FORCE EST DE CONSTATER QUE DURANT CES 10 DERNIÈRES ANNÉES, IL N'Y A PAS EU D'ÉVOLUTION DANS LE DOMAINE DES MOTEURS DE RECHERCHE POUR LES ENTREPRISES. ET POURTANT LA TOILE BRUISSE DE LA RÉVOLUTION DU MACHINE LEARNING. Ces nouvelles approches mathématiques révolutionnent le traitement de l'information. Les géants du web s'en sont saisis depuis quelques années déjà et les premiers résultats sont là. Votre recherche Web est plus personnalisée, elle prédit plus qu'elle ne trouve, elle anticipe. Mais les travailleurs du savoir dans les entreprises classiques n'ont pas encore accès à ces innovations. Ont-ils été oubliés ? La recherche d'information en entreprise est-elle condamnée à exploiter des technologies du 20ème siècle ? William Lesguillier, responsable de l'offre Valorisation des Données chez Antidot, revient sur l'intérêt de ces approches de machine learning afin de comprendre à quoi elles servent. A travers divers retours d'expériences, nous illustrerons ce qu'elles apportent dans la recherche d'information. Nous ouvrirons enfin les portes du laboratoire d'Antidot pour présenter les derniers travaux de recherche sur les algorithmes de pertinence. l

1. Machine learning, deep learning :
à quand ces innovations dans nos
entreprises ?
Search Day 2015
William Lesguillier – Product manager offre Valorisation des Données

2. 2
Antidot – Qui sommes-nous?
● Editeur de logiciels
● Moteurs de recherche| enrichissement des données
● Depuis 1999 | Paris, Lyon, Aix-en-Provence
● 3.5 M€, 45 collaborateurs, +150 clients
● Mission : délivrer à nos clients des solutions hautement
configurables et innovantes qui créent de la valeur à partir de
leurs données et augmentent leur performance
opérationnelle

3. 3
Parmi nos clients
● Production de contenus
● Industrie
● E-Commerce
● Santé

4. 4
Qu’est-ce que le Machine Learning
● Définition : faculté donnée à un
ordinateur d’apprendre un
comportement à partir d’exemples
● Fondement scientifique : l’Intelligence
Artificielle (IA)

5. 5
Re-re-renaissance de l’IA
● L’Intelligence Artificielle est de retour sur le
devant de la scène
● Deux facteurs principaux :
● Le développement de la puissance de calcul
● La disponibilités accrues des données !

6. 6
L’événement qui change tout

7. 7
L’événement qui change tout
● Puissance de calcul : 100 servers
● Données disponibles : 200 millions de pages

8. 8
L’événement qui change tout

9. 9
ML : illustrations des principes
Dire si un logement se
trouve à New York ou
San Francisco
Altitude des logements
Concept d’attribut
Crédit : http://www.r2d3.us

10. 10
ML : illustrations des principes
Dire si un logement se
trouve à New York ou
San Francisco
Concept de modèle
d’entrainement

11. 11
Données
d’entrainement
Données de test
ML : illustrations des principes
Dire si une maison se
trouve à New York ou
San Francisco
Concept de
surentrainement

12. 12
Qu’est-ce que le Deep Learning ?
● Se base sur les algorithmes de type réseaux de
neurones
● Le système découvre lui-même les attributs et
construit le modèle d’entrainement
● Il peut même aller jusqu’à s’affranchir d’une base
d’entrainement (pas de documents étiquetés, ie
apprentissage non supervisé)
● Avènement grâce à la puissance des GPU
(Graphic Computing Units) très adaptés à ce type
de calcul

13. 13
Qu’est-ce que le Deep Learning ?

14. 14
Machine Learning : pour quoi faire ?
● Reconnaissance du texte (y compris manuscrit) et de la voix
● Traduction automatique
● Text mining
● Aide à la recherche d’information
● Assistants personnels
● Assistance au diagnostic médical
● Smart cities
● Sécurité informatique
● Robotique
● …

15. 15
Le Machine Learning chez Antidot
Enrich Access
Search
Semantic & ComplexMachine Learning
Graph &
Linked Data

16. 16
Classification automatique

17. 17
Classification automatique

18. 18
Extraction d’entités

19. 19
Les avantages du ML pour le text mining

20. 20
Et pour les moteurs de
recherche ?

21. 21
Que s’est-il passé ces 10 dernières dans le
monde du moteur de recherche d’entreprise ?
Notre réponse :
Rien de bien folichon

22. 22
3 types de moteurs de recherche

23. 23
Comment un moteur trouve-t-il ?
● Il recherche dans les documents le ou les
mots-clés renseignés
● Il filtre les documents trouvés avec les critères
fournis (format de document, fourchette de
prix…)
● Et enfin, le plus important : il ordonne les
document dans l’ordre jugé le plus pertinent

24. 24
Qu’est-ce que la pertinence ?
Mot
Mot
Mot
Mot
Mot
Mot
Mot
Mot
1
Mot

25. 25
Qu’est-ce que la pertinence ?
● Cette méthode de pondération s’appelle tf-idf
(Term Frequency-Inverse Document
Frequency)
● Elle a été inventée par Gerry Salton, appelé le
père de la recherche d’information, en 1970

26. 26
Pertinence des moteurs spécialisés

27. 27
Pertinence des moteurs Web
● Etape 1 (90s) : algorithmes tf idf
● Etape 2 (2000) : Google invente le Page Rank
● Etape 3 (2005) : explosion du nombre de
paramètres de pondération
● Etape 4 (2010) : utilisation du ML pour trouver
la meilleure pertinence en fonction de tous et
de chacun

28. 28
Pertinence des moteurs d’entreprise
● tf-idf est toujours implémenté dans tous les
moteurs de recherche d’entreprise via les
algorithmes appelés Best Match ou Vector
Space Model
● L’état de l’art de ces moteurs à 45 ans !!

29. 29
● Today with AFS : 0 results
● Tomorrow with Taruqa :
Sneak peak sur nos travaux de recherche
comment configurer le back office Antidot d’AFS Rechercher

30. 30
● Today with AFS : filtering only is possible
● Tomorrow with Taruqa : Boost documents by facet values
Sneak peak sur nos travaux de recherche
configuration back office Rechercher

31. 31
Rendez-vous en 2016 !

32. 32
Sources et ressources
● Wikipedia : Histoire de l’intelligence artificielle
● TEDx: Ken Jennings, « Watson, Jeopardy and me, the obsolete know-it-all »
● TechRepublic : IBM Watson: The inside story of how the Jeopardy-winning
supercomputer was born, and what it wants to do next
● A visual introduction to machine learning
● Wired : Google’s Artificial Brain Learns to Find Cat Videos
● IBM : machine learning applications
● Wikipedia : TF-IDF
● Wikipedia : BM25
● Le Monde : série d’articles de Morgane Tual sur l’intelligence artificielle

33. Merci de votre attention
Des questions ?