ChatGPT et les grands modèles de langages (LLM) : une révolution annoncée pour l’Enterprise Search

Au cœur des capacités de ChatGPT se trouvent les grands modèles de langage, ou Large Language Models (LLM), et plus précisément les LLM dits « génératifs ». Les LLM ne sont pas nouveaux, mais leur portée, leur capacités et les fonctionnalités qu’ils offrent évoluent à une vitesse époustouflante. Ils pourraient même révolutionner la recherche en entreprise, bien que d’une façon détournée et plutôt étonnante.

Un coup d’œil dans les coulisses de l’IA

ChatGPT ou l’IA générative sont-ils voués à tuer les moteurs de recherche, à commencer par Google ? C’est la question que beaucoup se sont posés dès la mise à disposition de ChatGPT auprès du grand public. Il est vrai que ChatGPT ressemble un peu à un moteur de recherche. Vous interagissez avec lui par le biais de questions successives formulées en langage naturel. Il vous répond alors avec une prose assurée et bien écrite, et le plus souvent avec une précision redoutable, voire impressionnante. Mais contrairement aux moteurs de recherche, ChatGPT ne récupère pas de contenus, car il ne dispose d’aucune réelle mémoire des données sur lesquelles il a été entraîné. Son rôle est de créer un reflet d’un savoir provenant d’un sous ensemble du Web sur lequel il a été entraîné. ChatGPT ne retrouve rien, il génère, aussi surprenant que cela puisse paraître. Ce constat établi, en quoi un LLM génératif peut-il véritablement remplacer ou compléter les moteurs de recherche ? Un résumé généré par un réseau de neurones géant peut-il se substituer à un moteur de recherche, que celui-ci soit consacré à la recherche sur Internet ou à la recherche d’information en entreprise ?

Un terrain d’expérimentation pour l’IA et les LLM

Acceptons d’emblée que le rôle d’un moteur de recherche est de désigner précisément l’existence d’une information, qu’elle soit diffusée sur Internet ou dans un contexte interne aux entreprises, tout en l’étayant par des liens bien réels vers les sources qui la renferme. Ces liens explicites sont les garants de la confiance que l’on a dans le moteur de recherche car le lecteur dispose alors du loisir de décider si cette information peut être considérée comme valide ou non, en fonction de ladite source. Cette traçabilité est essentielle. Aussi intelligent soit-il, nous ôterons donc au LLM génératif cette faculté présumée de se comporter comme un moteur de recherche. Ce qu’un modèle génératif basé sur un LLM permet surtout d’accomplir, c’est la rédaction d’un texte, disons d’une synthèse, ce qui va potentiellement constituer non pas le remplacement mais bien l’amélioration des moteurs de recherche tels que nous les connaissons. Depuis les très grands LLM généralistes comme ChatGPT jusqu’aux LLM plus spécialisés sur des tâches spécifiques (comme la traduction automatique ou le résumé de textes dans des domaines particuliers), les LLM vont en réalité transformer et également spécialiser les moteurs de recherche préexistants. L’avenir nous montrera comment les moteurs comme Google ou Bing proposeront de nouvelles expériences utilisateur tout en gardant leur prérogative de moteur de recherche telle que définie plus haut. En entreprise, la recherche d’information sera également un véritable laboratoire d’essais pour l’IA et les LLM. En effet, contrairement au monde du Web, les applications d’entreprise ont des exigences plus hautes relativement à l’exactitude des informations fournies ou encore à la protection d’informations non publiques. L’adoption de l’IA générative dans la recherche d’information en entreprise nécessitera des approches particulières pour relever les défis qui leur sont spécifiques. Voici quelques thématiques qui façonneront ce domaine dès cette année :

1. Les LLM améliorent l’expérience utilisateur

Consulter des listes de réponses n’a jamais été un plaisir pour l’utilisateur, quand bien même d’autres technologies antérieures permettaient déjà d’en extraire l’essentiel sous la forme d’outils de visualisation ou de navigation. L’an passé, lorsque les premières entreprises ont commencé à incorporer les premiers LLM dans la recherche d’entreprise, la technologie a fait un bond considérable. Au fur et à mesure que de meilleurs LLM devenaient disponibles et que les LLM existants se spécialisaient pour accomplir des tâches particulières les moteurs de recherches d’entreprise commençaient à entrevoir la possibilité de fonctionnalités nouvelles. Dès aujourd’hui, et plus encore à l’avenir, les LLM génératifs fournissent des opportunités dans la présentation de contenus pertinents car ils fourniront des résultats plus digestes tout en apportant à l’utilisateur un certain confort de lecture.

