Combien de temps faut-il réellement pour trouver un document ?

En synthèse, que pouvons-nous en conclure?

Tout d’abord, loin de nous l’idée de tirer des conclusions hâtives.

En effet, les statistiques ci-dessus sont loin d'être homogènes dans leur méthodologie, un point soulevé de manière très poignante par Martin White dans son article LinkedIn Pulse « Temps passé à chercher » - une chronologie du mythe et des recherches récentes .

Le temps nécessaire pour trouver un document dépend de plusieurs facteurs, comme l'organisation des fichiers, les outils de gestion documentaire (GED) utilisés, et la précision des métadonnées associées aux documents.

Voici un aperçu des différents cas de figure :

1. Système de fichiers traditionnel (sans GED) : Dans un système sans outils de GED, retrouver un document peut prendre de quelques minutes à plusieurs heures selon la complexité de l'arborescence, le volume de documents, et l'exactitude des noms de fichiers. On estime que le temps moyen pour retrouver un document dans ce cas varie entre 8 et 20 minutes.

2. GED basée sur les métadonnées et recherche plein texte (comme Zeendoc ou M-Files ).
   Avec une GED performante, le temps de recherche se réduit considérablement. Par exemple :

   • Zeendoc se distingue par la puissance de son OCR et de sont moteur de recherche plein texte. Utilisé conjointement avec les filtres basés sur les métadonnées, Zeendoc permet de retrouver des documents en quelques secondes, même avec un grand nombre de fichiers.
     L’interface utilisateur de Zeendoc facilite son utilisation au quotidien rendant la recherche d’information accessible à tous.

   • M-Files, quant à lui, utilise un système de métadonnées basé sur le contenu et le contexte, ce qui offre des capacités de recherche contextualisées inégalées, très performantes sur des corpus documentaire important ou des formats de fichiers multiples.

3. Recherche avec IA : M-Files intègrent désormais l’IA qui pourra permettre d’extraire pour l’utilisateur les informations souhaitées et de les porter à sa connaissance directement, en citant ses sources bien évidemment. C’est un gain de temps appréciable pour trouver une information précise.

En résumé :

• Sans GED : plusieurs minutes, en fonction de la structure de l'organisation.

• Avec une GED performante : quelques secondes à 1-2 minutes.

Au-delà du gain de temps, la GED améliore aussi l'exactitude et réduit le risque de perte de documents, une valeur ajoutée souvent cruciale dans le quotidien des entreprises.

Les technologies qui permettent d’accéder plus rapidement à l’information

Les technologies modernes intégrées dans les systèmes de gestion électronique des documents (GED) permettent d’accélérer et d’optimiser la recherche d’informations en s’appuyant sur divers outils. Voici un aperçu des principales technologies :

1. Reconnaissance Optique de Caractères (OCR)

L'OCR est crucial pour rendre le texte de documents scannés accessibles aux systèmes de recherche. En convertissant les images de texte en texte numérique, les moteurs de recherche de la GED peuvent indexer ce contenu et le rendre intégralement disponible et recherchable.

2. Métadonnées

Les métadonnées sont des informations descriptives (titre, auteur, date, numéro de facture, personne, montants, etc.) associées à chaque document.

En structurant les différentes types de documents avec des métadonnées pertinentes, la recherche devient plus efficace car elle se base sur des critères spécifiques. Dans des GED comme M-Files ou Zeendoc, les métadonnées permettent de filtrer rapidement des ensembles de documents importants pour des utilisateurs spécifiques.

En outre, les métadonnées permettent de construire une arborescence fictive et dynamique, sur mesure pour chaque (type d’)utilisateur, contrairement aux systèmes d’arborescence classiques qui restent figés.

3. Indexation Automatique

Il existe plusieurs méthodologies pour compléter (semi) automatiquement les métadonnées.

Lecture Automatique de Documents / Reconnaissance Automatique de Documents (LAD/RAD)

Ce processus vise à d’abord reconnaitre le type de document (une facture de chez tel fournisseur, une carte nationale d’identité etc…) : c’est la RAD. Puis la LAD, vient lire et extraire automatiquement les informations structurées qu’il contient : dates, montants, numéro de document, personne etc… Ce processus opère par autoapprentissage en partant d’une base déjà fournie ou pas.

Rapprochement avec des informations déjà connues dans la base

En lien avec les objets non documentaires notamment (cf point 6), une GED va pouvoir détecter dans le texte des informations se rapportant à une typologie d’objet spécifique et proposer cet objet comme métadonnée.

Par exemple :

Imaginons que votre “GED” a dans sa base un fournisseur nommé… “Digitalsace”. Vous recevez un document, dans ce document apparait le nom Digitalsace. Le classement de ce document requiert un nom de fournisseur. La solution va vous proposer automatiquement “Digitalsace” comme fournisseur potentiel.

Expressions Régulières (REGEX)

Les expressions régulières sont un outil très puissant qui permet de récupérer des informations fonction de leurs formats spécifiques et des mots qui précèdent ou suivent.

Par exemple, pour une certaine typologie de document, se trouve systématiquement une référence de type CMD-suivie de 11 chiffres. Une REGEX pourra si cela est pertinent permettre d’indéxer la référence de commande automatiquement en reconnaissant cette structure.

4. Intelligence Artificielle (IA) et Apprentissage Automatique

L’IA dans les GED, à travers des technologies comme le traitement du langage naturel (NLP) et l’apprentissage automatique, peut analyser le contenu des documents pour détecter des concepts ou des intentions spécifiques, allant au-delà des simples mots-clés.

