L’engouement est terminé : l’IA générative stimule l’évolution de la recherche au sein des entreprises

2025 est l'année où l'IA générative passe de la démonstration de faisabilité à la production dans l'entreprise. Avec les bonnes bases de données, les entreprises peuvent extraire une plus grande valeur de leur base de connaissances, en ouvrant la voie à une transformation à long terme et à un avantage concurrentiel. Que ce soit en matière de vente, de service client ou de marketing, le nombre de cas d'utilisation pertinents s'accroît, tandis que les précurseurs enregistrent déjà des gains d'efficacité. 

Avec autant de possibilités, par où commencer ? La réponse réside dans l'évolution de la recherche, déclare Derek Rodriguez, directeur général du groupe Search and Content Analytics chez Accenture. "Pendant de nombreuses années, nous nous sommes appuyés sur la recherche traditionnelle par mots-clés, où les utilisateurs saisissent des termes de recherche et font appel à leur jugement pour filtrer les résultats", explique-t-il. "Plus récemment, l'indexation en temps réel, les architectures distribuées et la recherche sémantique ont permis d'améliorer la précision en comprenant l'intention et le contexte de l'utilisateur." 

Aujourd'hui, les plateformes de recherche alimentées par l'IA vont plus loin, en unifiant les données structurées et non structurées pour résumer le contenu et générer des informations. En comprenant l'intention, le contexte et les relations au sein des données, ces systèmes permettent une prise de décision plus rapide et plus précise, et réduisent le besoin de recherches manuelles. "L'automatisation des workflows de recherche réduit considérablement le coût de la gestion des connaissances, transformant l'équation de valeur et augmentant le retour sur les données d'entreprise", explique M. Rodriguez. 

Cette méthode innovante requiert une base de données tout aussi solide, vectorisée et optimisée par des fonctionnalités de récupération et de classement avancées. Avec ces fondamentaux en place, les entreprises peuvent combiner des données propriétaires avec de grands modèles de langage (LLM) pour obtenir des informations fiables et conformes.  

Steve Mayzak, directeur général de la division Search chez Elastic, déclare : "Une base de connaissances bien vectorisée et consultable constitue un point de départ flexible pour l'intégration aux systèmes d'entreprise afin de fournir une valeur à long terme dans des scénarios métier critiques."

C'est là que le partenariat d'Accenture avec Elastic joue un rôle essentiel, en combinant les capacités de recherche scalables et pilotées par l'IA d'Elastic avec la vaste expertise sectorielle d'Accenture pour aider les entreprises à maximiser la valeur de leurs données et à générer un véritable impact métier.  

Selon Derek Rodriguez, l'intérêt d'Elastic ne réside pas seulement dans la précision et la pertinence de sa technologie de recherche IA, mais aussi dans ses fonctionnalités avancées de surveillance et son intégration avec divers partenaires de l'écosystème IA. En retour, Accenture apporte une connaissance inégalée du secteur, une expertise en conseil stratégique et un réseau mondial de professionnels qualifiés capables de mettre en œuvre et d'intégrer des solutions technologiques complexes. Accenture continue de recruter et de former ses employés aux technologies Elastic, ce qui souligne l'importance de ce partenariat.

Accenture et Elastic peuvent également aider les entreprises à répondre à l'une des questions les plus difficiles qui soit : par où commencer ? M. Mayzak explique que les organisations doivent rechercher des cas d'utilisation internes où les données sont abondantes et précises. "Choisissez l'initiative la mieux adaptée aux capacités actuelles des LLM, avec de fortes chances de succès. En démontrant la valeur, vous pouvez débloquer du budget pour d'autres projets et créer une véritable dynamique."

Les deux organisations apportent une riche expérience dans la gestion de données non structurées dans des environnements hétérogènes. "Dans le monde réel, les données organisationnelles sont très complexes, couvrant des structures hiérarchiques, des réseaux et des relations multidimensionnelles", explique M. Rodriguez 

De nombreuses grandes organisations, notamment dans des secteurs comme la pharmacie, la vente au détail, l'automobile et le e-commerce, stockent des centaines de téraoctets, voire des pétaoctets de données. Cependant, une grande partie de cette richesse numérique reste inexploitée. En moyenne, les entreprises n'exploitent que 32 % de leurs données, laissant plus des deux tiers inexploitées.¹

Accenture contribue à remédier à ce problème en établissant des connexions complexes entre les enregistrements imbriqués, les identificateurs d'entreprise et les divers signaux de classement. Ces indicateurs incluent les scores de pertinence, la popularité, le volume des ventes et les classifications taxonomiques.

Dans des environnements aussi complexes, utiliser une base vectorielles rudimentaire revient à essayer d'éclairer un stade avec une seule allumette ; techniquement parlant, c'est une source de lumière, mais totalement insuffisante face à l'ampleur du défi.

Avec une base solide, les organisations peuvent bâtir leur entreprise pour un avenir axé sur l'IA qui approche plus vite que la plupart des dirigeants ne l'imaginent. Cela englobe des frameworks agentiques qui permettent l'automatisation et la prise de décision autonome, sous la supervision humaine. 

M. Rodriguez répartit les agents dans l'une des trois catégories suivantes :  

1. Au niveau le plus élémentaire, les organisations peuvent créer leurs propres systèmes internes de recherche et de réponse aux questions. Ces agents sont capables d'effectuer des tâches telles que l'interrogation en langage naturel de données structurées et de données non structurées, la réservation de salles de conférence, la recherche d'informations de contact ou la fourniture d'itinéraires.  

2. Un deuxième type de comportement agentique est lié à l'automatisation des processus robotiques (RPA) et à l'automatisation des processus métier. Pensez au traitement des factures : les factures entrantes déclenchent une série de vérifications et d'enregistrements de données dans les systèmes financiers. L'IA générative automatise les étapes manuelles de ce processus, ce qui contribue à améliorer la précision et à réduire les coûts.

3. Ultérieurement, les agents pourront constituer une équipe de collaborateurs, unissant leurs efforts pour résoudre les problèmes. Un agent superviseur peut définir une tâche, comme la création d'un brief marketing, puis déléguer des sous-tâches à d'autres agents spécialisés. Ces sous-agents collectent des informations et les assemblent pour créer le produit final.

Dans chacun de ces scénarios, un référentiel de connaissances vectorisé et interrogeable est essentiel. "C'est l'investissement que les organisations doivent réaliser pour tirer profit des workflows agentiques, et Elastic peut y contribuer", déclare M. Rodriguez.

Derek Rodriguez adresse également un message clair aux entreprises qui hésitent à agir maintenant ou à rester à l'écart de la première vague d'IA générative. "Il faut voir grand. Ne vous contentez pas des chatbots qui font gagner quelques secondes lors de la rédaction d'un e-mail", explique-t-il. "La bonne nouvelle, c'est que des plateformes comme Elasticsearch offrent une modélisation et une recherche de données sophistiquées adaptées aux défis des grandes entreprises."