Tape Ark et AWS inventent une solution d'archivage prête à l'emploi

Tape Ark s'est fixé pour mission d'aider les organisations à gérer leurs données de sauvegarde et leurs documents d'entreprise vieillissants en s'appuyant sur l'analytique des données, l'intelligence artificielle (IA) et le machine learning (ML). En tant que premier spécialiste mondial de la migration de bandes vers le cloud, ayant traité plus de cinq millions de bandes de données à ce jour, Tape Ark aide désormais ses clients à prendre le contrôle de leurs données papier.

Pour de nombreux secteurs, le stockage des documents est une obligation légale. Pourtant, le secteur de la gestion des documents, qui représente, selon IBIS World, 529 millions USD rien qu'en Australie, est prêt à être bouleversé.

« Le plus souvent, les entreprises ont tendance à perdre de vue le contenu de chaque boîte. Il est donc difficile de prendre des décisions concernant la mise au rebut des boîtes ou la numérisation des documents. À mesure que le temps passe et que leur collection de boîtes d'archives augmente, le problème devient encore plus complexe », déclare Guy Holmes, président-directeur général de Tape Ark.

À titre d'exemple, l'un des clients de Tape Ark possède un stock de plus d'un million de boîtes et sa collection remonte aux années 1930.

« Nous avons réalisé que le stockage de documents papier dans des boîtes d'archives constituait un problème pour de nombreuses entreprises. Afin de décider quels documents conserver, numériser ou détruire, elles cherchent généralement à numériser tous les documents ou à rapporter les boîtes d'archives à leur bureau pour qu'un expert les examine manuellement. L'option par défaut est de ne rien faire, mais cela implique de débourser des frais d'entreposage mensuels dans un avenir prévisible. Nous utilisions déjà l'IA et le ML dans d'autres domaines de notre activité lorsque nous avons eu l'idée de recourir à ces outils pour inventer une solution plus intelligente qui leur permet de découvrir le contenu de chaque boîte pour une fraction du coût », explique Guy.

Le parcours de machine learning de Tape Ark a débuté par un atelier de découverte organisé en juillet 2020 par l'équipe AWS Professional Services (ProServe). Une équipe dédiée de scientifiques des données, d'ingénieurs et d'experts commerciaux s'est réunie pour développer un « plan de machine learning », décrivant les étapes et les itérations clés. En décembre, Tape Ark était en mesure de déployer une preuve de concept appelée Rapid Box Indexer.

La solution Rapid Box Indexer permet aux entreprises de visualiser à distance le contenu des boîtes archivées via le portail client de Tape Ark. Il s'agit du premier service du genre, selon Guy.

« Jusqu'à présent, les entreprises devaient récupérer physiquement les boîtes dans des entrepôts hors site afin d'en vérifier le contenu. Chaque boîte est ouverte par un membre du personnel, qui examine, documente ou numérise manuellement les éléments avant de les ajouter à une feuille de calcul ou à une base de données. En fonction de son contenu, une seule boîte peut prendre plus d'une heure pour être indexée et documentée manuellement. Multipliez ce chiffre par des dizaines de milliers, voire des centaines de milliers de boîtes, ce qui est courant pour de grandes entreprises, et vous aurez des heures de travail interminables », explique Guy.

Pour automatiser ce processus, la solution Rapid Box Indexer utilise le machine learning pour indexer et enregistrer le contenu des boîtes. Les logiciels d'analyse intelligente d'images et de vidéos sont également utilisés pour classer les informations et ajouter des métadonnées, en fournissant ainsi des informations bien plus détaillées que les méthodes d'indexation traditionnelles.

« L'équipe ProServe a été incroyable », déclare Guy. « Elle nous a fait découvrir une nouvelle façon de penser, une suite de produits AWS émergents, et elle s'est montrée extrêmement coopérative. C'est formidable de travailler avec une équipe partageant les mêmes idées, qui voit les choses en grand et qui souhaite réellement résoudre le problème du client. »

Ensemble, Tape Ark et ProServe ont créé la solution Rapid Box Indexer à l'aide d'Amazon Textract, qui utilise le machine learning pour extraire du texte imprimé ou manuscrit et des données de pratiquement n'importe quel document, comme le ferait une véritable personne. Amazon Rekognition sert à automatiser l'analyse d'images et de vidéos à l'aide de logiciels de machine learning et de reconnaissance vocale, tandis qu'Amazon Comprehend permet la détection d'entités et l'analyse des sentiments. Amazon S3 sert à stocker et à protéger les données, tandis qu'Amazon Lambda permet un traitement très rapide des informations.

Les utilisateurs peuvent désormais « voir » l'intérieur de chaque boîte à l'aide de trois couches de données (vidéos, images et texte) via le portail Tape Ark, ainsi que par des balises consultables. Grâce à ces informations, il est beaucoup plus facile de décider quels documents conserver, numériser ou détruire. Ils peuvent également vérifier les boîtes longtemps après la capture de la vidéo, des images et du texte, sans devoir se rappeler la moindre boîte.

« Selon nous, c'est comme si vous aviez toutes vos boîtes hors site avec vous sur site afin de pouvoir en feuilleter le contenu au besoin. Cela permet à nos clients de se concentrer sur ce qu'ils espèrent trouver », explique Guy.

Après avoir développé une preuve de concept en Australie, Tape Ark pilote actuellement la solution Rapid Box Indexer depuis ses installations de Houston aux États-Unis.

« Nous utilisons actuellement la solution Rapid Box Indexer pour traiter 7 500 boîtes, ce qui est une échelle raisonnable pour notre premier projet pilote. Les commentaires des clients nous aideront à affiner l'Indexer et à le rendre encore plus utile. En 2021, nous commencerons à le déployer en masse », explique Guy.

« Notre objectif est d'étendre l'Indexer afin de répondre aux besoins de tous les secteurs d'activité et de répondre à certaines des questions les plus difficiles en matière de gestion documentaire. Pouvons-nous donner la priorité aux documents à numériser ? Cela contribuera-t-il à réduire la taille des boîtes d'archives physiques ? Comment cela réduira-t-il les coûts d'entreposage mensuels ? »

Selon les comparaisons établies par AWS, la solution Rapid Box Indexer peut être jusqu'à 20 fois moins onéreuse que les systèmes d'archivage traditionnels. Cette estimation est basée sur les coûts de stockage des boîtes dans des entrepôts, qui sont « nettement supérieurs aux coûts de numérisation et de stockage des données dans le cloud », explique Guy.