Par Arnaud Marquant, Directeur des opérations chez KB Crawl SAS
De plus en plus, les processus de veille reposent sur deux technologies majeures que sont l’Intelligence artificielle et le machine learning. De quelle manière ces dernières permettent-elles d’optimiser le travail du veilleur ? Explications
Dans un article précédent, nous évoquions les effets d’accélération dont les organisations privées et publiques font l’objet depuis déjà de nombreuses années. Mondialisation, accélération du temps, densification des flux dématérialisés, débits de plus en plus élevés, mais également intensification de la concurrence et apparition de nouveaux acteurs. Face à cela, les partenaires économiques redoublent d’exigences tant au niveau de la traçabilité que de l’automatisation ou des mesures en temps réel. Désormais, l’entreprise se doit d’intégrer rapidement l’information et de réagir en optimisant ses pratiques. Cela passe nécessairement par un apport conséquent des nouvelles technologies, tout particulièrement de l’intelligence artificielle (IA) et du machine learning. Ces deux éléments sont désormais au cœur de la problématique de veille, et ce à tous les niveaux de son cycle : collecte de l’information, traitement de celle-ci, analyse, diffusion et bien sûr action.
La technologie pour collecter l’information
Les sources d’information sont aujourd’hui amplement démultipliées. Plateformes, blogs, podcasts, newsletters, réseaux sociaux… Les formats comme les applications n’ont de cesse de se ramifier, et avec elles la masse des données à collecter. Face à un tel essaimage, l’IA permet d’identifier les nouvelles sources mais également d’en retirer une exploration « intelligente ». Il s’agit ici d’identifier par phénomènes de porosité des sources nouvelles et appropriées qui seraient jusqu’alors demeurées sous le boisseau. Si l’IA aide le veilleur à élargir le spectre de sa recherche, elle va également lui permettre de filtrer la pertinence des données collectées en fonction de différents critères pondérés. Par exemple, l’outil sera en mesure de jauger de la qualité des datas en adossant celle-ci à la construction du site de la source, à son niveau de référencement, aux avis qui y sont laissés ou encore au nombre d’articles qui y sont publiés.
La technologie pour traiter et analyser les datas
L’IA et le machine learning interviennent par ailleurs au niveau du traitement et de la reconnaissance des données. En découpant l’information dans la source, l’algorithme de veille va faciliter le traitement et la reconnaissance des datas en transformant, scindant et analysant automatiquement ces métadonnées pour une utilisation uniforme. Il va aussi être en capacité de reconnaître automatiquement les entités nommées via l’analyse sémantique des métadonnées spécifiques. C’est ainsi, par exemple, que le nom d’Emmanuel Macron sera classé directement dans les catégories « homme politique » et/ou « président de la République ».
Un autre apport de l’IA repose sur l’identification active de nouveaux concepts ou de nouvelles notions, ceci pour mener au mieux la phase d’analyse. Un recueil ou une contextualisation des informations permettra par exemple de détecter facilement les nouvelles entreprises, les nouvelles personnes ou technologies nécessitant d’être citées. Un outil bien fait, à l’image de KB Suite, génèrera automatiquement un classement en « tags » basé sur l’analyse du comportement des veilleurs. Par exemple, si un texte cite un médicament alors que le mot n’y figure pas, l’outil proposera tout de même le tag « médicament ».
Diffuser et agir
Il faut encore, dans le cycle de la veille, que sa diffusion soit la plus ciselée possible. Une étude approfondie des statistiques de consultation sera ici réalisée par l’IA de l’outil, afin de favoriser la diffusion de contenus les plus pertinents pour chaque lecteur. Quant à la validation de l’information par apprentissage, elle bénéficiera du machine learning. Grâce à ce dernier, l’outil de veille apprend au fur et à mesure de son expérience, analysant les données dans le temps et anticipant des comportements adaptés au mieux à l’utilisateur.
Tout ceci doit bien sûr bénéficier au cœur de l’entreprise, c’est-à-dire à sa stratégie. L’IA et le machine learning doivent permettre de mettre en évidence des signaux faibles, pour ne pas dire de croiser différents éléments appelés à devenir, demain, les facteurs qui influenceront l’activité de l’organisation. L’IA est dès lors en mesure de réaliser une analyse prédictive, laquelle permet aux décideurs d’identifier plus facilement les futures tendances du marché – par exemple en termes de consommation, d’innovations ou encore d’évolutions règlementaires.
On le voit donc : l’impact de la technologie est désormais majeur au sein de nos entreprises, et particulièrement auprès de ses veilleurs. De l’IA au machine learning, il est question de rester en surplomb vis-à-vis de l’information, de gérer sa surabondance, de voir plus large et de s’emparer des signaux faibles. Il est également question – nous en parlions dans un précédent article) de mieux collaborer au sein de l’organisation, de faciliter les échanges transverses, de partager et de s’enrichir. In fine, c’est au niveau du gain de temps – collectif et individuel – que se mesure un processus de veille bien fait, ainsi que d’une prise de décision facilitée par le fait que le veilleur est tout entier dédié à sa fonction.