Trop souvent, nous considérons la recherche comme acquise.
Google fonctionne à merveille — à tel point qu'il est douloureusement évident de constater à quel point les logiciels de recherche d'entreprise ont pris du retard. Trouver quelque chose dans notre travail quotidien n'est tout simplement pas aussi fluide que trouver quelque chose sur Internet.
Pourquoi cela ? En clair, la recherche d'entreprise est complexe. Le contenu de chaque entreprise est propre à cette organisation, contrairement au web partagé que des milliards de personnes consultent chaque jour. Au sein d'une entreprise, les employés recherchent généralement des informations précises et uniques, plutôt que les millions de pages du web susceptibles de répondre à la même question. Et tout ce contenu n'est généralement compréhensible que par ceux qui travaillent dans l'entreprise, ce qui rend difficile l'apprentissage à partir des habitudes d'utilisation et des retours.
Compte tenu de cette complexité, les logiciels de recherche d'entreprise accusent depuis bien trop longtemps un retard de plusieurs années par rapport à la recherche web. Voici ce qu'il faudra pour mettre les logiciels de recherche d'entreprise au niveau des besoins actuels des entreprises.
Maîtriser les fondamentaux
La fonction de recherche des outils SaaS (Software as a Service) populaires devrait offrir de nombreuses fonctionnalités, mais la plupart du temps, leur recherche native ne fonctionne tout simplement pas. En effet, ces outils négligent souvent certains fondamentaux.
Un logiciel de recherche d'entreprise devrait effectuer des recherches dans l'ensemble de votre contenu, et pas uniquement dans les titres de documents. Il devrait connaître les acronymes et synonymes standard, et inclure automatiquement les résultats mentionnant « Chief Executive Officer » lorsque vous recherchez « CEO », ou les résultats mentionnant « calendrier des congés » lorsque vous recherchez « calendrier des vacances ». Il devrait également comprendre que les différentes parties de votre requête de recherche ont des objectifs distincts ; lorsque vous recherchez « slides de la réunion du conseil », il devrait savoir faire remonter les diapositives non seulement en fonction de ce qu'elles contiennent, mais aussi de ce qu'elles sont.
Les algorithmes de classement devraient apprendre en permanence à partir des retours. Si vous cliquez sur un résultat de recherche situé en bas de la liste, l'outil devrait comprendre que ce résultat aurait probablement dû être mieux classé, tout en veillant à ne pas surinterpréter ce seul point de donnée (contrairement à la recherche Google, les signaux de retour sont ici bien plus rares et moins fiables). Dans les moments, pas si rares, où vous faites une erreur, il devrait reconnaître et corriger vos fautes de frappe, en se basant sur le langage de votre entreprise.
Tout cela devrait exister au sein d'une interface unifiée couvrant toutes les applications, sans aucun réglage manuel requis, et être opérationnel dès le premier jour.
Comprendre le langage de votre entreprise
Saisir des mots-clés en espérant une correspondance a longtemps été le paradigme dominant de la recherche. Mais cela ne suffit souvent pas. Parfois, vous vous souvenez du sujet d'un document, mais pas de sa formulation exacte. Un logiciel de recherche d'entreprise devrait intégrer une recherche sémantique, afin que vous puissiez rechercher des informations telles que vous vous en souvenez — même si vous remplacez « quel est le mot de passe wifi » par « où sont les paramètres internet ».
Bien sûr, la façon dont vous communiquez au sein de votre entreprise peut varier énormément d'une entreprise à l'autre. Selon que vous développez des logiciels ou cultivez des fruits, « apple » peut renvoyer à plusieurs concepts différents. 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 alimentent non seulement la recherche sémantique, mais apprennent aussi quels mots vous et vos collègues utilisez comme synonymes — qu'il s'agisse de ce projet qui a été renommé, ou de l'acronyme astucieux que vous avez créé pour le désigner. La quantité de données au sein d'une entreprise est généralement de plusieurs ordres de grandeur inférieure à celle du web ou des sources de données publiques ; une adaptation robuste au domaine sur un volume aussi faible exige donc une application rigoureuse et nuancée du transfer learning.
{{richtext-banner-component}}
Comprendre le fonctionnement de votre entreprise
Votre entreprise est unique. Différentes équipes travaillent sur différents documents, échangent sur des projets variés et utilisent toute une palette de logiciels à leur manière, chacune avec ses propres particularités. Rien de tout cela n'est partagé par d'autres entreprises, et pourtant, comprendre tout cela est essentiel pour offrir une expérience de recherche qui fonctionne tout simplement. En construisant en permanence un graphe de connaissances de toute l'activité foisonnante au sein de votre entreprise, la recherche peut faire remonter le contenu le plus important, le plus pertinent et le plus récent, pour chaque requête. Les techniques d'apprentissage sur graphe permettent également de comprendre comment tous les documents, personnes et concepts de l'entreprise sont liés les uns aux autres.
Les données agrégées de différentes sources devraient offrir une vision à 360 degrés de tous vos employés — qui ils sont, sur quoi ils travaillent, avec qui ils collaborent étroitement et ce qu'ils ont fait récemment. Une vision similaire pour les clients devrait aider les équipes à suivre les prospects et les opportunités au sein d'une interface unifiée.
Comprendre comment vous travaillez
Ce dont vous avez besoin pour accomplir votre travail est très différent de ce dont les autres personnes de l'entreprise pourraient avoir besoin. Une recherche sur, disons, « objectifs trimestriels » devrait tenir compte du fait que vous êtes ingénieur logiciel ou commercial grands comptes, 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 où vous travaillez. Le graphe de connaissances doit indiquer au système de recherche quels contenus de vos collègues vous importent le plus, et s'en servir pour s'assurer que chaque recherche est adaptée spécifiquement à vous. Cette compréhension de chaque utilisateur devrait être réutilisée dans la fonction d'autocomplétion lors de la suggestion de requêtes et de documents, afin de vous donner rapidement ce dont vous avez besoin.
Concevoir une excellente expérience de recherche pour l'entreprise exige de relever des défis jusqu'alors insurmontés. Cela nécessite de comprendre en profondeur comment vous travaillez et quelles informations comptent pour vous. Chez Glean, nous nous attaquons à ces problèmes chaque jour. Et nous sommes ravis d'offrir aux équipes l'assistant de travail qui hisse la recherche d'entreprise au niveau qu'elle devrait atteindre.
