| Retrouvez cet article dans notre GUIDE PRATIQUE IA génératives : cas d’usage et retours d’expérience Découvrir le numéro → |
Découvrez Le Brief de l'IT, la newsletter thématique gratuite d'Archimag dédiée aux professionnels des data, de l'IT, de la digitalisation et de la transformation numérique !Comme tous les constructeurs automobiles, Audi recourt à une volumineuse documentation technique pour produire ses véhicules. Au menu, une liste de procédures à respecter longue comme le bras : schémas électriques, plans de câblage, manuels de diagnostic, procédures de vérification, réglages à effectuer, méthodes de réparation ou tout simplement le numéro de téléphone d’un collègue… Autant de processus de production que le constructeur allemand doit absolument respecter avant de mettre ses véhicules sur le marché.
C’est à la lumière de ces obligations qu'Audi a fait le choix de recourir au Rag pour optimiser sa gestion des connaissances internes. Cette technologie de retrieval-augmented generation (génération à enrichissement contextuel) concentre ses algorithmes sur les bases de données de l’entreprise, plutôt que de collecter de l’information sur le web. Un corpus documentaire plus modeste, donc, mais sur lequel l’entreprise peut s’appuyer sans crainte d’être victime d’hallucinations. Ce Rag se présente sous la forme d’un agent conversationnel développé par Storm Reply (société du groupe Reply) avec le service SageMaker d’Amazon. Sa mission : donner accès aux informations internes de façon pertinente et plus rapide.
Interrogation en langage naturel
Pour Michael Pawelke, chef de produit au sein d’Audi AG, "ce chatbot est un excellent exemple de la façon dont la technologie innovante peut être utilisée pour résoudre des cas d'utilisation pratiques, avec un temps de mise sur le marché très court. Il abaisse les barrières à la découverte de connaissances pour nos équipes. Il ne devrait d’ailleurs nécessiter que peu d'effort supplémentaire pour être étendu à d'autres cas d'utilisation."
Concrètement, les ouvriers peuvent interroger cet agent conversationnel en langage naturel et obtenir une réponse en quelques secondes seulement. Celle-ci est générée à partir de sources hybrides "made in Audi" : bases de données, documentation technique au format PDF, site web à usage interne, suites collaboratives de type Notion ou Confluence… Mieux, si une question dépasse ses compétences, le chatbot sait rester modeste, programmé pour la faire suivre à un humain plutôt que de générer une réponse incorrecte faute de données fiables.
Autre atout du Rag, son corpus documentaire peut être enrichi au fil de l’eau sans pour autant occasionner un réentraînement complet du modèle de langage. Un avantage considérable, lorsqu’il s’agit de mettre à jour des données avant de les injecter dans le Rag. Le chatbot est ainsi en mesure de garantir non seulement des réponses correctes, mais aussi des réponses toujours à jour.
Cloud privé virtuel
Le constructeur a également dû prendre en compte le volet sécurité de toutes ces données de fabrication. "L'architecture du chatbot a été développée dans un cloud privé virtuel (VPC) pour garantir la sécurité des données et la confidentialité des utilisateurs", précise Filippo Rizzante, directeur de la technologie au sein de Reply.
Au-delà des réponses générées, l’IA en mode Rag est en passe de terrasser l’un des maux de l’ingénierie documentaire contemporaine : les fameux silos de données qui isolent les informations des entreprises et entravent la gestion des connaissances. En crawlant ces fameux réservoirs, l’IA parvient tout simplement à "désiloter" la mémoire des organisations.











