Une technologie négligée qui détermine le retour sur investissement dans l'IA d'entreprise

Tirez parti des technologies négligées qui définissent le retour sur investissement de l'IA d'entreprise et améliorez la précision des grands modèles de langage tout en réduisant intelligemment les coûts de déploiement et d'exploitation.

Les choses les plus importantes que vous devez savoir

  • Concentrez-vous sur les contenus stratégiques de l'entreprise — tels que les contrats, les procédures opérationnelles standard et les documents financiers — où le coût d'un échec est élevé, et assurez-vous qu'une version fiable, à jour et étiquetée avec des métadonnées soit disponible, la reliant au contexte commercial et permettant à l'IA de savoir précisément quand et comment l'utiliser.
  • C’est le contexte explicite (relations entre les documents, les flux de travail et les connaissances organisationnelles) qui permet de contrôler le comportement des agents intelligents, et pas seulement la capacité de recherche ; la mise à disposition des métadonnées et de la logique métier permet l’application des autorisations, l’identification de la version autorisée, la position des informations dans le processus et les points d’intervention humaine.
  • La préparation à l'IA ne nécessite pas de résoudre tous les problèmes de gestion de l'information en même temps, mais plutôt de commencer par les domaines les plus importants et les plus risqués : identifier les informations critiques, évaluer leur exactitude et leur validité, saisir leur contexte environnant, puis les mettre à la disposition de l'agent avec les contrôles nécessaires – liant ainsi directement les investissements dans l'information aux cas d'utilisation ciblés de l'IA.

Ces dernières années, les organisations se sont lancées dans une course effrénée pour adopter les outils d'intelligence artificielle dans leurs opérations et leurs processus. À mesure que l'IA évolue, passant de la simple réponse aux questions à la prise de décisions et à l'exécution d'actions, une autre technologie jouera un rôle étonnamment important pour déterminer la rentabilité de ces investissements : la gestion documentaire.

Partout dans le monde, les entreprises investissent massivement dans l'intelligence artificielle. Selon les projections récentes, les dépenses en IA atteindront 2 500 milliards de dollars en 2026. Toutefois, les organisations qui investissent sans compter dans les modèles, les infrastructures et les applications sans se préoccuper de la couche d'information sous-jacente risquent de compromettre le retour sur investissement en fournissant à l'IA des informations inexactes ou en amplifiant des erreurs coûteuses.

La question n'est plus de savoir ce que l'intelligence artificielle peut faire, mais si elle dispose des informations nécessaires pour le faire parfaitement. C'est là, en substance, le problème de la gestion documentaire.

Le problème du contexte en intelligence artificielle

La plupart des institutions ne souffrent pas d'un manque d'information, mais plutôt d'une surabondance écrasante de celle-ci.

Des années de collaboration ont généré d'énormes volumes de documents dispersés sur des lecteurs partagés, des applications métier, des plateformes collaboratives et des espaces de travail individuels. Si les outils collaboratifs ont facilité la création et le partage d'informations par les employés, ils ont aussi rendu difficile l'identification des documents fiables.

Il peut exister plusieurs exemplaires du même contrat, une ancienne politique conservée parallèlement à la politique actuelle, ou des directives sur la manière de gérer une exception, enfouies quelque part et connues seulement de quelques employés.

Les humains sont généralement capables de gérer cette complexité ; ils savent qui est responsable d’un processus donné, quelle version d’un document fait foi et quand une exception s’applique. Une grande partie de ce savoir provient de l’expérience et du contexte, qui ne sont pas toujours consignés par écrit. L’intelligence artificielle, en revanche, ne possède pas cette compréhension d’emblée ; elle doit être développée avec soin.

Cela devient de plus en plus important à mesure que les entreprises confient davantage de responsabilités aux systèmes d'IA. Si un employé ouvre le mauvais document, il est généralement possible de corriger l'erreur. Mais si un agent d'IA utilise des informations obsolètes dans le cadre d'un flux de travail automatisé, cette erreur pourrait se transformer en un problème plus grave avant même que quiconque ne s'en aperçoive.

Certains contenus sont plus importants que d'autres.

Tenter de rendre chaque document de l'organisation « parfait » n'est pas la solution ; c'est une tâche colossale et la majeure partie du contenu ne mérite pas le même niveau d'attention.

Les organisations doivent commencer par identifier leur contenu stratégique. Il s'agit d'informations essentielles au bon fonctionnement de l'entreprise, où le coût d'un échec est élevé et où l'intelligence artificielle a besoin de contexte supplémentaire pour fonctionner comme prévu.

Les contrats en sont un exemple flagrant. Ils définissent les obligations, les prix et les engagements envers les clients. Les procédures opérationnelles standard peuvent encadrer la réalisation des tâches importantes. D'autres documents, tels que les dossiers clients et les informations financières, peuvent également influencer les décisions ou initier des processus métier.