2. Les moteurs de recherche en entreprise aide à lutter contre la perte de la connaissance métier

Dans une enquête récente menée auprès de 1 000 responsables informatiques de grandes entreprises, 67 % d’entre eux se sont déclarés préoccupés par la perte de la connaissance et de l’expertise métier, en particulier du fait du départ des collaborateurs. Pour une entreprise du Fortune 500 comptant 4 000 employés, l’amélioration des solutions de recherche et d’extraction d’informations seraient de nature à économiser de l’ordre de 2 millions de dollars par mois, sur la seule base de la perte de productivité. Une solution de recherche intelligente en entreprise permet d’éviter ce phénomène. Une plateforme avancée de recherche d’information en entreprise permet de connecter de façon redoutablement efficace chaque employé à l’ensemble des connaissances et à l’expertise auquel il peut, dans le cadre de ses fonctions, prétendre avoir accès. La connexion massive à des ensembles de silos d’informations disparates permet d’en faciliter la découverte, tant au profit de capacités d’innovation que de productivité immédiate.

3. Résoudre les problèmes d’éclatement des applications et de friction numérique

Aujourd’hui, les employés sont noyés sous le nombre et la complexité des outils informatiques. Selon une étude récente de Forrester, les grandes organisations utilisent en moyenne 367 logiciels différents, ce qui crée des silos de données et perturbe la fluidité des échanges entre les équipes. En conséquence, les employés passent plus d’un quart de leur temps à rechercher des informations au lieu de se consacrer à leur propre production. La recherche intelligente en entreprise offre un gain de temps considérable tout en unifiant l’expérience et la connaissance des employés. Ajoutons à cela que les gains de productivité et d’efficacité aisément quantifiables sont souvent complétés par des bénéfices de nature très différente comme une meilleure gestion du risque, la fidélisation des clients, l’amélioration des processus décisionnels et la mise en conformité des entreprises avec des règlementations d’une complexité croissante. On parle alors d’applications métier à très forte valeur ajoutée basées sur un moteur de recherche, ou Search-Based Application (SBA).

4. La recherche devient plus pertinente

Malgré les efforts des concepteurs d’outils de recherche en entreprise, un tiers des employés déclarent encore ne « jamais trouver » les informations qu’ils recherchent. Il est d’usage d’en rejeter la faute à l’absence des moteurs intelligents, ou encore de se cacher derrière l’étonnante complexité du monde digital dans lequel évoluent les entreprises. Mais au-delà de cela et pour adresser cette problématique, la technologie des LLM est très prometteuse. Ces modèles basés sur l’emploi de réseaux de neurones à grande échelle permettent d’intègrer un contexte permettant d’accroître la pertinence, en comparaison des générations d’outils précédentes. Mieux encore, la combinaison des approches de recherche sémantique (et vectorielle, on parle alors d’embeddings) avec les capacités de recherche statistique et linguistiques par mot-clé permet d’obtenir une pertinence inégalée dans un large éventail de scénarios d’usage. La recherche devient « neuronale », et vient faire profiter de l’amélioration de la pertinence la plus remarquable depuis plusieurs décennies, comme tendent à le prouver des benchmarks récents.

5. La recherche devient conversationnelle

Avez-vous déjà souhaité que votre entreprise dispose d’un moteur de recherche fonctionnant comme Google ? Souvenons-nous que des modèles de langage comme BERT et ses dérivés ne sont que l’une des étapes ayant permis à l’expérience utilisateur lors de recherche sur Internet de s’améliorer au fil du temps. Les réponses deviennent précises, extraites, présentées directement. On est bien loin des seules listes de réponses possiblement filtrées par le biais de facettes et de critères de recherche avancés. Leur apport dans l’entreprise devient aujourd’hui une réalité. Plus encore, les caractéristiques conversationnelles des grands LLM génératifs apportent aujourd’hui un confort d’utilisation encore plus élevé, laissant entrevoir à l’utilisateur la possibilité d’obéir à des requêtes des plus exotiques.

Ces interfaces conversationnelles appliquées au monde de l’entreprise n’en sont encore qu’à leurs balbutiements, mais la technologie évolue rapidement. De plus en plus, l’adoption de diverses technologies d’IA permet notamment de répondre précisément aux questions posées, tout en combinant la qualité d’expression d’un ChatGPT avec la traçabilité, la sécurisation des données et la connaissances métier des meilleurs moteurs de recherche d’entreprise.

L’innovation au service de l’accès à la connaissance aboutit à la capacité offerte à l’employé d’interagir avec chaque silo de contenus des entreprises, de façon sécurisée, tout en les connectant entre eux. Grâce aux progrès de l’IA, les solutions de recherche en entreprise entrent dans une toute nouvelle ère de confort, de pertinence et de précision. Le monde des moteurs de recherche intelligents et celui des modèles de génération de texte se rejoignent actuellement, comme deux galaxies lointaines finissant peut-être par n’en former plus qu’une. Est-il question d’embarquer des LLM de taille raisonnable et de nature spécialisée au sein même d’un moteur d’entreprise ou bien d’invoquer sur internet les services de LLM rivalisant de gigantisme et de performances ? Et pourquoi pas les deux ? L’avenir le dira, mais des solutions sont d’ores et déjà sur le marché et méritent déjà une attention bien particulière.

Tribune rédigée par Luc Manigot, VP center of excellence chez Sinequa

<<< A lire également : ChatGPT: les données au cœur du processus IA >>>