Qu'est-ce que la recherche cognitive ?
La recherche cognitive est une technologie de moteur de recherche qui utilise l'intelligence artificielle (IA) pour trouver rapidement des résultats de recherche pertinents et précis pour différents types de requêtes. Les entreprises modernes stockent de nombreuses informations, telles que des manuels, des FAQ, des rapports de recherche, des guides du service client et de la documentation sur les ressources humaines, sur différents systèmes. Les technologies de recherche cognitive analysent de grandes bases de données contenant des informations disparates et mettent en corrélation les données pour trouver des réponses aux questions des utilisateurs. Par exemple, vous pouvez poser une question telle que « Combien a été dépensé pour la réparation de machines l'année dernière ? » Ensuite, la recherche cognitive fait correspondre la question aux documents pertinents et renvoie une réponse précise.
Quels sont les avantages de la recherche cognitive ?
La recherche cognitive présente de nombreux avantages qui en font une technologie de moteur de recherche utile. Les avantages suivants sont quelques-uns des principaux avantages de la recherche cognitive.
Comprend le langage naturel
Un service de recherche cognitive produit des résultats plus précis sans autant de spécifications de la part de l'utilisateur. Il peut générer des résultats de recherche précis sur la base de nombreuses sources et de l'indexation de site web à partir de données structurées et non structurées. La technologie des moteurs de recherche cognitifs comprend également le contexte lorsqu'elle renvoie des résultats. Celle-ci utilise le traitement du langage naturel (NLP) pour déterminer le contexte, les modèles et le sens du langage humain.
Améliore la productivité
La recherche cognitive combine des informations provenant de plusieurs sources de données et produit une réponse complète en sortie. Dans la recherche par mot clé traditionnelle, vous devez trouver toutes les informations requises sur plusieurs pages. Ensuite, vous lisez, analysez et résumez vous-même les informations.
En revanche, vous pouvez utiliser la fonction de recherche complète pour obtenir des réponses à partir de nombreux documents à la fois. Vous avez accès aux données dont ils ont besoin encore plus rapidement. Cela peut améliorer la productivité et rationaliser les processus métier liés aux données au sein de votre organisation.
Personnaliser les résultats de recherche
La recherche cognitive utilise le machine learning (ML), qui personnalise les résultats pour les utilisateurs au fil du temps. Au lieu de produire continuellement les mêmes informations, il collecte les données et les modèles de recherche au fur et à mesure de leur utilisation. En enregistrant les résultats sur lesquels les utilisateurs sont susceptibles de cliquer après une première requête, il s'améliore et produit des résultats très pertinents beaucoup plus rapidement. Au fil du temps, la recherche devient plus intelligente, plus précise et plus utile.
Quels sont les cas d'utilisation de la recherche cognitive ?
La recherche cognitive utilise le traitement du langage naturel et d'autres technologies d'intelligence artificielle pour effectuer des recherches précises. Voici quelques-unes des étapes utilisées par la recherche cognitive.
Ingestion de données
La recherche cognitive a d'abord besoin d'informations pour effectuer des recherches. Elle peut ingérer des données provenant de documents, de sites Web, d'e-mails, de référentiels internes, de manuels et de toute autre information que vous souhaitez utiliser. Elle extrait les informations des ressources à l'aide de techniques d'extraction telles que la reconnaissance optique de caractères (OCR), la reconnaissance d'entités et les techniques NLP.
Le processus d'extraction vise à permettre à la recherche cognitive de comprendre les informations comme un humain cataloguerait le contenu.
Indexation de données
Après l'ingestion de données, la recherche cognitive crée un index consultable de toutes les informations extraites que vous lui avez fournies. Au-delà de l'utilisation de mots clés pour étiqueter les données, elle utilise des métadonnées, des relations entre les données et des informations supplémentaires pour cataloguer efficacement toutes les informations.
Lorsqu'un utilisateur recherche quelque chose, la recherche cognitive consulte ces index pour trouver les informations pertinentes beaucoup plus rapidement.
Entrée de l'utilisateur
Lorsqu'un utilisateur écrit une requête dans la recherche cognitive, celle-ci utilise le NLP pour décomposer et comprendre ce qu'il demande. Dans le cadre de la recherche par mot clé traditionnelle, un moteur de recherche reconnaît les mots clés et produit des données qui correspondent à ces mots clés.
