Architecturer la nouvelle génération de l'intelligence de contenu.

À propos du client

La Société N est une entreprise mondiale d'information et de presse.

Contexte sectoriel

Pour un éditeur traitant plus d'un million d'articles par jour, la précision et la richesse des métadonnées extraites automatiquement déterminent directement la qualité du produit, car les clients s'appuient sur un étiquetage précis des entités et sur des signaux plus profonds, comme le sentiment et la pertinence régionale, pour rechercher, filtrer et surveiller les contenus qui comptent pour eux. En 2010, les technologies de traitement du langage naturel et d'extraction d'entités avaient suffisamment mûri pour permettre un étiquetage automatisé de plus en plus sophistiqué, mais les logiciels sous-jacents en étaient encore au début de leur cycle de vie, ce qui signifiait que les organisations tentant un enrichissement de métadonnées à grande échelle avaient besoin d'une véritable discipline d'architecture de plateforme (conception orientée services, fichiers d'autorité, couches d'orchestration) plutôt que de simplement greffer des solutions ponctuelles. Passer de l'extraction d'entités de base à des capacités d'ordre supérieur comme l'analyse d'événements, l'analyse de crédibilité et le raisonnement simulé représentait alors la pointe de l'intelligence des contenus, préfigurant des capacités qui deviendraient plus tard centrales pour l'IA du langage naturel.

Situation actuelle

La première étape de l'initiative d'amélioration de la plateforme centrale consistait à élaborer une stratégie et une feuille de route complètes pour la création et l'utilisation des métadonnées et des ontologies. La Société N a demandé à Iknow de piloter l'élaboration d'une stratégie et d'une feuille de route visant à élargir les types et la qualité des métadonnées attribuées lors du traitement des contenus.

Cette mission s'est déroulée en parallèle d'un autre chantier dans lequel Iknow a aidé la Société N à construire un cadre plus large de priorisation des projets pour son portefeuille informatique, appliqué spécifiquement à la trentaine de projets candidats qui composaient les travaux de métadonnées et d'architecture de contenus décrits ici.

• Une couverture des métadonnées insuffisante par rapport au volume et à la complexité des contenus. La Société N traitait plus d'un million d'articles de presse par jour, mais l'extraction de métadonnées existante ne capturait pas l'ensemble des personnes, entreprises, organisations et marques présentes dans ces contenus.
• L'absence de capacités de métadonnées d'ordre supérieur. L'entreprise ne disposait pas de couches supplémentaires de métadonnées, telles que l'étiquetage régional granulaire et l'analyse de sentiment, que ses produits et services exigeaient de plus en plus.
• Aucune vision de référence de la capacité de traitement actuelle. Il n'existait aucune vue documentée de la capacité, de la performance ou des contraintes actuelles de traitement de l'information à travers les systèmes centraux de traitement des contenus de la Société N.
• Aucune stratégie unificatrice pour l'investissement dans les métadonnées. La Société N avait besoin d'une stratégie et d'une feuille de route pluriannuelles cohérentes pour la création de métadonnées et d'ontologies, et non d'une série d'améliorations ponctuelles déconnectées.

• Comprendre les besoins de traitement de l'information, actuels et cibles, pour les produits et services existants et prévus.
• Mener une revue détaillée des processus d'information centraux de la Société N, y compris les contraintes de performance et de capacité.
• Élaborer une stratégie complète de traitement des métadonnées couvrant le flux de travail et l'architecture technologique.
• Livrer une feuille de route de mise en œuvre pluriannuelle avec calendriers, jalons et besoins en ressources.

Comment Iknow a structuré la mission

Iknow a structuré la mission autour d'une revue des processus en état actuel et en état cible, d'un travail de vision mobilisant les dirigeants, d'un benchmarking et d'une analyse des écarts, et d'une stratégie complète traduite en une feuille de route par phases, reflétant la méthodologie d'Iknow en matière de stratégie de métadonnées et de conception de schémas pour ancrer une vision ambitieuse de l'intelligence des contenus dans une architecture technique réaliste et séquencée.

