Comment Helvetia Group accélère le traitement des documents grâce à l’IA générative ?
- Data & intelligence artificielle
Cette page a été traduite automatiquement depuis l’anglais pour en faciliter l’accès. En cas de doute, nous vous recommandons de consulter la version originale.
Le défi
Le coût du traitement documentaire manuel
Comme dans de nombreux secteurs, le quotidien de nombreux collaborateurs dans une compagnie d’assurance consiste à extraire des informations de documents et à les saisir manuellement dans un système afin de les rendre accessibles numériquement. Cette intégration permet à l’entreprise d’exploiter ces données dans son paysage d’information, facilitant leur traitement automatisé et leur archivage à des fins diverses. Si de nombreux types de documents peuvent aujourd’hui être traités numériquement, les scans et les photos nécessitent encore souvent une intervention manuelle, notamment lorsqu’ils présentent des structures et des mises en page variables. Cela prend du temps :
Selon la longueur du document, cette étape peut durer de quelques secondes à plusieurs minutes. La recherche est rapide dans des documents bien structurés, mais devient complexe lorsqu’il s’agit de rapports de 120 pages.
Le temps nécessaire dépend du volume de données et de l’ergonomie du système. Cette étape dure généralement de quelques secondes à quelques minutes.
Les données saisies, notamment lorsqu’elles sont nombreuses ou complexes, sont vérifiées par rapport au document original. Un contrôle automatique peut aussi être effectué avec les systèmes internes, par exemple pour faire correspondre un nom de client avec un identifiant dans une base de données. Cette étape prend également de quelques secondes à plusieurs minutes.
Au total, le traitement manuel d’un document peut durer de quelques minutes à plusieurs heures (par exemple pour l’analyse de documents complexes dans le cadre de la souscription d’entreprises dans des domaines spécialisés).
Chez Helvetia Group (ouvre dans un nouvel onglet), l’extraction d’informations à partir de documents représente également un effort manuel conséquent. Précurseur dans l’adoption de technologies de pointe, Helvetia Group a identifié dès 2023 le potentiel de l’intelligence artificielle générative (GenAI), notamment des Large Language Models (LLM), pour améliorer l’efficacité dans ce domaine. Dans le cadre du programme “Fit4AI”, l’idée d’une application interne intelligente pour extraire rapidement les informations des documents a émergé. Helvetia Group a fait appel à Wavestone comme partenaire de développement, après plusieurs collaborations réussies et innovantes sur des projets IA.
Notre solution et approche
Bien que le projet ait été lancé autour d’un cas d’usage spécifique, il est vite apparu que plusieurs départements chez Helvetia Group réalisaient les mêmes étapes manuelles. Si les contenus et les types de documents varient, la démarche reste similaire. Plutôt que de créer un outil dédié à un seul cas, l’application a été conçue pour être facilement extensible à d’autres usages, garantissant ainsi la rentabilité de l’investissement.
La solution repose sur une architecture modulaire. Son cœur comprend un composant OCR (reconnaissance optique de caractères) et un module LLM. Chaque cas d’usage est défini par un fichier de configuration unique, précisant les données à extraire. L’OCR utilise un modèle de vision pour reconnaître le texte dans les images et le convertir en format texte. Ce texte, associé aux exigences du cas d’usage, est transmis au LLM qui extrait les informations souhaitées. Le résultat est structuré, prêt à être traité automatiquement.
Une solution IA scalable, flexible et sécurisée
Outre la scalabilité, un autre principe clé de conception était la flexibilité des modèles d’IA et des fournisseurs de services. L’IA générative évolue rapidement, avec de nouveaux modèles publiés chaque semaine. Il était donc essentiel que la solution puisse intégrer facilement ces nouveautés. Cette flexibilité est disponible au niveau de chaque requête, car selon le cas d’usage, un modèle peut être plus performant qu’un autre. Des requêtes directes vers des modèles multimodaux sont également possibles. Ces modèles peuvent traiter directement des images (scans, photos) pour en extraire des informations.
La flexibilité s’étend aussi à la fourniture des modèles d’IA. Ils peuvent être accessibles via différents hyperscalers (Azure, AWS, Google, etc.). Actuellement, les services Azure sont utilisés, mais la solution permet une migration aisée vers d’autres fournisseurs.
Le développement interne apporte non seulement de la flexibilité, mais aussi de la sécurité. L’application fonctionne dans l’infrastructure Helvetia Group, et ni les requêtes ni les documents traités ne sortent de l’environnement Helvetia Group grâce aux offres cloud d’Azure.
InfoXtractor nous permet d’interpréter rapidement des millions de documents numérisés et va considérablement simplifier de nombreux processus.
Résultat
Réduction du temps de traitement de plusieurs heures à quelques minutes
La nouvelle solution GenAI remplace les étapes manuelles, fournissant des résultats en quelques secondes ou minutes selon la complexité du cas et la taille des documents. Grâce au format structuré, les données extraites peuvent être directement traitées par des machines ou présentées à un collaborateur via une interface.
Comme prévu, et dès la phase de développement, de nombreuses équipes chez Helvetia Group ont sollicité le projet pour de nouveaux cas d’usage. Rapidement, plus de 20 cas ont été identifiés, avec des équipes évaluant la faisabilité de la solution, désormais connue en interne sous le nom d’InfoXtractor. La solution est aujourd’hui opérationnelle, avec des résultats prometteurs et une demande croissante.