Bien trop souvent, nous tenons la recherche pour acquise. ;
Google fonctionne remarquablement bien — à tel point qu’il devient cruellement évident à quel point les logiciels de recherche d’entreprise ont pris du retard. Dans notre travail au quotidien, trouver quelque chose n’est tout simplement pas aussi fluide que sur Internet. ;
Pourquoi ? Tout simplement, la recherche d’entreprise est difficile. Le contenu de chaque entreprise est propre à cette organisation, contrairement au Web partagé que des milliards de personnes interrogent chaque jour. En entreprise, les employés recherchent généralement des informations spécifiques, non répétées, plutôt que parmi des millions de pages susceptibles de répondre à la même question. Et tout ce contenu n’est généralement compréhensible que par les personnes qui travaillent dans l’entreprise, ce qui complique l’apprentissage à partir des usages et des retours.
Vu cette complexité, les logiciels de recherche d’entreprise ont été, pendant bien trop longtemps, en retard de plusieurs années sur la recherche web. Voici ce qu’il faudra pour que les logiciels de recherche d’entreprise rattrapent les besoins actuels des entreprises.
Maîtriser les fondamentaux
Il existe beaucoup de fonctionnalités que vous vous attendez à retrouver dans la recherche des outils SaaS (Software as a Service) populaires, mais la plupart du temps, leur recherche native ne fonctionne tout simplement pas. Parce qu’il leur manque souvent certains fondamentaux. ;
Les logiciels de recherche d’entreprise devraient rechercher dans l’ensemble de votre contenu, pas seulement dans les titres des documents. Ils devraient connaître les acronymes et synonymes courants, en incluant automatiquement les résultats qui mentionnent « Chief Executive Officer » lorsque vous recherchez « CEO », ainsi que ceux qui mentionnent « holiday calendar » lorsque vous recherchez « vacation calendar ». Ils devraient aussi comprendre que différentes parties de votre requête ont des objectifs différents lorsque vous recherchez « board meeting slides », ils devraient savoir faire remonter les diapositives non seulement pour ce qu’elles contiennent, mais pour ce qu’elles sont. ;
Les algorithmes de classement devraient apprendre en continu à partir des retours. Si vous cliquez sur un résultat situé en bas de la liste, le système devrait comprendre que ce résultat aurait probablement dû être mieux classé, tout en évitant de trop s’ajuster à ce seul point de données (contrairement à la recherche Google, les signaux de feedback sont ici bien plus rares et moins fiables). Et dans ces moments, pas si rares, où vous faites une erreur de frappe, il devrait reconnaître et corriger vos fautes, en s’appuyant sur la langue de votre entreprise.
Tout cela devrait exister dans une interface unifiée, dans toutes les applications, sans réglage manuel requis, prête à l’emploi dès le premier jour.
Comprendre la langue de votre entreprise
Taper des mots-clés en espérant une correspondance a longtemps été le paradigme dominant de la recherche. Mais souvent, cela ne suffit pas. Il arrive que vous vous souveniez du sujet d’un document, sans vous rappeler sa formulation. Les logiciels de recherche d’entreprise devraient intégrer nativement la recherche sémantique, pour que vous puissiez chercher l’information telle que vous vous en souvenez — même si vous remplacez « quel est le mot de passe du wifi » par « où sont les paramètres Internet ».
Bien sûr, la façon dont vous communiquez au sein de votre entreprise peut être très différente de celle d’autres entreprises. Selon que vous développiez des logiciels ou que vous cultiviez des fruits, « apple » peut renvoyer à plusieurs concepts. Un système de recherche d’entreprise efficace a besoin de modèles de deep learning personnalisés pour comprendre le langage spécifique de votre entreprise. Ces modèles ne se contentent pas d’alimenter la recherche sémantique : ils apprennent aussi quels mots vous et vos collègues utilisez comme synonymes — qu’il s’agisse d’un projet qui a été renommé, ou de l’acronyme malin que vous avez créé pour le désigner. ;Le volume de données d’une entreprise est généralement inférieur de plusieurs ordres de grandeur à celui du Web ou des sources de données publiques une adaptation robuste au domaine avec un tel faible volume nécessite une application rigoureuse et nuancée du transfer learning.
{{richtext-banner-component}}
Comprendre comment fonctionne votre entreprise
Votre entreprise est unique. Différentes équipes travaillent sur des documents différents, parlent de projets variés et utilisent un assortiment de logiciels à leur manière, avec leurs propres habitudes. Rien de tout cela n’est partagé avec d’autres entreprises, et pourtant comprendre tout cela est essentiel pour une expérience de recherche qui fonctionne, tout simplement. Construire en continu un graphe de connaissances de toute l’activité qui anime votre entreprise permet à la recherche de faire remonter, pour chaque requête, le contenu le plus important, le plus pertinent et le plus récent. Les techniques d’apprentissage sur graphes permettent aussi de comprendre comment tous les documents, personnes et concepts de l’entreprise sont reliés entre eux.
Les données agrégées de différentes sources devraient offrir une vue à 360 degrés de tous vos collaborateurs — qui ils sont, sur quoi ils travaillent, avec qui ils collaborent étroitement et ce qu’ils ont fait récemment. Une vue similaire pour les clients devrait aider les équipes à suivre prospects et opportunités dans une interface unique.
Comprendre votre façon de travailler
Ce dont vous avez besoin pour accomplir votre travail est très différent de ce dont d’autres personnes dans l’entreprise peuvent avoir besoin. Une recherche, par exemple, sur « objectifs trimestriels » devrait tenir compte du fait que vous êtes un ingénieur logiciel ou un responsable de compte commercial, au lieu d’afficher les mêmes résultats à tout le monde. Chaque recherche devrait être profondément personnalisée, et les algorithmes de classement devraient s’appuyer sur une compréhension des documents sur lesquels vous travaillez, des outils que vous utilisez, des projets dont vous parlez et de la région depuis laquelle vous travaillez. Le graphe de connaissances doit indiquer au système de recherche quels contenus de vos collègues comptent le plus pour vous, et s’en servir pour que chaque recherche soit spécifiquement adaptée à votre profil. Cette compréhension de chaque utilisateur doit aussi être exploitée par l’autocomplétion, afin de suggérer des requêtes et des documents et de vous donner rapidement ce dont vous avez besoin.
Créer une excellente expérience de recherche pour l’entreprise nécessite de relever des défis jusque-là insurmontés. Cela implique de comprendre en profondeur votre façon de travailler, et les informations qui comptent pour vous. Chez Glean, nous relevons ces défis au quotidien. Et nous sommes impatients d’offrir aux équipes l’assistant de travail qui permettra à la recherche d’entreprise de rattraper enfin le niveau qu’elle devrait avoir.
