traduction de l’anglais
Context Driven Productivity et Ephesoft Semantik – Introduction
Aujourd’hui, je souhaite vous faire part de nouveaux développements prometteurs dont vous avez peut-être entendu parler dans les médias. Ephesoft a lancé ce mois-ci un nouveau concept et la première version bêta d’un tout nouveau produit révolutionnaire. Dans cet article, nous vous présentons le concept de Context Driven Productivity ainsi que notre nouvelle plateforme Web Semantik, qui permet de piloter la productivité par les données contextualisées.
Commençons pas définir ce que nous entendons par données contextualisées. Lorsque l’on parle de contexte, on entend « les circonstances d’un évènement, d’une affirmation ou d’une idée, qui permettent de pouvoir l’appréhender et l’évaluer de manière exhaustive. Comment pouvons-nous alors être plus productifs grâce aux données contextualisées ?
La croissance continuelle des données de l’entreprise est une problématique bien connue des DSI et organisations, qui impacte de nombreux secteurs d’activité. Et il semble important de se poser la question du rôle du contexte.
Le contexte ou la pièce manquante
Cela fait dix ans que nous proposons des solutions d’automatisation centrées sur les documents, et nous avons à maintes reprises constaté que les utilisateurs ne disposaient que d’une partie des pièces du puzzle. En raison des pièces (données) manquantes, les utilisateurs ne disposent en fait pas du contexte leur permettant d’exercer efficacement leurs fonctions. Prenons l’exemple du nombre d’onglets actuellement ouverts sur votre écran. Essayez de comptabiliser le nombre de bascules d’un onglet à l’autre ou d’une application à l’autre que vous effectuez quotidiennement. Force est donc d’admettre que le fait de basculer d’un onglet à l’autre, ou d’une application à l’autre, ou le fait de copier les données d’un emplacement à l’autre est pour nous une habitude.
C’est ce que j’appelle “ faire du rassemblement de données ”. Accéder à un système ou l’utiliser pour obtenir un ensemble de données ou une information en particulier, puis accéder au système suivant et utiliser les données dernièrement acquises pour en obtenir d’autres, et ainsi de suite en naviguant dans divers systèmes. Nous utilisons cette méthode complexe basée sur l’expérience humaine pour rassembler des données afin d’obtenir leur contexte. Lorsque les organisations tentent un transfert de méthode aux robots et systèmes, cela crée une toute nouvelle problématique et nécessite un traitement constant des exceptions. Un temps excessif est ainsi consacré à tous ces efforts de rassemblement de données.
Il y a en outre fort à parier que l’examen global de l’organisation révèle l’omniprésence de cette problématique des données contextualisées, et que la productivité de toute l’organisation s’en trouve affectée, qu’il s’agisse du traitement des factures fournisseur par la comptabilité, du processus d’onboarding mené par les ressources humaines, du traitement des commandes client ou encore du traitement des contrats par le service juridique. Ce manque d’efficacité général des processus et de la contextualisation est très courant et touche les organisations de toutes tailles.
Cette problématique de contextualisation est d’ailleurs l’une des principales causes de bien des échecs. Sans contexte, vos résultats sont en effet limités et vos objectifs d’automatisation compromis. Les taux d’échec constatés par McKinsey pour les projets de transformation digitale et RPA sont assez troublants. Il est en effet peu probable qu’automatiser un processus défectueux, ou tenter de transformer le fonctionnement d’un service entier dont les utilisateurs et systèmes ne disposent pas de toutes les données nécessaires à l’exécution de leurs fonctions, vous mène au succès. Tout simplement parce que cela ne fait que répliquer l’existant, c’est-à-dire transformer un processus physique défectueux en un processus certes numérique, mais toujours défectueux. Il doit donc bien être possible de trouver une meilleure façon de procéder.
L’analyse de la problématique
Le contexte est-il vraiment si primordial ? Vaut-il la peine de s’y attarder ? La réponse est bien évidemment positive. Les processus qui ne prennent en compte que les données déconnectées (les flat data) à deux dimensions ne génèrent qu’une productivité limitée, et ne permettent pas de prendre des décisions sur la base d’une vision globale à 360°. Prenons l’exemple du processus de recrutement. Si vous avez en charge l’une des étapes de ce processus, vous savez d’ailleurs que ce processus peut accaparer beaucoup de votre temps. Rien de plus frustrant, notamment, que d’examiner des CV, puis de consacrer des heures aux entretiens d’embauche, pour réaliser plus tard que certains facteurs ou certaines problématiques ont été ignorés et qu’ils éliminent en fait certains candidats pourtant shortlistés.
