Qu'est-ce que Hyland Knowledge Enrichment ?
Knowledge Enrichment est la solution API de Hyland qui transforme le contenu brut et non structuré en données significatives et structurées, prêtes à être utilisées dans l'IA, l'automatisation, l'analyse et l'élaboration de solutions. Il s'agit d'extraire les entités clés, d'appliquer les métadonnées, de relier les informations contextuelles et de veiller à ce que le contenu soit lisible par une machine et exploitable dès le départ.
Knowledge Enrichment se compose de deux éléments clés :
- L'adaptation des données se concentre sur la structuration et la standardisation des données non structurées afin qu'elles soient propres et utilisables. Ce processus s'appuie sur Hyland Document Filters, un outil d'inspection, d'extraction et de transformation qui permet de structurer des données provenant de plus de 600 formats de fichiers tout en préservant le contexte du document d'origine.
- L'enrichissement du contexte améliore les données non structurées en les associant à des informations contextuelles pertinentes, ce qui améliore les possibilités de recherche, le traitement par l'IA et la prise de décision.
En quoi Knowledge Enrichment modifie-t-il votre façon de travailler ?
Au lieu de s'appuyer sur de multiples étapes de post-traitement pour nettoyer et structurer les données, Knowledge Enrichment intègre l'analyse dès le début du flux de travail, ce qui garantit que le contenu est optimisé pour les applications en aval dès son ingestion.
Comment fonctionne Knowledge Enrichment : une décomposition semi-technique
L'API Knowledge Enrichment est alimentée par une combinaison de technologies robustes et de capacités d'automatisation qui garantissent une production de données structurées de haute qualité :
L'adaptation de données avec des outils éprouvés
Document Filters extrait, standardise et structure le contenu de plus de 600 formats de fichiers, garantissant ainsi des données propres et cohérentes, prêtes pour les applications en aval, tout en conservant la structure logique du document. Cela permet aux organisations d'intégrer de manière transparente des données provenant de divers types de documents sans en perdre le sens ou l'intention.
Étiquetage automatisé des métadonnées
L'étiquetage automatisé des métadonnées analyse les images pour identifier les éléments clés, tels que les objets, les scènes et le texte, puis génère des métadonnées pour améliorer les possibilités de recherche et la précision du modèle d'IA. Cette fonction permet aux organisations de classer et de récupérer les images plus efficacement, améliorant ainsi l'accessibilité et la pertinence du contenu.
Normalisation et structuration des données
En convertissant le texte non structuré en formats normalisés, Knowledge Enrichment fait en sorte que le contenu soit prêt pour l'apprentissage automatique, l'analyse et les flux de travail automatisés. Ce processus comprend la déduplication, la standardisation des formats et la segmentation intelligente du contenu.
Reconnaissance des entités nommées (NER)
La technologie NER identifie les entités essentielles, telles que les personnes, les organisations et les lieux, à partir de documents et leur attribue une signification contextuelle. Cela permet aux entreprises de rationaliser la catégorisation et d'automatiser des flux de travail intelligents.
En automatisant ces processus, Knowledge Enrichment :
- Réduit la dépendance à l'égard de la préparation manuelle des données
- Améliore la cohérence des données
- Accélère le temps de compréhension des applications d'IA et d'analyse
Applications concrètes de Knowledge Enrichment
Qu'il s'agisse d'améliorer la découverte des produits, de rationaliser le traitement des déclarations de sinistre ou de structurer les dossiers des patients, Knowledge Enrichment permet aux entreprises d'obtenir de meilleurs résultats et de s'adapter de manière fluide. Découvrons les applications concrètent qui illustrent la valeur de Knowledge Enrichment dans la résolution de problèmes complexes liés aux données.
Retail : automatiser la génération de métadonnées
Une grande entreprise de distribution avait besoin d'une solution pour automatiser la génération de métadonnées et identifier les entités nommées dans les catalogues de produits. Knowledge Enrichment applique un étiquetage cohérent des métadonnées et crée des descriptions contextualisées. Cela a permis d'obtenir des données plus précises sur les documents et une recherche en langage naturel plus efficace, ainsi que d'améliorer les moteurs de recommandation.
Avec Knowledge Enrichment :
- L'adaptation de données a permis d'extraire et de structurer les détails des produits dans différents formats de documents.
- L'enrichissement du contexte a permis d'identifier des attributs clés tels que les marques, les spécifications et les catégories.
- L'étiquetage automatisé des métadonnées a permis d'améliorer la précision des recherches et la découverte des produits.
Ces améliorations ont permis d'obtenir des données plus fiables sur les produits, d'améliorer la pertinence des recherches et de mieux personnaliser les recommandations.
21
Nombre moyen de référentiels de contenu d'entreprise
65 %
affirment que les données non structurées représentent une opportunité largement inexploitée au sein de leur entreprise
89 %
Les entreprises n'utilisent pas l'IA à son plein potentiel pour l'analyse du contenu
— The Rise of Content Intelligence: A New Era of Innovation in ECM, Forrester, 2025
Assurance : améliorer le traitement des déclarations de sinistre
Prenons l'exemple d'une compagnie d'assurance qui traite des milliers de déclarations par jour. Traditionnellement, ces demandes contiennent un mélange de formulaires structurés et de documents justificatifs non structurés, telles que des rapports médicaux et des photographies. Sans Knowledge Enrichment, le traitement de ces demandes nécessiterait de nombreuses interventions manuelles, des approbations inutilement lentes et des coûts opérationnels plus élevés.
En mettant en place Knowledge Enrichment :
- L'adaptation de données permet d'extraire et de structurer le contenu de divers types de fichiers tout en préservant le contexte du document (comme les parties d'un sinistre qui peuvent comprendre des photos, des documents, des e-mails, etc.)
- L'enrichissement du contexte permet d'identifier des entités clés telles que les demandeurs, les prestataires médicaux et les détails du véhicule, en les reliant à des données pertinentes sur les polices et les déclarations de sinistre.
- L'analyse des images détecte les aspects clés des images soumises, tels que la marque et le modèle du véhicule, l'étendue des dommages et les incohérences potentielles, contribuant ainsi à la détection des fraudes et à la validation des déclarations de sinistre.
L'application des résultats de Knowledge Enrichment permet d'accélérer le traitement des déclarations de sinistre, de réduire la charge de travail manuel et d'améliorer la précision de la détection des fraudes.
Soins de santé : structurez les dossiers des patients pour une meilleure analyse
Les prestataires de soins de santé traitent d'énormes quantités de données non structurées concernant les patients, notamment les notes des médecins, les antécédents médicaux, les ordonnances et les résultats d'examens. L'extraction manuelle d'informations significatives à partir de ces dossiers prend du temps et est sujette à des erreurs.
En mettant en place Knowledge Enrichment :
- L'enrichissement du contexte permet d'extraire de divers documents médicaux des détails clés tels que les diagnostics, les médicaments, les allergies et les résultats d'examens.
- L'adaptation de données structure les données des patients dans des formats standardisés, garantissant ainsi l'interopérabilité entre les systèmes de dossiers médicaux électroniques (DME).
- Knowledge Enrichment améliore la prise de décision en rendant les informations critiques sur les patients facilement accessibles pour l'analyse pilotée par l'IA, la modélisation prédictive et l'aide à la décision clinique.
En transformant les dossiers patients non structurés en données structurées et exploitables, les prestataires de soins de santé peuvent améliorer leur efficacité opérationnelle, favoriser de meilleurs résultats pour les patients et rationaliser la conformité aux exigences réglementaires.
