Accueil » Cas clients » Capitaliser sur un patrimoine documentaire massif grâce à l’IA générative
Capitaliser sur un patrimoine documentaire massif grâce à l’IA générative
Artelia, groupe d’ingénierie et de conseil, souhaitait mieux exploiter un patrimoine documentaire de très grande ampleur dans un contexte de digitalisation croissante et de complexification des projets. L’enjeu était de transformer cette masse de documents non structurés en ressource utile, accessible et exploitable, grâce à une interface conversationnelle fondée sur l’IA générative.
- Publié le
En quelques chiffres...
1
hub de données central et historisé
JEMS a introduit dans l’architecture globale une plateforme de données unifiées pensée pour répondre à plusieurs typologies de cas d’usage.
21
filiales à unifier
Le projet devait permettre à l’ensemble des entités du groupe de partager un référentiel commun et une circulation de l’information plus fluide.
1
premier cas d’usage déployé en production
Le catalogue Carrosserie a servi de démonstrateur concret pour offrir à toutes les filiales une vue unifiée sur la disponibilité des pièces et les prix.
Le projet
Notre approche
JEMS a accompagné Artelia dans la mise en place d’un dispositif d’IA générative centré sur la valorisation de documents non structurés. L’intervention a combiné la réalisation d’un Proof of Value, la mise en place d’une architecture Data Centric et l’implémentation de deux cas d’usage concrets, avec Snowflake comme partenaire technologique et Streamlit pour la couche applicative.
Le diagnostic
Artelia faisait face à un enjeu majeur de gestion et d’exploitation documentaire. Avec plus de 100 millions de documents issus de projets d’ingénierie, de rapports, de plans techniques, de correspondances et de documents administratifs, la difficulté ne résidait pas seulement dans le stockage de l’information, mais dans sa capacité à être retrouvée, comprise et réutilisée rapidement. Il fallait donc mettre en place un dispositif capable d’interroger ce corpus massif de manière fluide et pertinente, tout en ouvrant la voie à de nouveaux usages métiers.
Les livrables clés
- Réalisation d’un Proof of Value pour le chatbot fondé sur l’IA générative
- Mise en place d’une architecture Data Centric
- Développement d’une interface conversationnelle en langage naturel
- Implémentation de deux cas d’usage métier autour de la recherche documentaire et de la génération de contenus
- Déploiement d’un dispositif s’appuyant sur Snowflake et Streamlit
Comment Artelia peut-elle capitaliser sur plus de 100 millions de documents grâce à l’IA générative ?
Les bénéfices
Un accès beaucoup plus rapide à l’information
Les utilisateurs peuvent retrouver des documents pertinents sans naviguer manuellement dans des millions de fichiers.
Une meilleure exploitation des documents non structurés
L’interface conversationnelle permet de questionner dynamiquement un corpus documentaire complexe et hétérogène.
Une aide concrète sur les sujets juridiques
L’un des cas d’usage concerne la recherche instantanée de preuves documentaires, particulièrement utile dans un cadre juridique.
Une production documentaire accélérée
L’outil permet aussi de générer de nouveaux contenus pour les appels d’offres à partir de données historiques, notamment des CCTP.
Des processus métiers plus efficaces
La solution améliore l’efficacité et la qualité des processus chez Artelia en rendant le patrimoine documentaire plus vivant et exploitable.
En vidéo : comment Artelia valorise 100 millions de documents avec l’IA générative
Découvrez comment Artelia, accompagné par JEMS, transforme un patrimoine documentaire massif en ressource exploitable grâce à une interface conversationnelle fondée sur l’IA générative.
L'approche en 6 étapes
1. Partir d’un patrimoine documentaire massif
Le projet s’est construit à partir d’un enjeu clair : rendre exploitable une bibliothèque de plus de 100 millions de documents.
2. Valider la valeur avec un Proof of Value
JEMS a d’abord démontré concrètement l’intérêt du chatbot avant d’envisager un déploiement plus large.
3. Mettre en place le socle Data Centric
Une architecture centrée sur la donnée a été déployée pour garantir l’intégration, la qualité et la disponibilité des informations.
4. Développer l’interface conversationnelle
JEMS et Snowflake ont conçu une interface en langage naturel capable d’interroger le corpus documentaire en temps réel.
5. Déployer les premiers cas d’usage
Deux usages ont été mis en œuvre : la recherche de preuves documentaires et la génération de contenus pour les appels d’offres.
6. Transformer la donnée en ressource opérationnelle
L’ensemble permet de faire passer un corpus massif et non structuré d’un statut d’archive à celui de ressource métier exploitable.