Je reçois par exemple un CV attractif qui m’est adressé par un candidat remplissant a priori tous les critères, mais pour lequel je ne dispose que des données déconnectées contenues dans le CV. Je manque donc véritablement de données enrichies par d’autres sources. Je ne réalise alors pas que le CV du candidat ne correspond pas à son profil LinkedIn, que le candidat a postulé à plusieurs reprises pour un poste au sein de l’entreprise, et que l’un des paragraphes de l’accord de partenariat que nous avons signé avec l’employeur du candidat nous interdit tout simplement de l’embaucher. Le candidat a en outre des antécédents juridiques, est le fils d’un membre du conseil d’administration de notre plus gros client, et possède un passeport expiré. Et le poste nécessite bien sûr des déplacements à l’international. Eh bien, tout ce contexte me fait totalement défaut aujourd’hui.
Ceci illustre la progression par étapes que l’on observe dans les entreprises visant à devenir autonomes et atteindre le plus haut niveau d’automatisation. Certaines entreprises sont au tout début de leur projet de transformation digitale, tandis que d’autres ont déjà automatisé certains processus et certaines tâches basiques, ou que d’autres encore ont déjà atteint un degré d’automatisation élevé. Mais une chose est sûre, il vous sera impossible d’atteindre un degré d’automatisation élevé sans ce fameux contexte et sans les données enrichies qui permettent d’appréhender l’ensemble des données utiles à l’exécution d’une tâche ou d’un processus. Sans contexte, les hommes, les travailleurs numériques et les systèmes ne pourront accéder aux informations leur permettant de prendre des décisions en temps réel et d’atteindre un niveau de productivité maximal. En revanche, grâce au contexte, les processus pourront alors être exécutés avec l’intervention minime de l’homme, et ce dernier pourra ainsi se consacrer à des tâches à plus forte valeur ajoutée pour l’organisation.
La Context Driven Productivity ou la naissance d’une nouvelle discipline
Comment appliquer alors une méthodologie robuste de traitement des informations et parvenir au niveau expert de l’organisation autonome ? Ephesoft a introduit une nouvelle manière d’appréhender la problématique du contexte : la Context Driven Productivity (CDP). Examinons ce que la CDP signifie pour l’organisation.
Notre vision de l’entreprise autonome repose sur l’apport de données contextualisées aux hommes, travailleurs numériques et systèmes. La CDP est une approche innovante visant à acquérir les données de processus existants, à enrichir ces données et à les valoriser dans le but d’accroître la productivité. Il ne s’agit ni d’un produit ni d’une technologie, mais d’un cadre permettant d’atteindre un degré d’autonomie élevé des processus, en s’attachant à fournir une vision à 360°de toutes les informations nécessaires à la prise de décision éclairée, grâce à la présentation des données en temps utile.
La CDP repose sur trois piliers qui permettent de comprendre un processus ou une tâche, et toutes les données associées utiles, et d’exploiter ces données en temps réel, pour pouvoir les utiliser ultérieurement. Ces piliers se résument en trois mots : acquérir, enrichir, amplifier.
Revenons à la question « Comment élaborer le contexte » ? S’agit-il simplement de recueillir des données ? La réponse est « non », car cela serait facile. La meilleure façon d’expliquer la nécessité d’une technologie sous-jacente est de s’imaginer une scène de crime. Vous avez tous déjà regardé une fois un épisode de série télévisée élucidant des enquêtes sur scène de crime, où les acteurs tentent d’identifier le meurtrier ou le criminel. La scène de crime est un exemple simple illustrant la complexité de la technologie en arrière-scène et l’apport de la méthodologie CDP. En bref, il s’agit d’un ensemble de liens et relations entre des entités et leurs attributs. Nous connaissons par exemple le lieu où l’arme du meurtrier a été retrouvée et le modèle de l’arme, ainsi que l’ADN sur l’arme. Nous pouvons donc commencer à assembler les éléments. Cette scène de crime physique illustre le moteur situé au cœur de notre nouvelle plateforme CDP.
