition ? Pour chercher ou recycler des informations utiles, ou faire le tri dans le contenu devenu inutile, certainement.
Ce sont d’ailleurs les grandes tendances de l’IA dans le domaine de la gestion de l’information en 2019.
L’ajout de tags associés aux ressources
Selon un proverbe, “Information is everything, and everything is information.” (« l’information est essentielle et tout est information »). En matière de gestion de l’information, la partie la plus importante d’une ressource sont ses informations associées (les métadonnées).
Revenons aux débuts de la gestion documentaire ou de la gestion de contenu d’entreprise (ECM). À cette époque le document était roi. Chaque document stocké était essentiel pour de nombreux processus, tels que le traitement des factures ou la gestion des sinistres, et chacun de ces documents s’accompagnait d’un ensemble de métadonnées, ou tags. Il s’agissait généralement d’éléments basiques : nom de fichier, date de création, auteur, type de contenu, etc. Et pour la plupart des systèmes, une fois le modèle de tags défini (ou les métadonnées stockées), il était difficile d’en changer. Une modification des tags impliquait de nombreux développements supplémentaires et une mise à jour de l’ensemble du contenu associé à ces métadonnées. Une situation loin d’être idéale.
Qui a heureusement changé. Les solutions de gestion de contenus de nouvelle génération, appelées plateformes de services de contenu, proposent des modèles de métadonnées flexibles et extensibles et permettent d’ajouter de nouveaux champs si besoin. Bien plus, nous stockons de plus en plus de données associées aux ressources (résolutions d’images, langue d’un document, données géophysiques, etc.).
Cette capacité à répondre à ces nouveaux besoins et à utiliser les tags de manière plus efficace est l’un des avantages proposés par les plateformes de services de contenu (CSP) modernes sur les solutions d’ECM traditionnelles. Mais qu’en est-il du contenu stocké dans ces solutions d’ancienne génération ?
Une autre caractéristique d’une CSP est la possibilité de connecter le contenu stocké au sein des différents systèmes pour offrir une vision centralisée de l’information via une interface unique sans nécessiter de migration. Elles permettent également de profiter d’un modèle de métadonnées moderne, permettant d’ajouter des tags au contenu sans pour autant modifier les systèmes existants. Couplée à l’IA, cette fonctionnalité est incroyablement puissante pour automatiser les processus.
Imaginez le scénario suivant : vous stockez des documents clients dans votre système ECM. Malgré toutes les bonnes intentions de vos employés, ces documents pourraient être mieux gérés et les seules métadonnées pertinentes sont les références clients. En utilisant une plateforme de services de contenu pour enrichir ce contenu via un moteur d’intelligence artificielle, vous pouvez ajouter de nouvelles métadonnées aux fichiers stockés apportant valeur, contexte et intelligence à votre écosystème de gestion de l’information.
Un moteur d’intelligence artificielle peut identifier :
- La nature du document - contrat, correspondance, facture, etc.
- Les documents contenant des informations personnelles, pouvant ensuite déclencher des contrôles de sécurité et actions supplémentaires selon les réglementations en vigueur.
- Les documents à supprimer conformément aux politiques de conservation établies.
- Et bien plus encore !
Identifier le contenu important
L’ajout de tags permet de mieux comprendre l’information.
Ils permettent ainsi d’identifier la nature d’un document (présentation, brochure, contrat, facture, etc.). Cette capacité à faire ressortir et à partager l’information pertinente est l’une des bases de la gestion des connaissances. Elle peut alors alimenter les départements de support client ou rassembler tous les contrats concernant un client particulier. C’est tout simplement impossible si le contenu ne dispose pas des bonnes métadonnées.
Bien plus, chaque secteur dispose de réglementations qui lui sont propres et obligent les entreprises à conserver certains types de documents pour une durée spécifique : c’est ce que l’on appelle les politiques de conservation. Mais sans connaissance du contenu disponible, impossible de savoir quand vous pouvez le supprimer. Par le passé, deux solutions étaient possibles : on pouvait le faire manuellement, ou pas du tout. L’approche manuelle étant incroyablement fastidieuse, sujette aux erreurs et chronophage, les organisations avaient tendance à ne pas effectuer de tri pour éviter tout problème.
Mais à l’aide d’un moteur s’appuyant sur l’IA pour classifier le contenu stocké, c’est devenu bien plus facile.
Les technologies d’intelligence artificielle les plus basiques sont capables de faire la différence entre un contrat et un CV, et les moteurs avancés vont jusqu’à concevoir des modèles basés sur le contenu spécifique d’une organisation. Par exemple, il est possible d’entraîner un modèle d’IA pour qu’il fasse la différence entre un document de rente viagère et un contrat d’assurance-vie.
Une plateforme de service de contenu vous permet d’appliquer ce modèle à la masse d’information disponible au sein de votre entreprise, résultant en des bénéfices non négligeables et une meilleure compréhension de votre contenu.
Supprimer l’information superflue
L’approche consistant à conserver l’ensemble du contenu a contribué au raz-de-marée d’information et empêché la suppression des ressources. Outre les coûts associés au stockage de ce contenu sur le long terme, le fait de conserver des informations plus longtemps que nécessaire peut soulever des questions juridiques.
Il existe toute une industrie dédiée à la gestion des archives et nous n’allons pas rentrer dans les détails ici. Mais l’IA peut être une solution à ce problème.
L’un des problèmes de la gestion des archives ou, plus simplement, de l’application de politiques de conservation, est le volume de contenu à gérer. Et par le passé, la seule solution était de traiter chaque document un par un.
Point important, la plupart des organisations souhaitent conserver un contrôle humain dans ce processus de tri, en raison principalement de l’aspect juridique de l’archivage.
Et ici aussi, l’IA peut vous aider. En s’appuyant sur l’IA pour faciliter la classification du contenu, les CSP vous permettent d’isoler rapidement et à grande échelle ce qui n’est pas une archive. Selon de nombreuses études une grande majorité du contenu est redondant, obsolète et trivial. Supprimer ce contenu facilite l’identification des ressources pertinentes afin de leur appliquer des politiques de conservation. L’IA peut être ensuite utilisée sur le contenu restant afin de l’analyser de façon détaillée, de l’associer à des règles de conservation et de réaliser ses recommandations aux bonnes personnes. Cette suppression du contenu superflu rend les processus d’identification, de déclaration et de gestion des archives plus flexibles et moins coûteux.