Siga los usos de la toma de decisiones y los servicios de datos. Es alrededor de esta necesidad relativamente estrecha que el proyecto de bucle comenzó en 2019 dentro de Trabajo de Francia (entonces Pôle Emploi). "El objetivo era producir indicadores sobre los usos y el rendimiento de los productos de toma de decisiones", dice Jean-Marc Walter, el gerente de productos de Loop (para la palanca de optimización para herramientas y productos), dentro del trabajo DSI/DSPC de Francia. Es para estas especificaciones que el pequeño equipo reunió alrededor de Jean-Marc Walter construye una arquitectura técnica basada en una solución de virtualización de datos (Denodo) y en una capa de visualización de datos (DigDash).

"Al principio, habíamos hecho un modelo en Postgre y en un desarrollo en Angular", recuerda Jean-Marc Walter. "Un primer enfoque que mostró rápidamente sus límites, ya que era necesario recuperar muchas fuentes de datos de monitoreo. En total, entre 20 y 25 fuentes, algunas de las cuales son directamente del DataTake of France Work, son necesarias para la implementación de la implementación del bucle. Aprobado por un prototipo al final de 2020, el proyecto entró en producción en octubre de 2022, a través de una primera versión dedicada a monitorear la decisión de los usos de la decisión.

Cruzar los análisis de la IA y las dimensiones más clásicas

Pero esto es, en última instancia, solo un galope de prueba para Loop, cuya arquitectura será replotada para otros usos. Creado hace aproximadamente un año y medio dentro del trabajo de Francia, la administración de Opus, responsable de mantener una visión transversal del sistema de información de la organización y el nivel de satisfacción de sus usuarios, está interesado en la arquitectura configurada para Loop, para tener KPI en el nivel de uso de SI. "En una lógica de tipo de malla de datos, la administración de Opus tiene la posibilidad de crear y enriquecer estos paneles", dice Jean-Marc Walter. Implementación a fines de 2023 y principios de 2024, esta extensión produjo en particular un indicador importante para el CIO de la organización: la tasa de satisfacción del usuario.

Este primer paso empuja el trabajo de Francia para que esté interesado en otra fuente de información sobre la sensación de los usuarios frente a los sistemas de información: verbatims. "Desde el comienzo de 2024, tuvimos la intuición de que podíamos explotar la IA generativa para evaluar los 50,000 a 60,000 verbatims anuales con respecto a los 45 productos principales de TI del trabajo de Francia", dijo Jean-Marc Walter. Aquí nuevamente, al rehacer la arquitectura del bucle para cruzar los análisis de sentimientos de IA con otras dimensiones, como los perfiles de usuario (profesión, agencia de archivo adjunto, región, etc.) y las categorías definidas para clasificar los comentarios. "Es una especie de DataTiaviz, que mezcla los datos tradicionales y los de un análisis de AI", bromea el gerente. Según él, la solución, que funciona con GPT 3.5 y luego GPT 4, está en producción en 6 productos ISD esenciales. "Todas las noches, un proceso automático recupera los nuevos verbatims, los datos se preparan en Denodo y actualiza el Cube manipula Digdash", explica Jean-Marc Walter.

Evaluar la relevancia del SEO

La solución, que debe extenderse a los 45 productos digitales identificados como esenciales en 2025, permite seguir indicadores y tendencias, pero también descender al nivel del comentario individual, los identificadores de los agentes que estaban previamente anonimizados en Denodo. "Pudimos detectar tendencias que permanecían bajo el radar antes y activar las acciones de campo de acuerdo con estas observaciones", dice Jean-Marc Walter. La arquitectura de esta versión de Loop, llamada LoopGPT, también le permite integrar rápidamente diferentes LLM. Como los de Mistral, recientemente probado por el trabajo de Francia. "La integración de un modelo Mistral nos pidió entre una y dos horas. Esto se remonta a una configuración simple en una vista de Denodo", dice el gerente.

Los primeros hitos cruzados con LoopGPT ahora alientan a France Work a probar nuevos casos de uso de la aplicación. Como este prototipo construido para evaluar la relevancia del SEO de URL. "Cada dirección está asociada con una marca de título. Utilizamos LoopGPT para identificar las palabras clave de cada título y compararlas con las utilizadas por los usuarios en su investigación", explica Jean-Marc Walter. El puntaje de relevancia se obtiene mediante el cálculo de un indicador, llamado coeficiente de Jaccard, una técnica sugerida al equipo de bucle por ... Chatgpt. "Nuestros expertos en ciencias de datos han obtenido un resultado convergente con un enfoque muy diferente, que muestra la confiabilidad de la IA sobre este tema", dijo el funcionario. Probado en 4000 URL, LoopGPT ha recibido la luz verde internamente para entrar en producción en 1,2 millones de direcciones de Internet, para garantizar el monitoreo trimestral de los 10 sitios principales de la organización pública.