Pour pleinement exploiter la CDP, nous avons besoin d’une technologie innovante regroupant :
- Un moteur d’acquisition Semantik (obtention de données pouvant être enrichies) ;
- Une fonction d’enrichissement des données qui crée des relations et des liens (le graphique de connaissances alias la scène de crime numérique) ;
- Une fonction d’amplification des résultats (accès aisé aux connaissances acquises par des services partagés sécurisés).
Vous en savez maintenant plus sur la problématique et sur la Context Driven Productivity. Regardons maintenant ce que propose Ephesoft pour résoudre cette problématique et améliorer la productivité des organisations ? Il est temps de vous présenter notre nouvelle plateforme et la vision mise en place pour aider les clients à connaître parfaitement leurs processus clés et améliorer la productivité des utilisateurs.
La solution : la plateforme Semantik
Semantik offre un ensemble d’outils visant à améliorer l’acquisition et la création de données sémantiques, l’enrichissement de ces données par des sources internes et externes et la mise à disposition de ces données à toute l’entreprise. En fournissant en début de processus des données pouvant être enrichies, un solide contexte peut être défini et sauvegardé au sein d’un graphique de connaissances afin de fournir aux travailleurs humains et numériques des ressources exhaustives leur permettant d’exécuter des tâches et processus rapidement et de manière automatisée.
Si nous soulevons le capot, nous visualisons l’infrastructure technique permettant de créer cette scène de crime numérique, par élaboration du contexte par IA à l’aide d’entités de données, de liens et d’une multitude de relations. On obtient au final un graphique de connaissances de l’entreprise qui est une carte fournissant une visibilité à 360° de toute activité que l’entreprise gère au quotidien, en fonction du temps.
Si nous revenons à notre exemple de contrôle du profil des candidats lors des recrutements biaisé par l’absence de contexte, nous disposons dorénavant de toute l’histoire du CV. Nous avons une bonne visibilité à 360° de l’ensemble des données et des interrelations entre elles, et pouvons obtenir un contexte complet afin de prendre des décisions pertinentes et rapides sans besoin de faire du rassemblement de données.
Une vision exhaustive commune
Le résultat final visé est de fournir au travers du contexte compilé une vision exhaustive et commune aux utilisateurs, systèmes et travailleurs numériques, au format numérique. Ce contexte est un ensemble de données enrichies constituées par des entités, liens et interrelations, qui fournit toutes les informations nécessaires à l’exécution d’un processus ou d’une tâche.
Ephesoft soutient les initiatives de CDP à l’échelle mondiale en proposant une approche progressive par étapes, qui repose sur les trois piliers de la CDP : acquérir, enrichir, amplifier.
Comment notre gamme Semantik se positionne-t-elle aujourd’hui ?
Grâce à notre solide expertise en capture de documents, nous offrons des solutions d’acquisition pour de nombreux cas d’utilisation. Nous avons récemment élaboré une plateforme et des composants visant à appréhender le contenu des documents selon de tout nouveaux modèles de machine learning, et extrayons non seulement les données d’intérêt mais créons également une carte sémantique virtuelle du contenu transitant dans le système. Les données sémantiques obtenues peuvent être enrichies et exploitées en aval du processus, mais elles peuvent également être exploitées en entrée de processus par des solutions d’acquisition spécialisées. Semantik Invoice est la première solution de cette gamme et est disponible en version bêta pour les clients intéressés.
Il s’agit d’une solution innovante totalement différente de nos autres solutions, qui permet d’obtenir quasiment instantanément un ROI et un processus automatisé. L’interface est simple et conviviale et nécessite un temps de prise en main très court, voire nul. La solution apporte quant à elle une forte valeur ajoutée.
Nous prévoyons prochainement d’intégrer Ephesoft Transact à la plateforme Semantik de manière à proposer une solution d’acquisition et d’enrichissement des données consolidée. Nous prévoyons également d’appliquer Semantik à d’autres cas d’utilisation. Ce nouveau concept CDP va également bénéficier à la recherche de correspondance lors des processus d’acquisition de contenu. Transact offre par ailleurs une fonctionnalité d’étiquetage des données visant à améliorer les modèles sémantiques et fournir des ensembles de données exploitables par IA. Si vous ne connaissez pas encore notre offre d’étiquetage des données, n’hésitez pas à nous contacter.
Pour accéder au replay de notre webinaire, connectez-vous à notre chaîne BrightTALK