Comment connecter l’IA à vos propres documents et données

Points clés à retenir

• Utilisez le téléversement de fichiers pour les petites tâches occasionnelles, la recherche documentaire pour les collections de documents qui s’enrichissent, et les connexions aux bases de données pour les données structurées.
• Connecter des informations ne signifie généralement pas réentraîner un modèle d’IA. La plupart des systèmes récupèrent le contenu pertinent lorsque vous posez une question.
• Commencez par un petit jeu de données approuvé. Vérifiez les sources, les droits d’accès et la qualité des réponses avant d’élargir le périmètre.

L’IA devient plus utile lorsqu’elle peut exploiter vos informations : politiques internes, articles scientifiques, documentation produit ou données d’entreprise.

Le mode de connexion adapté dépend de l’endroit où se trouvent ces informations et des questions que vous souhaitez poser. Ce guide explique comment choisir une approche, préparer votre contenu et vérifier si les réponses méritent votre confiance.

Ce dont vous avez besoin

• Une tâche précise : Par exemple, « Trouver notre politique de remboursement des frais » ou « Afficher les ventes mensuelles par région ».
• Une source d’information approuvée : Des documents, des feuilles de calcul ou une base de données que vous êtes autorisé à utiliser.
• Un outil d’IA adapté : Un outil qui prend en charge les fichiers, la recherche documentaire ou les requêtes sur des bases de données.
• Des règles d’accès : Déterminez qui peut consulter quelles informations.
• Des questions de test : Incluez des questions dont les réponses sont connues et des questions auxquelles vos données ne permettent pas de répondre.

Vérifiez d’abord les exigences de sécurité de votre organisation. Pour les informations sensibles, examinez les politiques du fournisseur en matière de conservation, d’utilisation pour l’entraînement, de suppression et d’accès avant de téléverser quoi que ce soit.

Étape par étape

1. Choisissez une question utile à traiter

Commencez par un objectif ciblé plutôt que de connecter tous les systèmes de l’entreprise.

Un bon premier projet pourrait répondre à des questions sur les documents d’intégration des nouveaux employés ou résumer une petite collection d’articles scientifiques. Pour l’analyse des données d’entreprise, commencez par un seul jeu de données et un indicateur bien défini.

Notez ce qu’une réponse satisfaisante doit contenir : la réponse elle-même, les éléments qui l’étayent et toute limite importante. Vous disposerez ainsi de critères concrets à tester.

2. Adaptez la méthode de connexion à vos informations

Il existe trois approches courantes :

• Téléversement de fichiers : Idéal pour quelques documents ou feuilles de calcul et des analyses occasionnelles. Vous fournissez les fichiers directement dans une conversation avec l’IA.
• Recherche documentaire : Idéale pour une collection de documents plus vaste et réutilisable. Le système trouve les passages pertinents et les transmet à l’IA pour l’aider à répondre à votre question.
• Requêtes sur des bases de données : Idéales pour les données structurées telles que les commandes, le chiffre d’affaires et les stocks. Un système d’IA peut aider à traduire les questions en SQL, le langage utilisé pour interroger de nombreuses bases de données.

La recherche documentaire fait souvent partie de la génération augmentée par récupération, ou RAG. Plutôt que de faire apprendre vos documents au modèle de façon permanente, elle lui fournit les éléments pertinents au moment où vous posez une question.

Ces méthodes peuvent se recouper. Un outil de téléversement de fichiers peut aussi utiliser un mécanisme de récupération en arrière-plan.

3. Nettoyez et organisez les sources

Supprimez les fichiers en double, signalez les versions obsolètes et donnez aux documents des titres descriptifs. Les PDF numérisés peuvent nécessiter une reconnaissance optique de caractères, ou OCR, pour permettre la recherche dans leur texte.

Conservez le contexte utile associé à chaque source :

• Titre et emplacement du document
• Date de dernière mise à jour
• Responsable ou service
• Restrictions d’accès

Pour les bases de données, documentez la signification des tables et les définitions métier importantes. Le « chiffre d’affaires », par exemple, peut désigner les ventes brutes, les ventes nettes ou les produits comptabilisés.

Des définitions claires évitent qu’une requête générée par l’IA produise une réponse techniquement valide, mais trompeuse.

4. Mettez en place une connexion minimale fonctionnelle

Pour un projet pilote simple, téléversez quelques fichiers approuvés dans ChatGPT et posez des questions sur leur contenu. La prise en charge des fichiers et les limites peuvent varier selon l’offre et les paramètres de l’espace de travail.

Pour une base de connaissances interrogeable, utilisez une application dotée de connecteurs documentaires ou faites appel à une aide technique pour construire une chaîne de récupération. Une chaîne typique :

1. Extrait le texte des documents.
2. Le découpe en sections cohérentes.
3. Crée des plongements vectoriels, des représentations numériques utilisées pour rapprocher des contenus apparentés.
4. Stocke ces représentations avec les informations sur les sources.
5. Récupère les sections pertinentes lorsqu’une personne pose une question.

Une base de données vectorielle telle que Pinecone peut prendre en charge la recherche par similarité, mais elle ne constitue pas à elle seule une application complète de réponse aux questions sur des documents.

