MENU
Recherche

[Tribune] Valorisation des données d'entreprise : vers la fin du "search in a box"?

Publié par le - mis à jour à
[Tribune] Valorisation des données d'entreprise : vers la fin du 'search in a box'?

À l'ère du big data, les entreprises ne se satisfont plus des techniques traditionnelles de classement et de valorisation de leurs données. Ainsi, de nouvelles techniques de recherche font leur apparition pour les requêtes complexes, explique Laurent Fanichet, vp marketing de l'éditeur Sinequa.

  • Imprimer

Récemment, Google annonçait l'arrêt de Google Search Appliance (GSA), logiciel professionnel offrant des fonctionnalités d'indexation de documents. Le géant du Web souhaite désormais se consacrer à ses solutions basées dans le cloud. Cette annonce confirme la fin de l'ère du "search in a box". Elle met en évidence les différences fondamentales qui existent entre la recherche web et la valorisation des données d'entreprise (enterprise search). En effet, l'indexation de centaines de millions de documents d'entreprise dans différents formats -à la fois structurés et non structurés- provenant de multiples sources de données, ne s'apparente en aucun cas à de la recherche web classique. Ce constat a déjà été fait depuis quelque temps.

En effet, avec l'augmentation des quantités de données structurées et surtout non structurées dans les entreprises, il devient vital d'en extraire rapidement et avec précision de l'information pertinente pour les utilisateurs dans leur contexte de travail. Cela devient possible avec l'analyse approfondie de ces données polystructurées qui crée ainsi de la valeur pour les entreprises. Ceci implique des technologies de "search" plus évoluées que le "search in a Box": la simplicité d'une "appliance" (logiciel clé en main) trouve vite ses limites dans des environnements complexes au sein desquels l'utilisateur a le plus besoin d'aide.

De nouvelles techniques pour analyser les données

Par ailleurs, les grandes entreprises et organismes publics se trouvent devant des défis de plus en plus complexes, leurs besoins sont à la fois plus variés et plus précis. Moins les données sont simples, plus cette complexité doit être gérée par l'outil pour faciliter la vie des utilisateurs -et plus le retour sur investissement peut être élevé. Les nombreux cas d'usage et besoins métiers des entreprises font que le "search in a box" a rapidement atteint ses limites face à la gestion de différents types et volumes de données.

L'"enterprise search" a évolué au-delà du "search in a box", vers le "cognitive computing", le "machine learning" (liés tout deux au développement de l'intelligence artificielle et à la capacité des machines à apprendre seules, NDLR) ou encore l'analytics. Aujourd'hui, l'"enterprise search" fait du prédictif pour des acteurs de la défense et de la sécurité et s'intègre au sein de centres d'appel et de CRM pour optimiser le service client. Les outils basiques, comme le "search in a box", restent utiles dans des cas simples, mais ils ne peuvent pas faire face à l'émergence de nouveaux besoins métiers et d'idées créatives et ambitieuses liées à des projets big data.

Biographie:

Laurent Fanichet est VP marketing de Sinequa, plateforme logicielle de search et d'analyse du big data. Elle propose à ses utilisateurs un accès unifié à l'information à partir de toutes les données textuelles ou stockées dans une base de données. L'entreprise compte parmi ses clients Airbus, AstraZeneca, Atos, Biogen, Crédit Agricole, Mercer, Siemens et UCB.


Laurent Fanichet, VP marketing de Sinequa