Basée sur la technologie de l'intelligence artificielle, la recherche intelligente, élimine les silos de données et aide les employés et les clients à trouver rapidement et facilement les informations dont ils ont besoin. Les utilisateurs finaux peuvent utiliser la recherche intelligente pour extraire des informations de n'importe où (à l'intérieur ou à l'extérieur de l'entreprise) et dans des ensembles de données de n'importe quel format : big data dans des bases de données, systèmes de gestion de documents, contenu numérique, pages web, sur papier, etc. La recherche intelligente et la recherche d'entreprise sont synonymes de recherche en langage naturel, de recherche par IA (ou recherche basée sur l'IA), et de recherche cognitive.

Les systèmes d'extraction d'informations utilisés en entreprises ont vu le jour bien avant l'apparition de l'Internet public. L'un des premiers avantages de la mise en œuvre de grands systèmes multi-utilisateurs était qu'ils facilitaient la recherche d'informations en trouvant des correspondances exactes avec des chaînes de texte dans de vastes référentiels de documents.

Avec le développement des ordinateurs de bureau et des intranets d'entreprise, les solutions de recherche d'entreprise telles qu'IBM Storage and Information Retrieval System (STAIRS) et  l'outil de recherche local FAST (racheté plus tard par Microsoft) se sont banalisées dans l'informatique d'entreprise.

Cependant, l'essor et la popularisation des moteurs de recherche Web gratuits et accessibles au public, tels que Google (et son prédécesseur AltaVista), ont radicalement transformé les attentes des utilisateurs en matière de recherche d'informations, de découverte de contenu et de plateformes de recherche d'entreprise.

Face à la croissance rapide du volume et de la variété des données que les outils de recherche d'entreprise doivent examiner, la vitesse d'extraction des résultats est devenue un indicateur clé de la performance des algorithmes de recherche cognitive. Les solutions de recherche intelligente doivent être construites sur des architectures capables de répondre aux exigences de performance des charges de travail des données volumineuses. Parce qu'elles offrent l'évolutivité nécessaire, les infrastructures cloud intégrant des API et une automatisation poussées sont généralement les mieux adaptées à cette tâche.

Les entreprises ne peuvent pas utiliser Google ou d'autres moteurs de recherche traditionnels pour trouver des réponses spécifiques à leur activité, par exemple « Pourquoi l'expédition de notre nouveau produit est-elle retardée ? » ou « Quels ont été les principaux problèmes des clients signalés la semaine dernière ? ». La recherche intelligente, contrairement aux moteurs de recherche et à la recherche sur le Web (Bing, Google Search, AskJeeves), permet de trouver des informations et des réponses spécifiques à votre entreprise.

L'intelligence artificielle alimente la recherche intelligente, en permettant aux outils de :

• Comprendre le langage humain. Les données commerciales sont continuellement mises à jour et rédigées dans une terminologie spécialisée. Les capacités de traitement du langage naturel permettent aux applications de recherche intelligentes de comprendre et d'interroger le contenu numérique provenant de plusieurs sources de données. La recherche sémantique et la compréhension du contexte permettent à la recherche intelligente de décomposer les nuances linguistiques, les synonymes et les relations que l'on trouve dans le langage de tous les jours et dans les documents complexes.
• Apprendre la structure d'un document. Les outils de recherche intelligente (tels qu'IBM Watson Discovery) possèdent une intelligence artificielle de compréhension des documents qui leur permet de comprendre un grand nombre de sources de données. L'apprentissage automatique permet à la recherche intelligente d'apprendre la structure visuelle des documents spécifiques à votre entreprise, à votre secteur ou à votre domaine. Grâce à cette compréhension, la recherche intelligente apprend rapidement à identifier des éléments tels que les en-têtes, les pieds de page, les graphiques et les tableaux. Grâce à des fonctionnalités prêtes à l'emploi, elle peut reconnaître des types de documents tels que les contrats, les bons de commande et les factures.
• Utiliser l'apprentissage automatique. L'apprentissage automatique et l'apprentissage en profondeur créent des suggestions de requête transparentes et immédiates et améliorent continuellement la pertinence des résultats de recherche au fil du temps, en prédisant quelles informations apporteront le plus de valeur aux utilisateurs.
• Filtrer les résultats de recherche. La recherche à facettes et filtrée réduit la portée et permet de trouver des informations spécifiques dans des collections de données.
• Classifier et catégoriser les contenus. L'extraction d'entités recherche et classe les éléments de données textuelles en catégories prédéfinies telles que les noms de personnes, de produits, de types d'objets ou d'organisations.

