03Tous les savoirs ne se ressemblent pas
Cinq questions qui décident du traitement d'une source : l'indexer, l'interroger en direct, l'extraire, ou seulement y renvoyer.
On suppose souvent que la base de connaissances est un pipeline unique : charger les documents, les découper en passages, les indexer, et le travail est fait. Cela marche pour une démo sur un échantillon propre. Cela échoue sur le savoir réel d'une entreprise, parce que des savoirs différents demandent des traitements différents, et que ce sont les données, et non l'outil, qui dictent le traitement.
Cinq questions révèlent ce dont une source a besoin :
- Quel est son degré de structure : des lignes dans une base de données, des tableaux dans un rapport, ou du texte libre ?
- À quelle vitesse change-t-elle : chaque année, chaque mois, à la minute ?
- Quel est le plus petit élément vrai à lui seul : un chiffre, un tableau, une étape, une procédure entière ?
- Que veut dire « version » ici : une révision, une période comptable, un horodatage ?
- À quel niveau les droits d'accès sont-ils fixés : document, section, ligne ?
Quatre types de savoir familiers donnent des réponses très différentes (figure 3).
Les données financières sont structurées et doivent être exactes. Le système interroge la source qui fait autorité et ne calcule ni n'estime jamais un chiffre lui-même. La difficulté, ce sont les définitions : quel chiffre d'affaires, quel périmètre, quelle période.
Les stocks changent en permanence, si bien que toute copie est périmée en quelques heures. Le système les interroge en direct.
Les manuels sont le cas classique de l'indexation : longs, versionnés, souvent scannés. Ce à quoi s'applique chaque passage décide de tout, et les tableaux comme ceux des couples de serrage gagnent à être extraits sous forme de données structurées.
Les procédures ressemblent aux manuels mais se comportent autrement. L'ordre, l'exhaustivité, le statut d'approbation et la date d'entrée en vigueur font partie du contenu, et un résumé qui omet une étape est une réponse fausse. Le système renvoie souvent à la procédure complète plutôt que de la paraphraser.
Pour chaque source, la base de connaissances fait donc l'une de quatre choses : l'indexer, l'interroger en direct, l'extraire sous forme structurée, ou seulement y renvoyer. Les collections réelles mélangent les quatre. Dans l'entreprise ferroviaire, la question « quel couple, pour cette locomotive ? » peut exiger les dossiers de modernisation, qui se comportent comme un stock, pour identifier la configuration exacte, puis le manuel pour la valeur.
C'est pourquoi les outils se choisissent en dernier. Une bibliothèque conçue pour indexer du texte est le mauvais outil pour un grand livre comptable, aussi bonne soit-elle.