Pendant la majeure partie des deux dernières années, les conversations sur l’IA d’entreprise ont commencé par le modèle. Les organisations ont débattu du modèle de base à utiliser, de la manière de l’affiner et du cadre d’orchestration qui offrirait les meilleurs résultats.
Cette conversation évolue. À mesure que les modèles de fondation deviennent plus performants, accessibles et interchangeables entre les fournisseurs, de nombreuses organisations découvrent que la performance des modèles n'est plus la principale contrainte pour les résultats de l'IA. Au lieu de cela, le goulot d'étranglement s'est déplacé plus en amont dans le pipeline : au niveau de la couche documentaire qui alimente les systèmes d'IA en premier lieu.
Lors de conversations avec des DSI et des CDO dans les secteurs des services financiers, de la santé et des télécommunications, la même observation revient régulièrement. Le défi n'est plus de savoir comment le modèle raisonne. C'est ce sur quoi le modèle raisonne.
Le modèle n'est plus le goulot d'étranglement pour l'inférence d'IA en entreprise. La couche de compréhension de documents est. Ce sentiment reflète un changement structurel dans la répartition de la valeur et des risques au sein de la pile d'IA en entreprise.
Le vrai problème : données non structurées et intelligence documentaire
Dans les environnements d'entreprise réglementés, la plupart des données critiques ne se trouvent pas dans des tables d'entrepôt propres et structurées. Elles se trouvent dans des formats non structurés : PDF, documents numérisés, calendriers de réclamations, contrats, états financiers, reports de laboratoire et pièces justificatives de taux. Ce sont les données qui alimentent les systèmes d'IA.
L'intelligence documentaire désigne le processus de conversion de ces données non structurées en entrées structurées et exploitables pour les modèles d'IA. Lorsque cette étape échoue, les conséquences se répercutent sur l'ensemble du pipeline d'IA.
Le mode de défaillance est souvent trompeusement simple. Une table mal lue ou une cellule fusionnée crée une extraction mal formée. Cette extraction produit des embeddings erronés, qui renvoient un contexte incorrect lors de la récupération. Le modèle génère alors une réponse assurée à partir d'une entrée assurément erronée.
À ce stade, même le modèle le plus avancé ne peut compenser l’erreur sous-jacente. Les améliorations des performances du modèle ne corrigent pas un problème structurel survenu avant même l’exécution du modèle. En pratique, la qualité du pipeline de documents détermine souvent le plafond de précision du système d’IA.
Quand les erreurs d'analyse deviennent des risques métier
L'impact d'une mauvaise analyse de documents se répercute directement sur les résultats opérationnels. Ils sont concrets, mesurables et largement sous-estimés au niveau de la direction. C'est ce qui fait de l'intelligence documentaire bien plus qu'un simple défi technique. Pour de nombreuses organisations, il est devenu un défi opérationnel et financier.
Les erreurs d'analyse sont rarement visibles lorsqu'elles se produisent. Au lieu de cela, elles se cumulent en aval à travers les flux de travail, les décisions et les processus métier. Au moment où le problème fait surface, le coût de la remédiation est souvent bien supérieur au coût de la prévention.
Services financiers
Dans les services financiers, une seule valeur mal interprétée dans le relevé de compte de capital d’un administrateur de fonds peut entraîner une cascade d’erreurs dans les modèles de souscription ou de provisionnement. Ces erreurs peuvent avoir des conséquences réglementaires et entraîner des efforts de remédiation coûteux qui se chiffrent souvent en millions.
Santé
Les organisations de santé continuent de dépendre fortement de l'abstraction manuelle de documents pour les demandes de remboursement, les avis de versement et la documentation clinique. Cela s'explique en partie par la complexité structurelle des données et, en partie, par les exigences strictes concernant les informations de santé protégées.
L'abstraction manuelle de documents constitue systématiquement l'un des postes de dépenses les plus importants dans les budgets des opérations de données de santé.
Télécommunications
Dans le secteur des télécommunications, la facturation de l'interconnexion des fournisseurs et les contrats de niveau de service (SLA) contiennent souvent des tables de tarifs complexes que peu de systèmes lisent avec précision à grande échelle. Même de petites inexactitudes peuvent se traduire par des centaines de millions de dollars de pertes à l'échelle des opérateurs.
