AI Seeker organise et classe les documents de l'entreprise dans une base de données dédiée, facilitant l'accès de l'intelligence artificielle à des contenus au plus proche de la reqête de départ. Elle utilise des technologies avancées pour associer les questions des utilisateurs aux documents les plus appropriés, analysant le sens profond des mots et des phrases pour générer des réponses les plus pertinentes possible.
Le couplage des LLM avec une stratégie RAG consiste à utiliser un LLM pour générer des représentations textuelles des données, puis à utiliser une stratégie RAG pour regrouper ces représentations en fonction de leur similarité. Le LLM est d'abord utilisé pour générer des représentations textuelles des données. Ces représentations peuvent être des vecteurs, des matrices ou des objets plus complexes. Il existe de nombreuses façons de générer des représentations textuelles avec un LLM. Une méthode courante consiste à utiliser une couche de sortie de type classification. Cette couche permet au LLM de prédire la classe de chaque mot ou phrase du texte. Les représentations textuelles peuvent ensuite être calculées en fonction de ces prédictions.
Plusieurs secteurs dans le viseur de Claranet
Après un premier test de concept (POC) réussi en interne, qui a permis de valider l'amélioration de la productivité dans la recherche documentaire, Claranet a décidé de lancer sa solution en visant plusieurs secteurs. Dans le domaine de l'assurance et des mutuelles, AI Seeker fonctionne comme un assistant client pour fournir des informations détaillées sur la couverture des contrats d'assurance, offrant ainsi une autonomie accrue aux adhérents pour obtenir des réponses personnalisées. Pour les activités notariales et juridiques, la solution assiste dans la recherche d'informations spécifiques à un dossier, en contextualisant et en synthétisant les informations issues de divers documents juridiques et administratifs.Dans le secteur de l'e-commerce, AI Seeker met à disposition une FAQ interactive pour les clients et les employés, avec des réponses qui s'adaptent et se contextualisent en fonction de l'utilisateur et de l'évolution de la documentation. Pour l'ingénierie et le conseil, la solution s’appuie sur les réponses précédentes pour générer des informations encore plus pertinentes et adaptées.
AI Seeker se distingue par plusieurs fonctionnalités clés. Il propose une connectivité multisource, permettant une intégration transparente dans l'écosystème de l'entreprise. La solution est également multilingue, et les réponses peuvent être adaptées à la langue locale de l'utilisateur. De plus, AI Seeker s'intègre avec divers outils internes comme Slack et Teams, ou peut être utilisée via sa propre interface conversationnelle, centralisant ainsi la recherche d'informations. Enfin, la solution évolue grâce à l'apprentissage continu basé sur les retours des utilisateurs, améliorant constamment la remontée d'information et la pertinence de ses réponses.