En revanche, la recherche cognitive tente de comprendre le contexte complet de la requête, ainsi que les facteurs personnels de l'utilisateur, tels que ses préférences. Elle combine des techniques de PNL telles que l'analyse des jetons et l'analyse sémantique pour comprendre ce que l'utilisateur souhaite obtenir de sa recherche.
Recherche et extraction
À l'aide de la requête de l'utilisateur, la recherche cognitive parcourt ensuite ses index de données et trouve les informations pertinentes dans ses référentiels. Elle parcourt les index, recherche les voisins les plus proches et filtre les résultats couche par couche. Un score de pertinence est attribué à chaque résultat pertinent. La recherche cognitive affiche les informations les plus pertinentes en triant les résultats en fonction des scores.
Amélioration continue
Les utilisateurs peuvent ajouter des filtres ou des spécifications supplémentaires lorsqu'ils utilisent une recherche cognitive afin de produire des résultats encore plus spécifiques. La recherche cognitive affine son approche des requêtes en fonction des interactions précédentes.
Par exemple, la recherche cognitive enregistre ce que les utilisateurs recherchent et l'ordre de leurs requêtes de recherche. Si les utilisateurs posent généralement une certaine question juste après une requête, la recherche cognitive inclut également de manière proactive des informations sur la question de suivi.
Au fil du temps, la recherche cognitive en apprend également davantage sur le sentiment et le sens des requêtes de recherche des utilisateurs. Cela améliore ses réponses directes aux requêtes.
Par exemple, lorsqu'une personne pose une question précise, la recherche cognitive donne une réponse précise. Sinon, une question plus générale entraîne une réponse plus longue. En enregistrant constamment les interactions et en tirant des leçons de celles-ci, la recherche cognitive devient plus précise et fournit des informations plus pertinentes au fil du temps.
Comment fonctionne la recherche cognitive ?
Voici quelques possibilités d'utiliser la recherche cognitive à votre avantage.
Expérience de recherche unifiée
Vous pouvez utiliser la recherche cognitive pour créer une expérience de recherche unifiée. Comme il utilise le traitement du langage naturel, vous pouvez obtenir des réponses très détaillées et précises en extrayant des informations de plusieurs référentiels de données structurées et non structurées. En vous appuyant sur plusieurs sources et types de données, vous pouvez prendre des décisions basées sur les données plus facilement.
Par exemple, la société de biotechnologie Gilead Sciences, Inc. utilise AWS pour la recherche cognitive. Elle utilise cette technologie pour organiser les données structurées et non structurées. Les informations proviennent d'un maximum de neuf systèmes d'entreprise et de documents provenant de référentiels de connaissances.
La recherche cognitive a considérablement réduit les tâches manuelles de gestion des données pour Gilead. Le temps nécessaire pour rechercher des informations est d'environ 50 %. Cela a donné lieu à de précieuses recherches, expérimentations et avancées pharmaceutiques.
Robots en libre-service
Vous pouvez utiliser des solutions de recherche cognitive dans les robots en libre-service, ce qui contribue à améliorer le support client sur site. Les utilisateurs qui souhaitent savoir comment exécuter une tâche ou une fonction donnée peuvent saisir du texte en langage humain et obtenir une réponse personnalisée. La recherche cognitive favorise la découverte de connaissances en extrayant des informations provenant de divers manuels, documents de support et ressources.
Par exemple, Citibot utilise AWS pour fournir des outils de communication aux citoyens et à leurs gouvernements locaux et régionaux. Celui-ci intègre la technologie des chatbots à la recherche cognitive afin d'améliorer la capacité de mise à l'échelle et l'efficacité de l'engagement avec les mandants. Les citoyens trouvent rapidement les réponses qu'ils cherchent en utilisant le chatbot, qui réduit les temps d'attente jusqu'à 90 %.
Recherche dans les archives de données
De nombreuses entreprises disposent de banques de données historiques contenant des millions de documents, d'images et de fichiers texte transcrits. La recherche cognitive permet de déverrouiller les informations contenues dans le magasin de données et de les résumer à des fins d'analyse et de recherche.
