Solution interne / Recherche documentaire

Assistant d'aide à la recherche

Trouver l'information pertinente dans un océan de documents prend un temps considérable. Nous avons développé Kairos, un assistant d'aide à la recherche qui enrichit les requêtes, crawle les sources, identifie les contenus les plus pertinents et révèle les liens thématiques entre documents automatiquement.

Problématique

Les équipes de recherche et d'analyse passent un temps disproportionné à chercher, lire et trier des documents pour isoler ceux qui comptent. Les moteurs de recherche classiques renvoient des résultats par mots-clés, sans comprendre la requête ni les relations entre documents. Impossible de visualiser quels contenus sont similaires, quels sujets se recoupent ou quels documents apportent réellement de la valeur. Le temps perdu à chercher est du temps qui n'est pas consacré à analyser.

Vue rapprochée d’une coupe transversale colorée d’une géode montrant des couches concentriques de minéraux en jaune, marron, rouge et vert.

Solution

Ce que nous avons construit

Nous avons déployé 1 Data Scientist pour concevoir Kairos, un assistant de recherche intelligent qui va au-delà de la recherche par mots-clés.

Étape 1 — Enrichissement de requête et crawling. Kairos prend la requête utilisateur, l'enrichit sémantiquement puis crawle les sources pour récupérer les contenus pertinents. Le système ne se limite pas aux résultats de surface : il explore en profondeur.

Étape 2 — Scoring de pertinence par embeddings. Chaque document est comparé à la requête via des embeddings de mots et de documents. Le système calcule un score de similarité sémantique pour ne remonter que les contenus réellement pertinents, classés par degré de correspondance.

Étape 3 — Clustering et extraction de thématiques. Les documents sont regroupés par similarité et par sujet grâce à du clustering par embeddings et de l'extraction de topics (LDA). L'utilisateur peut naviguer entre les groupes thématiques pour comprendre comment les documents se relient entre eux.

Étape 4 — Extraction des passages clés. Un travail de filtrage identifie les phrases les plus importantes de chaque document et élimine le bruit (phrases génériques présentes partout), affinant encore la séparation entre les contenus et la pertinence des résultats.

Projets dans la même catégorie

Voir tous les projets

Aide à la création de médicaments

Un laboratoire pharmaceutique devait identifier de nouvelles combinaisons moléculaires brevetables à partir de millions de publications médicales. La recherche manuelle avait atteint ses limites. Nous avons construit le système qui a changé la donne.

Application d'optimisation de la Supply Chain

Un acteur de la distribution pharmaceutique devait repenser l'intégralité de sa chaîne d'approvisionnement : assortiment en pharmacie, gestion des stocks et circuits de livraison. La recherche opérationnelle seule ne suffisait plus. Nous avons construit l'application qui a transformé ses opérations.

Détection des tendances sur les réseaux sociaux

Dans un marché où les comportements consommateurs changent plus vite que les cycles de décision, un client avait besoin d'anticiper les tendances au lieu de les subir. Nous avons construit la plateforme qui transforme le bruit des réseaux sociaux en signaux actionnables.

Rendement de parcelles agricoles

La filiale climatique d'un leader français de l'assurance avait besoin de prédire les rendements des champs à l'échelle de l'Allemagne pour tarifer une nouvelle offre d'assurance sécheresse. Les données internes ne suffisaient pas. Nous avons construit les modèles prédictifs qui ont rendu le produit commercialisable.

Plateforme d'analyse de besoins clients

Un grand groupe français cherchait à comprendre les besoins actuels et à venir de ses clients en agrégeant un volume massif de données consommateurs. Après un POC de 8 semaines, nous avons industrialisé une plateforme complète déployée sur l'ensemble des entités France et aujourd'hui en cours d'extension à l'échelle du groupe.

Scoring et analyse de la peau

Un acteur majeur de la cosmétique de luxe avait développé un algorithme de scoring de la peau. Problème : personne ne pouvait vérifier sur quoi l'IA se basait pour poser son diagnostic. Nous avons construit le système de visualisation qui rend les prédictions transparentes et déployable en boutique et sur mobile.