Résultats de l'étude Arcplace

Le mémoire de master de Johannes Egli examine si la classification automatique des documents peut être améliorée par des modèles d'IA génératifs en combinaison avec la génération augmentée par récupération (RAG). À cette fin, un prototype a été développé et testé avec des documents réels de la salle de courrier numérique d'Arcplace. La base était la méthodologie de recherche en science du design.

Principaux résultats

• Une application RAG standard avec une base de connaissances aléatoire ne pourrait pas suivre les méthodes classiques d'apprentissage automatique.
• Cependant, dans certains cas, par exemple dans le cas de documents très similaires provenant de différentes caisses d'assurance-maladie, RAG a augmenté la précision de la classification.
• Le potentiel de RAG réside dans les possibilités d'optimisation des composants individuels et l'intégration des technologies futures.

Défis techniques

• Base de connaissances : doit être à jour, organisée et structurée de manière spécifique.
• Infrastructure : nécessite de la stabilité, de la puissance de calcul et de la conformité.
• Intégration : des interfaces fluides sont cruciales pour une utilisation pratique.
• Transparence : indispensable pour détecter les fluctuations de qualité à un stade précoce.

Résultat

RAG ne remplace pas les technologies existantes – pas encore. Mais il montre comment l'efficacité de la salle de courrier numérique peut être augmentée de manière ciblée et quelles étapes de développement seront décisives à l'avenir : de l'adaptation fine des composants individuels aux systèmes multimodaux.