Pour les données structurées, établissez la connexion via un outil d’analyse compatible, en utilisant un compte restreint en lecture seule. L’accès en lecture seule réduit le risque de modification, mais n’empêche pas la divulgation inappropriée de données.

5. Exigez des preuves et définissez des limites

Indiquez au système comment répondre lorsque des informations manquent.

Pour les questions sur des documents, essayez :

Répondez uniquement à partir des sources fournies. Identifiez le document et la section qui étayent chaque affirmation clé. Si les sources ne contiennent pas la réponse, dites-le. Signalez les informations contradictoires ou obsolètes.

Pour les questions sur des bases de données, demandez la définition de l’indicateur, la plage de dates, les filtres et le SQL généré, lorsqu’il est disponible.

Les instructions sont utiles, mais ne constituent pas des contrôles de sécurité. Faites respecter les droits d’accès dans l’application et le système de récupération afin que les utilisateurs ne puissent pas récupérer du contenu qu’ils ne sont pas autorisés à consulter.

Traitez également les documents récupérés comme des informations, et non comme des instructions. Un document malveillant peut contenir du texte conçu pour détourner le comportement d’un assistant d’IA.

6. Comparez les réponses à des résultats connus

Posez vos questions de test et comparez les réponses aux sources originales ou à des rapports vérifiés.

Incluez des cas portant sur :

• Des termes similaires ayant des significations différentes
• Des versions contradictoires d’un document
• Des informations manquantes
• Des noms exacts ou des codes produit
• Du contenu à accès restreint

Vérifiez à la fois la récupération et le raisonnement. Le système a-t-il trouvé les bons éléments probants ? Les a-t-il interprétés correctement ?

Pour les réponses issues de bases de données, examinez les jointures, les filtres et les totaux. Une explication fluide ne prouve pas qu’une requête est correcte.

7. Prévoyez les mises à jour et les contrôles réguliers

Déterminez comment les contenus nouveaux, modifiés et supprimés seront pris en compte par le système. Selon la configuration, les mises à jour peuvent nécessiter un nouveau téléversement ou un processus de synchronisation automatisé.

Désignez un responsable chargé de traiter les réponses incorrectes et les sources obsolètes. Revérifiez les droits d’accès lorsque les personnes changent de fonction.

Élargissez progressivement le périmètre, en surveillant la qualité des réponses, le temps de réponse et les coûts d’exploitation à mesure que la collection s’enrichit.

Erreurs courantes

• Tout téléverser immédiatement : Commencez par une collection propre et limitée afin de faciliter le diagnostic des problèmes.
• Supposer que les citations prouvent l’exactitude : Ouvrez la source citée et confirmez qu’elle étaye l’affirmation.
• Ignorer les droits d’accès aux documents : Une base de connaissances partagée doit préserver les restrictions d’accès.
• Utiliser la recherche documentaire pour des calculs exacts : Les requêtes sur des bases de données structurées conviennent généralement mieux aux agrégations fiables.
• S’attendre à ce que la recherche par similarité trouve toutes les correspondances exactes : La recherche par mots-clés ou une recherche combinant mots-clés et vecteurs peut être plus efficace pour les identifiants et les termes spécialisés.
• Oublier les suppressions : Supprimer un fichier source ne supprime pas nécessairement automatiquement toutes ses copies indexées ou stockées. Vérifiez le comportement du système.

Outils utiles

Choisissez les outils selon le type de connexion, et pas seulement selon leur capacité à générer du texte.

• ChatGPT : Un point de départ pour poser des questions sur des fichiers téléversés et réaliser des analyses à petite échelle.
• Pinecone : Une infrastructure de recherche vectorielle pour les développeurs qui créent des applications fondées sur la récupération d’informations.
• [ThoughtSpot](/tools/thoughtspot) : Une solution d’analyse pilotée par la recherche pour poser des questions en langage naturel sur des données d’entreprise connectées.
• [Snowflake Copilot](/tools/snowflake-copilot) : Une assistance en langage naturel pour générer du SQL dans les flux de travail Snowflake.
• [Seek AI](/tools/seek-ai) : Génère du SQL à partir de demandes en langage naturel pour répondre à des questions sur des données structurées.

Avant de choisir, vérifiez les sources prises en charge, la gestion des droits d’accès, les options de mise à jour et les limites actuelles des offres.

Questions fréquentes

Dois-je entraîner un modèle d’IA sur mes documents ?

Généralement, non. Le téléversement de fichiers et la récupération peuvent fournir des informations pertinentes sans réentraîner le modèle. L’ajustement fin n’est généralement pas le premier choix pour maintenir les connaissances factuelles à jour.

Puis-je connecter des données d’entreprise confidentielles ?

Éventuellement, si votre organisation approuve l’outil et sa configuration. Examinez les protections contractuelles, la conservation, l’utilisation pour l’entraînement, les droits d’accès et les contrôles de suppression. Utilisez uniquement les données strictement nécessaires.

Comment rendre les réponses plus fiables ?

Utilisez des sources propres, des définitions claires, des réponses étayées par des sources et des tests reproductibles. Exigez que le système reconnaisse les informations manquantes. Maintenez une vérification humaine pour les décisions où des erreurs pourraient causer un préjudice important.