Des données opérationnelles aux connaissances prêtes pour l’IA
Reliez les données opérationnelles acquises via GL3 au pipeline de préparation GL4 sur HERCULES : curation, documents, fragments, vecteurs et validation sémantique.
Un scénario d’application supplémentaire fondé sur l’architecture opérationnelle de CIRMS. Le périmètre et les intégrations prises en charge doivent être confirmés.
Construisez le socle de connaissances avant d’ajouter l’IA.
Collecter des données ne revient pas à les préparer pour l’IA. Ce scénario d’application supplémentaire se concentre sur le socle GL3/GL4 de CIRMS, en séparant la préparation des données des modèles et fonctions conversationnelles prévus pour GL5.
Informations dans le périmètre
- Sources enregistrées
- Sources prises en charge et sélectionnées pour le déploiement.
- Métadonnées sources
- Informations sur la structure, l’identité et les changements.
- Enregistrements opérationnels
- Données acquises via les processus GL3 convenus.
- Exigences de préparation
- Périmètre, autorisations et utilisation prévue des connaissances.
Organisation du processus.
Une vue d’ensemble au niveau de l’application, sans prétendre que chaque source, connecteur ou procédure opérationnelle est préconfiguré.
- 01
Comprendre la source
Actualiser les métadonnées sources et définir le périmètre d’extraction.
- 02
Acquisition et curation
Intégrer les données au processus de préparation et appliquer les règles de curation configurées.
- 03
Préparer les ressources de connaissances
Générer des documents, des fragments et des représentations vectorielles via GL4.
- 04
Valider l’état de préparation
Examiner la validation sémantique et l’état de préparation avant l’utilisation en aval par l’IA.
Préparation visible
Comprendre comment les enregistrements sources deviennent des ressources de connaissances.
Connaissances réutilisables
Préparer des ressources structurées pour l’utilisation en aval prévue.
Responsabilités distinctes
Distinguer la préparation des données du raisonnement de l’IA et des réponses destinées aux utilisateurs.
Le flux de préparation des données opérationnelles pour l’IA.
Ce qui sous-tend le cas d'usage.
Distinguez le socle de la plateforme de l'intelligence prévue et des exigences de l'environnement cible.
GL3 / GL4 & architecture
HERCULES assure l’automatisation et l’acquisition GL3 ainsi que l’AI Data Readiness GL4. Cette page décrit ce socle documenté, et non une nouvelle fonctionnalité GL5.
IA & extensions futures
Les modèles d’IA, les réponses conversationnelles et l’aide à la décision qui exploitent les connaissances préparées relèvent de la couche GL5 prévue et nécessitent une évaluation distincte.
Personnes, données & autorisations
Confirmez les types de sources pris en charge, la gestion des identités et des changements, les autorisations d’accès et les critères de préparation. La réussite d’une étape de préparation ne garantit pas, à elle seule, une réponse d’IA correcte ou sûre.
Une évaluation délimitée
Enregistrez une source représentative prise en charge, puis examinez les résultats de préparation et l’état d’exécution avec le responsable des données avant d’élargir le périmètre.
Indicateurs possibles : couverture des sources, échecs de préparation, actualité des connaissances et résultats de validation sémantique au regard du cas d’usage prévu.