Le lexique indispensable pour comprendre l'IA Documentaire
Agent IA
Un agent IA est un programme fondé sur l’intelligence artificielle capable d’exécuter de façon autonome une tâche ou une suite de tâches pour atteindre un objectif défini. Contrairement à un simple assistant qui répond à une question, l’agent analyse une situation, décide des actions à mener, mobilise les outils ou les données nécessaires et enchaîne les étapes jusqu’au résultat attendu. Dans le domaine documentaire, un agent IA métier peut par exemple réceptionner un dossier, identifier et classer les pièces, extraire les informations clés, vérifier leur cohérence puis alimenter le système d’information de l’entreprise, avec une validation humaine aux étapes sensibles.
Analyse de cohérence
Comparaison de contenus (ex. : diagnostics, recommandations) pour vérifier leur logique ou repérer des anomalies.
Auditabilité
Capacité à retracer les décisions ou extractions faites par un système IA, notamment pour des questions de conformité ou de transparence.
Classification documentaire
Capacité à identifier automatiquement le type d’un document (facture, contrat, courrier, etc.).
En savoir plus >>
Complétude
La complétude désigne le fait qu’un dossier ou un document contienne bien l’ensemble des pièces et des informations requises pour être traité. Le contrôle de complétude consiste à vérifier automatiquement la présence de chaque élément attendu (justificatifs, champs obligatoires, signatures, dates de validité) et à signaler les manques avant le traitement. Réalisé par l’IA documentaire, il évite les allers et retours, réduit les erreurs et accélère l’instruction des dossiers, par exemple pour une demande de logement, un dossier client ou une facture fournisseur.
Computer Vision
Domaine de l’IA qui permet à une machine de “voir” et d’interpréter le contenu visuel. Dans l’IA documentaire, elle est utilisée pour repérer des zones clés (blocs de texte, signatures, tampons, tableaux…
Embedding (vectorisation)
Représentation d’un texte sous forme de vecteur numérique qui traduit son sens. Les embeddings permettent de comparer des contenus par proximité sémantique et sont à la base de la recherche sémantique et du RAG.
Extraction de données (Data extraction)
Processus d’identification et d’extraction automatique de champs spécifiques dans un document (montants, dates, noms, etc.).
Fine-tuning
Ajustement d’un modèle IA sur un corpus ou des cas d’usage spécifiques pour améliorer sa pertinence métier.
GED
(Gestion Électronique de Documents) : Système permettant de stocker, organiser, rechercher, partager et archiver des documents numériques de manière centralisée. Une GED moderne intègre souvent des fonctions d’IA documentaire (comme l’indexation automatique ou la recherche sémantique) pour améliorer l’accessibilité et l’exploitation de l’information.
Hallucination
Phénomène où un modèle génératif (LLM) produit des informations incorrectes, inventées ou hors contexte, tout en paraissant crédible. Problème critique pour lafiabilité de l’extraction des données d’un document dans un cadre métier
IA documentaire
Branche de l’intelligence artificielle spécialisée dans l’analyse, l’interprétation et l’exploitation automatisée des documents (structurés ou non). Elle permet de classer, extraire, comprendre et traiter l’information contenue dans des documents divers.
Indexation sémantique
Enrichissement des documents à partir de mots-clés ou concepts automatiquement détectés, pour faciliter la recherche intelligente
Intelligent Document Processing (IDP)
Ensemble de technologies combinant OCR, Intelligence Artificielle, NLP (traitement du langage naturel) et parfois RPA (automatisation robotisée des processus), destiné à automatiser le traitement des documents. L’IDP permet de capturer, classer, extraire et structurer les données issues de documents variés (PDF, images, formulaires, etc.), réduisant fortement les tâches manuelles et améliorant la fiabilité des traitements.
LLM
(Large Language Model) Modèle de langage entraîné sur de très grands volumes de texte. Il comprend, génère et complète des contenus textuels en langage naturel (ex. : GPT-4, Claude, PaLM). Utilisé pour résumer, classer, extraire des données ou répondre à des requêtes.
MCP (Model Context Protocol)
Le MCP, ou Model Context Protocol, est un standard ouvert qui permet de connecter un modèle d’IA à des sources de données et à des outils externes de manière normalisée. Plutôt que de développer une intégration spécifique pour chaque application, le MCP définit un langage commun grâce auquel une IA peut consulter une base documentaire, interroger un ERP ou déclencher une action dans un logiciel métier. Il facilite ainsi le déploiement d’agents IA capables de travailler directement avec les données et les applications de l’entreprise, dans un cadre d’accès maîtrisé.
NLP
Traitement automatique du langage naturel. Branche de l’IA qui permet à une machine de comprendre, interpréter, générer ou résumer du texte en langage humain. En IA documentaire, le NLP est utilisé pour extraire des informations, détecter des intentions, résumer des contenus ou analyser la sémantique des documents.
OCR
Reconnaissance Optique de Caractères) : Technologie qui convertit des documents scannés ou photographiés (PDF, images) en texte exploitable par une machine. Étape clé en amont du traitement IA.
RAG (Retrieval Augmented Generation)
Technique qui consiste à faire rechercher par l’IA les passages pertinents dans une base documentaire avant de générer sa réponse. Le modèle s’appuie ainsi sur les documents de l’organisation plutôt que sur ses seules connaissances générales, ce qui améliore la précision des réponses, permet de citer les sources et limite les hallucinations.
Système d'Information documentaire (SID)
Ensemble des logiciels, bases de données et outils utilisés pour gérer, stocker, organiser et restituer l’information documentaire d’une organisation.
VLM
(Vision-Language Model) : Modèle qui combine traitement d’image et langage naturel. Il permet d’interpréter un document visuel (ex. : facture scannée) et d’en extraire du sens textuel (annotations, réponses, synthèses).
Workflow documentaire
Enchaînement automatisé des étapes de traitement d’un document au sein d’une organisation (validation, signature, classement, notification, etc.). L’IA peut enrichir ces workflows en déclenchant automatiquement des actions à partir du contenu analysé (ex. : routage d’un courrier, alerte sur une anomalie, déclenchement d’un processus métier).
En savoir plus >>
Zero Shot Learning
Capacité d’un modèle à exécuter une tâche sans (ou avec très peu de) données d’entraînement spécifiques.