Mettre en place une solution d’enterprise search, soit un système de recherche d’informations pertinentes et à l’échelle de l’entreprise, est devenu une étape incontournable.
« L’enterprise search fait du prédictif ou encore s’intègre dans des centres d’appel pour optimiser le service client », résume Laurent Fanichet, responsable marketing de l’éditeur Sinequa. Si ces pratiques sont encore loin d’être généralisées, elles mettent en relief l’importance de ces technologies dans les systèmes d’information.
Longtemps, la recherche en entreprise s’est cantonnée à des fonctions relativement basiques et restreintes. Basiques, parce que s’appuyant pour part sur des plans de classement dans le monde documentaire, par numéros de clients, noms, etc. ou par leurs équivalents dans des applications métiers. Si efficace soit cette approche, elle suppose une connaissance par l’utilisateur des modèles de données. Et elle demeure limitée à une approche par silos. Les interfaces de requêtes complexes permettent de trouver les informations recherchées, mais à la condition de bien connaître ces modèles.
En parallèle, plus souvent destinés à la bureautique, des moteurs de recherche dits « plein texte » identifient des mots clés dans des documents, mais sans avoir la capacité d’en extraire le sens et donc de pouvoir lister les documents et informations pertinents. Comme dans le cas précédent, cette fonction reste souvent limitée à un silo de données. Conséquence, dans ce contexte, le conseiller clientèle devant répondre à une question directement au téléphone se voit amener à chercher dans plusieurs applications à l’aide de plusieurs outils de recherche dotés chacun de leur propre logique.
Un seul point d’entrée
La croissance des volumes de données conjuguée au besoin de tendre toujours plus vers le temps réel a rendu vitale la capacité de trouver rapidement l’information pertinente dans un contexte professionnel.
Première avancée, déjà largement répandue, les logiciels de recherche prennent en compte la totalité des référentiels applicatifs et de données de l’entreprise. Cette unification autorise l’utilisateur à poser ses questions à partir d’un seul point d’entrée sans avoir à se préoccuper ni des formats de données (fichiers bureautiques, applications métiers…), ni des logiques de classement.
Les éditeurs spécialisés dans cette approche ont souvent ajouté une couche de recherche à facettes. Ces facettes sont des données connexes à celles recherchées : l’auteur du document ou d’autres concepts importants présents dans les mêmes documents par exemple. L’objet de ces index est de faciliter la démarche de l’utilisateur qui peut rebondir sur ces derniers, étendre ou restreindre sa recherche, ou encore trouver des pistes complémentaires. Un conseiller en clientèle pourra par exemple identifier le type de produits ou de services le plus adapté à son client à partir de cette approche. Il pourra à minima répondre aux questions de ses clients sans avoir besoin de consulter toutes les sources de données nécessaires.
La dernière génération d’outils a encore étendu les possibilités. « L’enterprise search a évolué au-delà du “search in a box”, vers le “cognitive computing”, le “machine learning” », explique Laurent Fanichet. Basées sur des technologies d’intelligence artificielle, ces approches suggèrent des réponses avec un bon niveau de pertinence. Que ce soit dans la CRM ou pour faire du prédictif, le search est désormais une brique critique du système d’information.