Le schéma est le même dans tous ces secteurs d'activité. Une compréhension inexacte des documents n'est pas un simple inconvénient technique. Il s'agit d'un problème de compte de résultat (P&L) qui s'aggrave silencieusement.
Le compromis : précision vs souveraineté des données
En plus du problème de précision s'ajoute une seconde contrainte spécifique aux entreprises réglementées : le lieu où s'effectue le traitement de l'IA.
Au cours des dernières années, la majeure partie de la pile d'inférence d'IA d'entreprise s'est progressivement déplacée vers des environnements clients contrôlés – les clouds privés virtuels (VPC). infrastructure sur site ou régions cloud souveraines. Les modèles, les magasins vectoriels, les couches d'orchestration et l'observabilité fonctionnent désormais au sein des mêmes contrôles de gouvernance que les données sous-jacentes. L'analyse de documents a été l'exception forcée.
D'un point de vue historique, les options de traitement de documents les plus précises étaient proposées uniquement via des API SaaS, ce qui laissait les clients réglementés choisir entre précision et souveraineté :
Acheminez les documents les plus sensibles de l'entreprise vers une API tierce pour une meilleure précision, ou
Conservez les données dans le périmètre de l’entreprise et acceptez un écart de précision significatif pour les workflows qui comptent le plus.
Les équipes chargées de la conformité, du juridique et des risques considèrent depuis longtemps ces deux options comme des compromis. En conséquence, de nombreuses organisations ont eu du mal à trouver un équilibre entre deux priorités tout aussi importantes : atteindre la précision requise pour les flux de travail critiques pour l’entreprise tout en gardant le contrôle sur le lieu de traitement des données sensibles.
Jusqu'à récemment, il n'existait aucune voie claire pour atteindre les deux.
Une catégorie en pleine maturation pour l'intelligence documentaire d'entreprise
La bonne nouvelle, c'est que ce compromis commence à se résorber. Dans tout le secteur, les organisations appliquent une plus grande rigueur à l'évaluation des systèmes d'intelligence documentaire, en particulier pour les tableaux complexes et les documents métier hautement structurés qui ont historiquement mis à mal les approches d'analyse traditionnelles.
Parallèlement, une nouvelle génération de fournisseurs de solutions d'intelligence documentaire permet d'atteindre des niveaux élevés de précision d'analyse au sein d'environnements contrôlés par le client. Récemment, l'équipe de Pulse a publié en open source PulseBench-Tab, un benchmark de pointe pour l'analyse de tableaux, conçu spécifiquement pour les types de documents que les entreprises réglementées utilisent réellement.
Il contient 1 820 tableaux annotés par des humains, extraits de documents financiers réels, de reports gouvernementaux, de divulgations d'entreprises et de documents réglementaires, couvrant 9 langues et 4 écritures, dont beaucoup contiennent des cellules fusionnées ou étendues et des structures complexes qui mettent généralement en défaut les systèmes d'analyse traditionnels.
Il est important de noter que le benchmark introduit T-LAG, une approche de notation unifiée qui capture à la fois la précision textuelle et structurelle. Ceci garantit que les systèmes ne sont pas récompensés pour l'extraction de texte approximatif tout en altérant silencieusement la forme du tableau.
Les résultats de ce benchmark montrent qu'une précision de pointe dans l'analyse de documents est désormais réalisable sans point de terminaison SaaS tiers, apportant un nouveau niveau de fiabilité aux pipelines d'IA en entreprise.
Neuf fournisseurs ont été évalués de manière indépendante et transparente, et la méthodologie a bénéficié des contributions académiques de membres de l’Enterprise Data Organization de S&P Global. Sur ce benchmark, Pulse a obtenu un score T-LAG de 0,9347 avec une couverture complète sur l’ensemble des 1 820 échantillons, devançant nettement le fournisseur suivant avec 0,8155.
Intégrer l'intelligence documentaire au sein de la pile d'IA d'entreprise
Cette avancée ouvre la voie à une nouvelle architecture pour l'IA d'entreprise – une architecture où l'intelligence documentaire fonctionne au sein du même environnement que le reste du pipeline de données. À mesure que l'intelligence documentaire devient déployable au sein d'environnements d'entreprise gouvernés, les organisations acquièrent la capacité d'intégrer le traitement de documents dans le même périmètre opérationnel et de gouvernance que le reste de la pile d'IA.
