Au sommaire :
- Enquête Archimag : comment les professionnels de la veille voient-ils leur métier ?
- Quand les besoins informationnels passent par le tamis de l’IA
- L’aide au sourcing, mais sous condition
- Une efficacité relative de l’IA pour la phase de collecte
- En appui de l’analyse, les RAG entrent en scène
- L’IA renouvelle la diffusion de la veille
Dans les formations qu’il dispense aux veilleurs, le consultant et formateur en veille stratégique et en intelligence économique, Christophe Deschamps, ne manque jamais de rappeler les apports de l’IA dans la phase de sourcing. Notamment les instructions que l’on peut poser aux principales IA du marché : "Donne-moi le champ sémantique de l’industrie nucléaire" ou "quels sont les mots-clés les plus utilisés lorsque l’on parle de l’industrie nucléaire" ou bien encore "indique-moi des thésaurus ou vocabulaires contrôlés relatifs à l’énergie nucléaire". Ces prompts permettent en effet de découvrir des sources nouvelles, en particulier à l’étranger, si l’on prend bien soin de le préciser à l’IA. Il est même possible de lui demander de générer une requête avancée pour un moteur de recherche.
"Il est d’abord important de rappeler clairement que l’IA n’est pas une source en elle-même", tient à préciser Arnaud Marquant, directeur des opérations chez KB Crawl. Selon lui, l"IA peut servir à présélectionner de l’information en fonction des façons de faire des veilleurs. Elle apprend des habitudes du corpus documentaire du client pour l’aider à choisir les bonnes sources. "Quand un veilleur reçoit une douzaine d’alertes sur un sujet, parce qu’il y a de l’actualité ou parce qu’un communiqué de presse vient de tomber sur un industriel concurrent, l’IA est en mesure de dire automatiquement : "En général, tu mets en avant ce type d’information plutôt que celui-ci." Elle peut également fournir les arguments qui justifient sa proposition.
Lire aussi : Recherche en ligne : l’IA générative progresse face aux moteurs de recherche
À l’usage, il apparaît que l’intelligence artificielle se révèle efficace pour suggérer des sources, notamment lorsqu’on lance un chantier de veille sur un sujet que l’on ne maîtrise pas. Bien entendu, il ne s’agit pas de prendre pour argent comptant l’ensemble des sites qui sont proposés par l’IA et l’humain doit garder la main sur la validation. Pour Arnaud Marquant, "il reste au veilleur de vérifier la pertinence de la source, car, si l’on se retrouve sur un site local d’un pays éloigné, ce ne sera pas forcément la source la plus pertinente pour une veille menée pour un groupe industriel international, par exemple".
Pour autant, la suggestion des sources peut encore se faire à l’ancienne : "Ne nous voilons pas la face : avec une bonne requête, c’est encore Google qui le fait mieux", ajoute Arnaud Marquant. "Les moteurs de recherche, et Google en particulier, restent la meilleure indexation à ce jour."
Un effet "boîte noire" sur le sourcing des LLM
De son côté, Alexandre Sonnet, directeur général de la société Humind, estime que "l’IA agit comme un accélérateur qui libère les analystes pour les tâches à plus forte valeur ajoutée : analyse, validation et interprétation". Selon lui, les gains de temps sont évidents pour l’exploration des sources ouvertes et la structuration initiale d’un dispositif. Elle serait également utile pour repérer des acteurs, des technologies, des signaux faibles ou des sources qui auraient échappé à une recherche classique. "Certaines IA, notamment chinoises, comme Kimi, sont très performantes pour couvrir des écosystèmes locaux mal indexés par les modèles occidentaux", poursuit-il. "Or, une grande partie de l’innovation se réalise aujourd’hui en Chine, ce qui rend cette couverture indispensable."
Lire aussi : Rechercher et traiter l'information avec les IA
Pour Romain Ponceau, directeur général d’Opinion Act, les LLM deviennent une source à part entière de surveillance, notamment pour la veille réputationnelle : "Nous interrogeons désormais les LLM plusieurs fois par jour avec des prompts prédéfinis pour observer une variation dans les réponses, ainsi que dans les sources de données qu’ils utilisent", affirme-t-il. De là à affirmer que ces LLM ont permis de détecter des sources inconnues, Romain Ponceau n’en est pas convaincu : "Je ne pense pas, car nous travaillons aujourd’hui avec des outils de social listening et avec nos propres "crawlers", ce qui nous permet d’obtenir une exhaustivité quasi parfaite." C’est encore, selon lui, une promesse que les LLM ne peuvent pas tenir. "Il y a un effet "boîte noire" sur le système de sourcing des LLM", conclut-il.
