Guides Essentiels
Voir tous les articles de ce guide
Actualites
Cet article fait partie de notre guide: L’IA générative débarque massivement dans les applications métiers

IA générative : Pega sort une IA qui ne s’appuie que sur les données d’entreprise

L’éditeur de BPM et de no-code/low-code positionne son « GenAI Knowledge Buddy » comme une IA générative adaptable, intégrée et maîtrisée, grâce à un RAG. Mais certains défis demeurent comme la qualité des données d’entrées.

Philippe Ducellier
par
Publié le: 02 févr. 2024

Pegasystems a dévoilé son GenAI Knowledge Buddy, un assistant qui fournit des réponses synthétisées par une IA générative à partir du contenu des bases internes d’une entreprise.

L’architecture de GenAI Knowledge Buddy (en fait un RAG) assure un niveau élevé de confiance et de responsabilité, avance Pega.

« Les contenus des entreprises sont souvent longs, denses et dispersés dans divers dossiers et documents, déconnectés des workflows des employés et des clients [et] en changements constants », constate Pega. « Pour avoir des réponses, les employés doivent effectuer des recherches fastidieuses dans différentes sources de contenu. Même chose chez les clients, qui ne parviennent pas à trouver suffisamment rapidement les réponses voulues en self-service, ce qui mène à une frustration ».

Avec le GenAI Knowledge Buddy, Pega cherche à ce que les utilisateurs (clients ou employés donc) puissent poser leurs questions via des interfaces conversationnelles simples, et obtenir des réponses « précises, fiables, vérifiées et concises » et, point important, avec une référence transparente aux sources.

Les administrateurs disposent par ailleurs d’un contrôle sur le comportement et la sécurité de leurs Buddies et peuvent définir et tester les prompts, directives et contrôle d’accès de l’assistant.

Les entreprises pourront également définir le niveau de visibilité sur les contenus en fonction des rôles, pour que chaque utilisateur accède uniquement aux informations permises.

« Il s’agit d’une manière intelligente d’étendre et d’exposer Pega Knowledge (et d’autres bases de connaissances formelles) », estime Will McKeon-White, analyste chez Forrester Research. « [L’outil] s’appuiera principalement sur les bibliothèques existantes [internes], ce qui est excellent pour l’auditabilité et la gouvernance de cet outil. »

Un RAG

Knowledge Buddy recherche, analyse et synthétise automatiquement les bibliothèques de documents. Les utilisateurs peuvent également demander de générer de nouveaux contenus, comme des e-mails, toujours en s’appuyant sur la base de leurs bibliothèques existantes.

Les bibliothèques de contenu sont importées à l’aide d’APIs standards.

Concrètement, il s’agit d’un RAG, « une architecture qui minimise les risques d’hallucination de l’IA en s’assurant que les modèles d’IA générative basent leurs réponses uniquement sur les informations client contenues dans la base de connaissances de l’entreprise », rappelle Pega.

Schéma de l'architecture IT d'un RAG
Comment fonctionne un RAG (Retrieval Augmented Generation)

Knowledge Buddy n’est pas la première incursion de Pega dans l’IA Générative. L’éditeur de BPM et de CRM revendique « plus de 20 nouvelles fonctionnalités Pega GenAI » dans sa gamme Infinity.

Avec ce RAG, Pega continue à s’inscrire dans la tendance actuelle des applications métiers et de la GenAI.

Tout comme ses concurrents chez Microsoft (Copilot) ou Google (Duet AI), ce « Buddy » permet d’appliquer de grands modèles de langage (LLM) à des bases de connaissances privées, en protégeant celles-ci grâce à des contrôles de la confidentialité et de la sécurité maîtrisés par l’entreprise.

« Le RAG (Retrieval Augmented Generation) est en train de devenir le moyen le plus courant pour les organisations professionnelles de “fonder” les réponses de l’IA générative sur des données spécifiques », constate Jason Wong, analyste chez Gartner.

Un RAG peut également, et éventuellement si on lui autorise, récupérer des données publiques sur Internet en plus des données provenant de bases de connaissances privées, ajoute Jason Wong. Ce qui permet, au besoin, d’enrichir les réponses.

« Garbarge in, garbage out » dans la GenAI aussi

La recherche d’informations pour accomplir une tâche peut prendre 20 à 30 % du temps d’un employé, chiffre l’expert de Gartner. D’après lui, l’un des principaux avantages de l’IA générative, avec un RAG, est qu’elle peut réduire considérablement ce temps de recherche.

Reste que la configuration des contrôles d’accès aux bases de connaissances est un travail considérable et « peut constituer un obstacle supplémentaire », prévient Jason Wong.

En outre, l’IA générative – comme les outils de gestion des connaissances – ne peut être plus intelligente que les données que le RAG héberge. En plus de sa capacité à s’interfacer avec les bases, l’efficacité de ce « knowledge buddy » dépendra donc aussi de la précision et de l’organisation des référentiels de connaissances, en particulier dans les grands groupes qui possèdent de multiples systèmes de stockage d’informations.

Autre difficulté, soulignée par Will McKeon-White de Forrester, « la capacité à puiser – avec précision – dans des référentiels de connaissances formels et informels ».

GenAI Knowledge Buddy sera disponible sur Pega Cloud dans la version 2024 de Pega Infinity 2024 au cours du premier semestre de cette année.

Pour approfondir sur BPM et RPA