Combinée à une architecture lakehouse basée sur l'IA, cette approche permet une gestion plus unifiée des données structurées et non structurées, avec des contrôles cohérents de sécurité, de traçabilité, d'observabilité et de gouvernance, de l'ingestion à l'inférence.
Des solutions telles que Pulse démontrent à quoi cette architecture peut ressembler en pratique, en permettant aux organisations d’analyser et de structurer des documents complexes sans que les données sensibles ne quittent l’environnement de l’entreprise.
Le résultat est un pipeline entièrement intégré capable d' :
- Analyser des documents non structurés
- Convertissez-les en données structurées
- Intégrer et récupérer un contexte pertinent
- Générer des résultats à l'aide de modèles d'IA
Le tout au sein du même environnement contrôlé.
Pour le DSI, cela signifie une frontière de gouvernance unique sur l'ensemble du flux de travail d'IA plutôt qu'un assemblage d'environnements déconnectés à sécuriser, auditer et gérer.
Pour le directeur financier, cela permet de transformer le traitement des documents d'un coût de service externe récurrent en une capacité interne reposant sur une infrastructure qui prend déjà en charge des initiatives plus larges en matière d'IA et de données.
Plus important encore, cela change les domaines sur lesquels les organisations doivent concentrer leurs investissements. À mesure que les modèles deviennent de plus en plus accessibles, l'avantage concurrentiel se déplace vers la qualité, la gouvernance et la fiabilité du pipeline de données qui les alimente.
Ce que ceci permet pour les industries réglementées
Pour les dirigeants qui définissent une stratégie d'IA dans les secteurs réglementés, les améliorations en matière d'intelligence documentaire ont un impact visible sur les indicateurs opérationnels.
Services financiers
Les équipes des services financiers peuvent conserver les analyses et dépôts 10-K, les dossiers d'administration de fonds, le traitement des bordereaux, les calendriers de sinistres et les rapports actuariels entièrement au sein de leur environnement gouverné, avec une précision structurelle suffisamment élevée pour que les agents en aval puissent se fier aux résultats, réduisant ainsi la pression et le temps consacré aux cycles de révision humaine.
Les effectifs précédemment consacrés au rapprochement manuel peuvent être réorientés vers des travaux d'analyse à plus forte valeur ajoutée.
Santé
Les organismes de santé peuvent automatiser les flux de travail à forte intensité documentaire, tels que l'extraction de données d'essais cliniques, l'ingestion de panels de laboratoire et le traitement des explications de prestations (EOB), au sein du même environnement que leurs PHI structurées. Cela réduit considérablement l'un des postes de dépenses les plus importants dans les opérations de données de santé, tout en accélérant les cycles de revenus et les flux de travail de recherche clinique.
Télécoms
Les opérateurs de télécommunications acquièrent la capacité d'interpréter avec précision les accords d'interconnexion et les structures de facturation au niveau de détail requis pour récupérer les pertes de revenus qui étaient historiquement enfouies dans des tables de tarifs complexes.
Dans chaque cas, une meilleure intelligence documentaire se traduit directement par une valeur commerciale mesurable.
L'avenir : la pile d'IA souveraine
Le centre de gravité de l'IA d'entreprise est en train de se déplacer. Alors que les capacités des modèles continuent de converger, l'avantage concurrentiel durable se déplace d'un niveau vers le bas, dans le pipeline allant des données à l'inférence — plus précisément, dans la manière dont les organisations peuvent traiter et gouverner efficacement les données non structurées.
L'intelligence documentaire définit désormais le plafond en matière de précision et de retour sur investissement. Parallèlement, la souveraineté des données est non négociable dans les secteurs réglementés : l'IA doit fonctionner là où se trouvent les données. C'est ici que s'applique la vision de Cloudera en matière d'IA et de données partout : déployez l'IA dans des environnements hybrides et multi-cloud, conservez les données sur place et appliquez une gouvernance cohérente.
Associée à Pulse, l’entreprise réglementée dispose d’une voie vers une IA native qui protège la précision, le contrôle et le RSI sous-jacent de chaque flux de travail créé par-dessus. C’est la pile d’IA souveraine que nos clients réclament, et elle est désormais à portée de main.