Activités et décisions clés

• Évaluation des besoins en état actuel et en état cible. Iknow s'est attaché à comprendre les besoins de traitement de l'information, actuels et cibles, pour les produits et services existants et prévus de la Société N.
• Revue des processus centraux. Iknow a mené une revue détaillée des processus d'information centraux de la Société N, comprenant des schémas de flux d'information et des modèles de processus détaillés, une évaluation de la performance actuelle et des estimations des contraintes actuelles de capacité matérielle et logicielle.
• Vision des dirigeants et benchmarking. Iknow a mobilisé les dirigeants pour identifier les options architecturales cibles et définir une vision de l'état cible, puis a comparé la performance actuelle des applications de traitement des contenus aux références disponibles afin d'identifier les écarts de performance.
• Réingénierie des processus et planification de la mise en œuvre. Iknow a identifié et priorisé les opportunités de réingénierie des processus, redessiné les processus existants lorsque c'était pertinent, et élaboré l'approche de mise en œuvre optimale, y compris les calendriers, les jalons et les besoins en ressources.
• Stratégie de métadonnées et conception de la plateforme. Iknow a élaboré une stratégie de métadonnées complète organisée en huit domaines de recommandation, comprenant un flux de traitement des métadonnées orienté services et une plateforme technologique à trois composants, et a recommandé une approche « best of breed » pour l'intégration de logiciels commerciaux, compte tenu du stade précoce des technologies sous-jacentes dans leur cycle de vie.
• Feuille de route de mise en œuvre en trois phases. Iknow a élaboré une feuille de route pluriannuelle en trois phases, progressant de l'étiquetage fondamental des entités et des concepts, en passant par l'extraction des faits, des relations et du sentiment, jusqu'aux inférences simples et au raisonnement simulé.

Parties prenantes et collaboration

Iknow est intervenu comme contractant principal, travaillant directement avec les dirigeants de la Société N pour définir la vision de l'état cible, et avec les équipes techniques et éditoriales de la Société N tout au long de la revue des processus et de l'élaboration de la stratégie.

Concevoir une intelligence des contenus sophistiquée à très grande échelle

Construire une véritable intelligence des contenus (désambiguïsation, sentiment, événements, raisonnement) tout en restant exploitable sur plus d'un million d'articles par jour exigeait davantage qu'un unique moteur monolithique. Iknow y a répondu en concevant une architecture orientée services qui décomposait le traitement des métadonnées en plus de 20 services distincts et orchestrés, complétés par des fichiers d'autorité, permettant d'ajouter et d'améliorer les capacités de manière incrémentale plutôt que d'exiger une solution unique et globale.

Éviter la dépendance à une technologie encore en maturation

S'engager sur des logiciels commerciaux spécifiques risquait d'enfermer la Société N dans des outils bientôt dépassés, les technologies sous-jacentes de traitement du langage naturel étant encore au début de leur cycle de vie. Iknow y a répondu en recommandant une approche « best of breed » qui intégrait dans l'architecture de la plateforme des composants commerciaux remplaçables et de premier ordre plutôt qu'une solution mono-fournisseur, et en séquençant la feuille de route en trois phases de sorte que les capacités fondamentales précèdent les capacités plus avancées et moins matures, comme le raisonnement et l'inférence.

Résultats quantitatifs

• Revue des processus livrée : une revue complète des processus d'information centraux de la Société N, couvrant le flux des processus, la performance et les contraintes de capacité.
• Périmètre de la stratégie : une stratégie de métadonnées organisée en huit domaines de recommandation.
• Architecture de plateforme livrée : une plateforme technologique à trois composants conçue, comprenant plus de 20 services de traitement des métadonnées.
• Flux de traitement défini : un flux de métadonnées au niveau du document en quatre étapes, plus cinq capacités supplémentaires de traitement fondées sur le sens.
• Feuille de route livrée : une feuille de route de mise en œuvre pluriannuelle en trois phases.
• Durée de la mission : une mission de quatre mois.

Résultats qualitatifs

La Société N met actuellement en œuvre les recommandations d'Iknow, preuve tangible et continue que la stratégie et la feuille de route se sont traduites directement par un programme de mise en œuvre pluriannuel actif et financé, et non par un rapport resté sur une étagère. La stratégie de métadonnées a donné à la Société N à la fois un schéma technique immédiat (le flux de traitement et l'architecture de la plateforme) et une vision à plus long terme progressant de l'extraction d'entités de base vers le raisonnement simulé, fournissant à l'entreprise les orientations dont elle avait besoin pour une transformation de l'intelligence des contenus véritablement pluriannuelle.

Délai avant impact

Au cours de la mission de quatre mois, Iknow a livré la revue complète de l'état actuel, la stratégie de métadonnées, la conception de la plateforme technologique et la feuille de route en trois phases, et la Société N est passée directement à la mise en œuvre des recommandations à l'issue de la mission.

Compétences clés

• Stratégie de métadonnées et conception de schémas
• Conception d'architectures de traitement des contenus
• Feuilles de route de capacités en traitement du langage naturel
• Conception de plateformes technologiques orientées services

Méthodes et cadres

• Revue des processus d'information en état actuel et en état cible
• Définition de la vision de l'état cible avec les dirigeants
• Feuilles de route de mise en œuvre pluriannuelles par phases

Technologies et outils

• Architecture de traitement des métadonnées orientée services
• Extraction d'entités, désambiguïsation et application de taxonomies