• Connexion des sources de données et ingestion des données : Pour obtenir des réponses et des informations de n'importe où, vous devez connecter et explorer toutes vos données structurées et non structurées. Un « connecteur » vous permet de vous connecter à une source de contenu, telle que Salesforce, Box, Microsoft SharePoint, des bases de données, un moteur de recherche Web ou des données téléchargées.
• Indexation de contenu : L'indexation du contenu crée un seul index de recherche unifié qui permet un classement homogène des résultats de recherche, quelle que soit leur source.
• Enrichissement du contenu : La capacité d'interroger et d'extraire des informations dépend de la capacité à extraire des métadonnées de votre contenu. Vous pouvez enrichir vos contenus en utilisant les enrichissements du traitement du langage naturel prêts à l'emploi, tels que l'extraction d'entités et l'analyse des sentiments, pour catégoriser et identifier les contenus clés.
• Analyse de contenus : L'analyse de contenus reconnaît le contenu des documents, les classifie et crée les corrélations sémantiques entre les différents éléments du contenu.
• Fourniture de réponses et affichage des informations : Des algorithmes de notation intelligents classent les passages et fournissent aux utilisateurs les passages et extraits les plus précis et les plus pertinents en réponse à leur requête.

La recherche intelligente compare les termes des requêtes en langage naturel avec le contenu des informations indexées.

• Questions - « Combien de jours de congés puis-je prendre ? »
• Phrases et commandes - « Je fais une demande de prêt hypothécaire. »
• Mots-clés - « taux d'assurance. »

• Découverte d'informations utiles à la prise de décision : Vos données textuelles non structurées renferment des informations utiles. Les applications de recherche intelligente utilisent le traitement du langage naturel pour discerner le sens et établir des corrélations entre les sources de données telles que les médias sociaux (tweets, LinkedIn), les commentaires en retour des clients, les rapports d'e-commerce et les dossiers de maintenance afin de révéler des informations en temps réel, avec rapidité et précision.
• Accès instantané à des informations pertinentes : La recherche intelligente vous permet de créer une plateforme de recherche d'entreprise, un système de gestion des connaissances, un système de gestion des contenus ou un système de réponse aux questions afin de fournir une expérience utilisateur simple à l'échelle de toute l'équipe.
• Service client à grande échelle : La recherche intelligente vous permet de fournir systématiquement la bonne réponse à vos clients pour leur offrir une meilleure expérience. Les clients ne se contentent plus des foires aux questions. Aujourd'hui plus que jamais, ils veulent un libre-service complet sur vos sites Web et vos applications mobiles. Les agents virtuels et la recherche intelligente leur permettent d'être autonomes. Cette autonomie se traduit par une réduction des coûts d'assistance et une plus grande satisfaction des clients.

Les entreprises stockent des documents et des données dans des sources variées et sous des formes à la fois structurées et non structurées. En moyenne, les employés perdent 3 heures par jour à chercher des informations.

Trouver des informations et des réponses dans les données non structurées de votre entreprise devrait être une opération facile. Il est temps pour votre entreprise d'opter pour la recherche intelligente et de se laisser guider par les données.

• Gain de temps. En automatisant la recherche de connaissances, des banques ont pu réaliser dix jours de travail en deux minutes seulement. 
• Gain d'argent. Un client du secteur de l'énergie a économisé plus de 10 millions de dollars en réduisant le temps passé à rechercher des informations pertinentes dans les bases de connaissances de son entreprise. En savoir plus
• Réduction de la charge de travail. Un client du secteur de l'assurance a réduit de 90 % la charge de travail liée à la lecture et à l'analyse des données internes de l'entreprise. En savoir plus 
• Génération de revenus. Des cabinets d'avocats utilisent des applications de recherche pour améliorer leurs processus métier et devenir quatre fois plus productifs, ce qui génère une augmentation des revenus pouvant atteindre 30 %. En savoir plus