Par exemple l’IA peut porter à la connaissance d’un utilisateur non pas des documents par filtre ou recherche plein texte, mais des informations pertinentes, sourcées et répondant à un “prompt” (“en te basant sur les documentations produits, peux-tu me dire quelles voitures ont une autonomie de plus de 250 km en cycle WLTP”). Et vous aurez les bonnes réponses basées sur votre corpus documentaire.

5. Gestion des Objets Non Documentaires

Les GED modernes gèrent également des objets non documentaires, c’est à dire des fiches descriptives représentant des personnes, des sociétés, des produits, des concepts, des normes etc. Ces Objets non documentaires sont très utiles pour contextualiser les informations et les parcourir dans un cheminement logique (tous les emails liés à un contact particulier, les procédures qualité actives se rapportant à telle norme, etc..).

6. Recherche Fédérée

Cette technologie permet d’interroger simultanément plusieurs sources ou bases de données, même si elles se trouvent sur des serveurs ou des formats différents. En combinant les résultats dans une seule interface, la recherche fédérée simplifie et accélère la recherche d’informations, en offrant une vue d'ensemble des données disponibles.

Par exemple, un outil tel que M-Files permet d’interroger simultanément des dossiers réseaux ou Sharepoint. En outre, M-Files peut s’intégrer à des outils existants tels que votre CRM (SalesForce) ou Microsoft Teams pour vous offrir une intégration contextualisée de vos documents dans les solutions déjà adoptées par vos utilisateurs.

Enfin, une GED peut se connecter et récupérer des informations de BAses de Données Existantes, comme un ERP ou un logiciel métier et contextualiser ainsi les documents.

Ces technologies fonctionnent ensemble pour non seulement réduire le temps de recherche, mais aussi pour augmenter la précision des résultats, permettant aux utilisateurs de retrouver rapidement les informations dont ils ont besoin. Ces innovations améliorent la productivité en réduisant le besoin de fouiller manuellement dans des arborescences de fichiers, transformant ainsi les GED en outils essentiels pour une gestion efficace de l’information.

Comment trouver une information grâce à une GED ?

Recherche par mots clés

Tapez simplement un mot-clé et trouvez ce dont vous avez besoin. 

Les métadonnées ou index sont les mots clés descriptifs d’un document.

Typiquement vous connaissez ce fonctionnement au travers des tags des fichiers musicaux : artiste, album, titre, date, genre,…

C'est ce qui vous permet de trouver ce dont vous avez besoin avec juste un mot-clé. C’est aussi ce qui vous permet de regrouper des fichiers selon vos besoins, une fois par artiste, une fois par genre …

C’est un système agile qui permet de décrire la seule chose qui vous importe : le contenu du fichier.

Lorsqu'un fichier est enregistré, les utilisateurs sont invités à saisir des informations clés sur la fiche de métadonnées : dates, personnes, type de document, mots-clés. L'intelligence artificielle peut même vous aider à le faire.

Le résultat est simple mais profond : les fichiers sont super faciles à trouver.

Résultats de type Google

Trouver des informations sur Google est pour nous une seconde nature.

Imaginez maintenant que vous ayez eu la même expérience (et sans biais publicitaires) lors de la recherche de documents professionnels : vous entrez simplement un mot-clé (et un filtre ou deux, si vous le souhaitez), et le système renvoie une fenêtre de recherche avec les résultats les plus pertinents en haut.

Encore une fois, peu importe où vos informations sont stockées, M-Files atteint l'ensemble de votre écosystème d'informations pour présenter les résultats de recherche les plus pertinents.

Entre vous et moi, M-Files a une tonne de fonctionnalités incroyables qui transforment votre opération en une machine bien huilée. Mais quand mes amis et ma famille me demandent ce que fait mon entreprise, c'est mon choix. J'explique ce concept de recherche fédérée et les ampoules commencent à s'allumer.

C'est puissant. C'est simple. C'est une expérience que tout employé de bureau devrait vivre sur son lieu de travail.

Recherche par filtres

La recherche par filtres peut se présenter de différentes manières mais l’idée est la même. En se basant sur les métadonnées et les grandes catégories de documents, vous allez selon la technique bien connue de l’entonnoir focusser sur le document recherché.
Par exemple, si je recherche une facture, je vais d’abord sélectionner la “division” achat, puis le type de document “facture” puis un fournisseur, une plage de date ou de montants, etc..

Les arborescences virtuelles ne sont autres que des visuels de filtres préétablis.

Intelligence Artificielle (IA) et Apprentissage Automatique

L’IA dans les GED, à travers des technologies comme le traitement du langage naturel (NLP) et l’apprentissage automatique, peut analyser le contenu des documents pour détecter des concepts ou des intentions spécifiques, allant au-delà des simples mots-clés.

Par exemple l’IA peut porter à la connaissance d’un utilisateur non pas des documents par filtre ou recherche plein texte, mais des informations pertinentes, sourcées et répondant à un “prompt” (“en te basant sur les documentations produits, peux-tu me dire quelles voitures ont une autonomie de plus de 250 km en cycle WLTP”). Et vous aurez les bonnes réponses basées sur votre corpus documentaire.

Cumul des différentes technologies

Ces technologies fonctionnent ensemble pour non seulement réduire le temps de recherche, mais aussi pour augmenter la précision des résultats, permettant aux utilisateurs de retrouver rapidement les informations dont ils ont besoin. Ces innovations améliorent la productivité en réduisant le besoin de fouiller manuellement dans des arborescences de fichiers, transformant ainsi les GED en outils essentiels pour une gestion efficace de l’information.