Par exemple, le Wall Street Journal utilise AWS pour la recherche cognitive. La recherche cognitive a contribué à accélérer le développement de Talk2020. Talk2020 était un outil de recherche intelligent qui a aidé les lecteurs de la publication à rechercher et à analyser rapidement 30 ans de déclarations publiques faites par des candidats à la présidentielle. La technologie facilite l'étude approfondie des problèmes au fil du temps en explorant les modèles de discours et en effectuant des analyses de texte.
Intégration des employés
La recherche cognitive facilite toutes les tâches en libre-service que les employés doivent effectuer, comme l'intégration ou l'acquisition de nouvelles compétences. Elle sert de référence croisée pour les employés. Au lieu d'avoir à contacter un responsable pour leur expliquer comment faire quelque chose, ils peuvent demander une recherche cognitive. Cette utilisation permet de rationaliser les tâches en libre-service et d'augmenter la productivité.
Par exemple, Workgrid Software utilise AWS pour fournir des solutions logicielles sur une plateforme dédiée à l'expérience des employés. Cela rend leur travail plus connecté, plus efficace et plus productif. Grâce à la recherche cognitive, les employés peuvent rechercher du contenu numérique dans la base de données de l'organisation. Ils peuvent ainsi trouver des réponses à toutes les questions qui se posent au cours de leur travail.
Comment l'IA générative améliore-t-elle la recherche cognitive ?
L'intelligence artificielle générative (IA générative) est un type d'IA capable de créer de nouveaux contenus et idées, notamment des conversations, des histoires, des images, des vidéos et de la musique. L'IA générative aide à rationaliser la recherche cognitive, à mieux comprendre les intentions des utilisateurs et à améliorer les réponses globales. Nous en donnons quelques exemples ensuite.
En savoir plus sur l'IA générative »
Analyse du contexte
De nombreux outils d'IA générative utilisent des modèles de machine learning basés sur des transformateurs. Ces modèles sont dotés de réseaux neuronaux pour analyser les données textuelles afin d'en comprendre le sens.
Les modèles d'IA basés sur des transformateurs sont utiles pour le traitement et la compréhension du langage naturel. En tenant compte de l'utilisateur, du contexte des données et de l'intention de l'utilisateur, ils peuvent mieux comprendre le véritable objectif d'une requête. Grâce à une meilleure compréhension des requêtes, la recherche cognitive peut trouver des informations plus précises à renvoyer.
Résumé des résultats
L'IA générative peut résumer des textes plus volumineux en segments plus petits. La recherche cognitive permet de trouver les parties les plus pertinentes sur le plan sémantique de différents documents. Elle peut ensuite utiliser l'IA générative pour les combiner et renvoyer exactement ce que l'utilisateur souhaite voir. L'IA générative peut également optimiser la qualité d'un résultat en comprenant le texte renvoyé et en supprimant toute redondance.
Filtrage de contenu
L'IA générative peut filtrer les résultats de recherche cognitive en fonction de différents paramètres, notamment l'autorisation de l'utilisateur, la pertinence des requêtes et les préférences de l'utilisateur. Lors de la génération du texte de résultat, il peut s'assurer qu'il n'utilise que des ressources auxquelles l'utilisateur est autorisé à accéder. Les résultats restent pertinents et utiles sans compromettre la sécurité.
Comment AWS peut-il améliorer vos solutions cognitives de recherche d'entreprise ?
Amazon Web Services (AWS) propose Amazon Kendra comme solution de recherche cognitive.
Amazon Kendra est un service de recherche cognitive entièrement géré, très précis et facile à utiliser, qui s'appuie sur le machine learning. Vos développeurs peuvent l'utiliser pour ajouter des fonctionnalités de recherche à vos applications. Cela signifie que vos utilisateurs finaux peuvent découvrir des informations pertinentes stockées dans la vaste quantité de contenu diffusée dans votre entreprise.
Voici comment vous pouvez bénéficier d'Amazon Kendra :
- Obtenir une expérience de recherche unifiée dans les référentiels de contenus structurés et non structurés
- Fournir des réponses aux requêtes à l'aide d'outils basés sur le ML
- Accéder à des fonctionnalités de classement des réponses entièrement gérées qui contribuent à améliorer la précision des réponses
- Ajuster les réponses en fonction de vos propres critères spécifiques, ainsi que d'autres attributs tels que le comportement des utilisateurs et la fraîcheur du contenu
Commencer à utiliser la recherche cognitive sur AWS en créant un compte dès aujourd'hui.
Prochaines étapes avec AWS
