INTELLIGENCE ARTIFICIELLE
L’IA générative : un atout stratégique pour les entreprises
Methods Analytics, une filiale d’ALTEN basée au Royaume-Uni, a développé un assistant IA conversationnel intégrant la génération augmentée de récupération pour interroger efficacement les CV et études de cas. Le résultat : une identification plus rapide et plus précise des candidats, ainsi qu’une meilleure prise de décisions dans le processus d’appel d’offres.
Le fait de trouver les bons talents compte parfois autant que l’utilisation des meilleures technologies. En combinant les deux, vous pouvez générer des résultats spectaculaires. Malheureusement, les méthodes usuelles de sélection des CV et des études de cas en fonction des exigences d’un projet sont chronophages et sujettes aux préjugés humains. Methods Analytics, fournisseur de services data de bout en bout pour les secteurs de la santé, des administrations publiques et de la défense, a tiré parti de l’IA pour rationaliser le processus de recherche des meilleurs talents pour les projets de ses clients.
Le défi : Rationaliser la recherche d’employés appropriés et d’études de cas pertinentes
La solution : Un assistant IA conçu pour fournir des résultats sur mesure, gagner du temps et éviter les biais humains
Les avantages :
- Intégration transparente dans les systèmes existants
- Accessibilité
- Flexibilité et facilité d’adaptation
- Gain de temps grâce à l’automatisation
- Amélioration continue
- Rationalisation des offres pour les projets
Indicateurs de performance :
- Réduction de 30 % des coûts de production grâce à l’intégration du CV Builder dans la matrice des compétences (Skills Matrix)
- Réduction du temps nécessaire à la création du contenu des études de cas de 2 jours à 1 heure, soit un gain d’efficacité de 1 600 %
Offrir le meilleur
En tant que cabinet de conseil de premier plan, Methods Analytics doit être capable de recruter efficacement des professionnels spécialisés pour rester au sommet de son art et proposer les meilleurs experts à ses clients. Pour relever ce défi, la société a décidé de tirer parti de la génération augmentée de récupération (RAG, Retrieval-Augmented Generation) intégrée à des agents d’IA générative (GenAI) pour développer un assistant IA conversationnel. L’assistant interroge la base de données de CV et d’études de cas de l’entreprise pour fournir des suggestions adaptées aux besoins de chaque projet. Il utilise une architecture de récupération personnalisée pour optimiser la pertinence des documents et s’intègre à Microsoft Teams pour garantir un accès facile.
Outils et technologies
Ce système fait intervenir plusieurs outils et technologies, notamment la RAG et l’ingénierie des prompts, en vue d’optimiser le processus de récupération et d’affiner les modèles de prompts pour des réponses concises et exactes. Les moteurs de récupération ont été adaptés pour garantir la pertinence des documents sélectionnés par la recherche. En automatisant les mises à jour des index RAG sur le cloud, le système est en mesure de refléter tout changement dans les bases de données de CV et d’études de cas. L’intégration transparente à Microsoft Teams permet de contrôler l’accès à l’outil tout en maximisant son accessibilité.
Python a été utilisé pour développer les fonctionnalités de base. Les services Azure, notamment Azure Functions, Cognitive Search, Blob Storage, Logic Apps et Container Registry, ont permis l’automatisation cloud. GitHub a été déployé pour le contrôle des versions et la collaboration. La société s’est appuyée sur Flask pour la création des composants de l’application Web. Le système est également facilement extensible et très flexible, s’adaptant automatiquement aux nouvelles données et exigences. Parallèlement, la reconnaissance d’entités nommées (NER) et la reconnaissance optique de caractères (OCR) améliorent l’analyse et la récupération des documents. Le système est extrêmement convivial grâce à son interface conversationnelle exploitant OpenAI GPT-3.5 et Streamlit. Enfin, Azure Bot Framework gère les fonctionnalités du chatbot.
Plus vite, plus efficace, plus exact
Le nouveau système réduit le temps nécessaire à l’identification du personnel approprié, d’une journée à moins de cinq minutes. Grâce à sa précision accrue, l’identification des compétences et des études de cas pertinentes se fait de manière beaucoup plus efficace, en minimisant les biais issus de facteurs comme la récence. Cet accès plus rapide aux études de cas et aux talents pertinents permet une préparation plus efficace des offres, réduisant ainsi le temps et les efforts consacrés par l’équipe. L’intégration Microsoft Teams favorise la disponibilité de la solution, tout en appliquant les contrôles d’accès nécessaires.