Ces documents sont bien plus que de simples fichiers dans un répertoire. Ils font partie intégrante du contexte opérationnel de l'entreprise. Quelques questions simples permettent de déterminer si un document ou une information mérite une attention particulière :

  • Existe-t-il une version claire et fiable ?
  • Est-ce à jour et correctement classifié ?
  • À qui appartient-il et qui devrait y avoir accès ?
  • Quelles autres informations permettent de contextualiser le document ?
  • Un système d'intelligence artificielle peut-il déterminer avec fiabilité quand il doit être utilisé ?

Ces questions peuvent sembler relever de la gouvernance de l'information traditionnelle, mais à mesure que l'intelligence artificielle gagne en autonomie, elles deviennent un élément crucial de la préparation d'une organisation à l'IA.

Le contexte crée le contrôle

La plus grande idée fausse concernant la préparation à l'IA est de croire qu'il suffit de rendre l'information consultable ; or, c'est faux.

Trouver un document pertinent n'est que le point de départ. Le système d'IA devra peut-être aussi comprendre la raison d'être du document, son sujet, sa certification et sa place dans un processus métier plus large.

Ce contexte peut découler des relations entre les informations, les flux de travail et les processus que les organisations ont mis en place au fil du temps. Il peut également provenir des connaissances organisationnelles que les employés ont acquises grâce à des années d'expérience dans l'exercice de leurs fonctions.

En clarifiant le contexte grâce aux métadonnées qui permettent d'identifier les détails des documents et de relier les informations pertinentes, les organisations peuvent mieux contrôler l'utilisation de ces informations par l'IA. Elles peuvent ainsi appliquer des autorisations basées sur les relations commerciales et la logique métier réelle, déterminer quelle version de l'information est autorisée, identifier sa place dans le flux de travail et décider du moment où une intervention humaine est nécessaire.

En d'autres termes, plus le contexte est riche, plus le contrôle est important. Cela devient crucial à mesure que l'IA évolue, passant de la simple génération de réponses à la prise d'actions concrètes pour le compte de l'entreprise.

La préparation à l'IA ne nécessite pas une transformation radicale.

Les organisations n'ont pas besoin de résoudre tous leurs problèmes de gestion de l'information avant de pouvoir tirer profit de l'intelligence artificielle. Une approche pragmatique consiste à commencer là où se concentrent la plus grande valeur et les plus grands risques.

Les dirigeants doivent identifier les informations commerciales les plus critiques, celles dont les processus reposent sur des connaissances spécifiques, puis évaluer leur exactitude, leur validité et leur fiabilité. La saisie du contexte de ces informations avant leur mise à disposition à l'agent permet d'établir les contrôles nécessaires avant leur transmission aux systèmes d'IA.

Cette approche permet également aux organisations de lier directement leurs investissements informationnels à leur stratégie d'IA. Au lieu de lancer un nouveau projet de transformation d'envergure, elles peuvent se concentrer sur un contenu pertinent pour les cas d'usage spécifiques qu'elles souhaitent mettre en œuvre.

Le véritable fondement du retour sur investissement en intelligence artificielle

Les principaux débats autour de l'intelligence artificielle portent sur l'infrastructure, les modèles, les agents et les nouvelles fonctionnalités. Si ces développements sont importants, ils ne représentent qu'une partie du problème. Les organisations doivent s'intéresser à l'infrastructure sous-jacente, moins visible : des informations fiables, le contexte métier, la gouvernance et des règles claires encadrant l'utilisation de ces informations. À l'ère de l'IA, la gestion documentaire est plus cruciale que jamais.

Les organisations qui ont adopté une approche stratégique pour relier l'information au contexte métier comprennent qu'il s'agit d'une étape cruciale vers le succès de l'IA. Le principal atout de la mise en œuvre de l'IA réside toujours dans la disponibilité d'informations pertinentes, suffisamment contextualisées pour permettre leur utilisation technique, notamment avec des modèles et des agents avancés.

️ Résumé et évaluation finale

Toute organisation déployant des agents d'IA indépendants doit d'abord investir dans l'organisation de sa documentation critique et l'ajout du contexte opérationnel et de la gouvernance nécessaires, car la précision des processus automatisés dépend fondamentalement de la fiabilité des informations sources, et non de la seule robustesse du modèle. Un avantage concurrentiel durable à l'ère des agents intelligents sera accordé exclusivement à ceux qui transforment les connaissances dispersées de l'organisation en actifs informationnels contextualisés, prêts à être exécutés en toute sécurité sans refonte majeure.

Les commentaires sont fermés.