Traitement intelligent de documents : Build vs Buy – Choisir la bonne stratégie

Le business tourne sur les documents et communications. Ils sous-tendent presque tous les processus imaginables — partout où un message (email, chat) ou document est lu ou envoyé. Pas surprenant que le marché de l'IDP croisse de 28,9 % par an et devrait atteindre 17,8 milliards $ d'ici 2032.

L'IDP mélange généralement de nombreuses technologies IA, incluant le traitement du langage naturel (NLP) et la reconnaissance d'image, pour aider les entreprises à traiter rapidement documents et communications à l'échelle. Alors que les leaders business adoptent les agents IA — puissantes entités basées sur l'IA capables de compléter le travail pour et au nom des gens — les processus basés sur documents ont émergé comme cas d'usage idéal pour l'automatisation agentique. Combiner agents IA, robots et capacités IDP, supervisés par des humains dans la boucle, donne des retours rapides et un impact majeur sur l'efficacité.

Cependant, cela soulève la question : devriez-vous construire ou acheter vos capacités IDP ? Il est important d'évaluer toutes les options et considérer quelle approche peut livrer le ROI le plus haut, la meilleure performance, et le time-to-value le plus rapide. Pour la plupart des entreprises, la bonne option est d'acheter une solution IDP existante. J'explique pourquoi :

Construire votre propre IDP (BYO)

Avec l'essor des grands modèles de langage (LLM) publics, et la disponibilité croissante d'APIs support, les entreprises n'ont jamais eu autant d'outils pour les aider à construire des systèmes IDP custom. Cependant, beaucoup d'outils dans votre boîte ne rendent pas la tâche plus facile.

Dans un système BYO IDP, chaque composant (de la compréhension du langage à l'extraction de données et l'automatisation) devra être construit from scratch ou, plus probablement, sourcé depuis plusieurs fournisseurs tiers. Par exemple, pour fournir le composant NLP nécessaire pour comprendre documents et communications, une entreprise pourrait construire son système IDP autour d'un LLM externe comme ChatGPT ou Claude d'Anthropic.

Un système BYO IDP donne à une entreprise une propriété bout en bout et un potentiel de personnalisation plus grand comparé aux solutions vendeurs. Ils ont la flexibilité d'adapter leur système aux besoins business changeants, sans devoir travailler étroitement avec une autre organisation. Cependant, dans la plupart des cas, ces bénéfices sont outrepassés par les défis clés de l'approche BYO :

Coût

C'est une idée reçue courante que BYO est moins cher que payer pour l'IDP en service. Dans la plupart des cas, ce n'est pas vrai ni à court ni à long terme. Développer et maintenir votre propre système IDP demande du temps significatif et du talent spécialisé coûteux. Vous avez besoin de développeurs software pour créer la plateforme et l'interface utilisateur (UI), data scientists pour la préparation de données, pré- et post-traitement, et bien d'autres experts pour des tâches comme le monitoring de performance (pour lequel vous devrez créer vos propres dashboards de reporting), ainsi que l'audit et le logging.

Considérez que même les LLM tiers nécessitent des spécialistes IA et ingénieurs pour fine-tuner le modèle choisi aux exigences business exactes. Même les modèles vision-langage (VLM) les plus populaires et puissants sont des modèles fondateurs, entraînés sur des masses de types de données différents, des documents structurés aux images. Par défaut, ils ne seront pas fine-tunés sur le type exact de document ou schéma dont vous avez besoin, signifiant exactitude plus basse et plus d'erreurs.

Maintenir votre propre système IDP nécessite aussi des mises à jour et ressources continues. Tout système BYO nécessitant de l'annotation de données aura besoin de matériel de formation pour utilisateurs, qui devront être mis à jour pour refléter votre interface utilisateur.

Risque

Dépendre de talents techniques rares et chers pour garder un système opérationnel est risqué. Du fait des coûts et pénuries de talents, ces équipes tendent à être petites. Elles peuvent faire face à des limitations dans le nombre de cas d'usage et unités business qu'elles peuvent réalistement supporter. L'attrition de talents peut aussi rendre un système non-performant ou non-viable long terme. Il y a le risque omniprésent que le financement du projet soit retiré aussi.

Ces défis sont composés quand les compétences IA et le fine-tuning de modèles sont requis. Selon une recherche récente de McKinsey & Company, près de la moitié (47 %) des décideurs C-suite sentent qu'ils développent des solutions IA trop lentement, les gaps de compétences étant la cause principale.

Complexité

Quand vous construisez un système IDP, vous êtes seul responsable de la gouvernance complexe de modèles IA et plateforme. En effet, les systèmes construits pour cas d'usage complexes peuvent nécessiter des centaines de modèles IA à gérer. Par exemple, une grande banque pourrait avoir besoin de plusieurs centaines de modèles fine-tunés pour divers cas d'usage pour atteindre le niveau d'exactitude nécessaire. Même si un système IA peut traiter documents et communications 'out-of-the-box', une quantité significative de prompt engineering ou de rassemblement de contexte est encore nécessaire pour une performance acceptable. Scaler cela à des centaines de cas d'usage serait incroyablement difficile, car il faudrait annoter données, benchmark, déployer, et maintenir des centaines de prompts.

Il y a beaucoup de coûts cachés dans un système IDP que vous avez construit vous-même. Chaque composant du système est une décision importante, et chaque technologie requiert des compétences spécialisées et augmente la dette technique (avec risque accru). Inévitablement, BYO est un gros lift et signifie un time-to-value plus lent. Coût lifetime plus élevé probable dû aux exigences talents, gouvernance, et maintenance. Pas surprenant que 69 % des décideurs tech considèrent les cas d'usage d'extraction et routage de documents comme hautement difficiles à déployer, selon l'analyse Forrester pour UiPath.

Les avantages d'acheter votre système IDP

L'alternative à construire votre propre système est d'acheter l'IDP en service auprès d'un vendeur tiers. Il y a deux approches principales :

• Acheter l'IDP comme solution point et l'intégrer avec le reste de votre stack tech d'entreprise.

• Acheter l'IDP comme partie d'une solution ou plateforme plus large. Cela donne accès à des capacités additionnelles, comme l'automatisation, selon les besoins.

Acheter l'IDP en service donne aux entreprises moins de contrôle sur le développement de la plateforme comparé à un système custom. Cependant, les fournisseurs de plateforme travailleront avec leurs clients pour assurer que le système évolue pour rencontrer leurs besoins. Il y a aussi beaucoup d'autres avantages à considérer :

Time-to-value

Implémenter une plateforme IDP existante est généralement plus rapide que d'en développer une nouvelle. Les plateformes établies sont éprouvées sur de nombreuses années d'usage dans de grandes entreprises à travers divers cas d'usage. Les ressources de formation et d'habilitation sont déjà créées et, dans de nombreux cas, des services professionnels sont fournis pour aider les utilisateurs à démarrer vite et commencer à générer de la valeur de leurs implémentations.

Les LLM fondateurs requièrent un fine-tuning et prompt engineering coûteux et chronophages avant d'être prêts pour l'usage business. Même alors, il peut y avoir des cas d'usage si complexes ou larges qu'ils finissent en 'impasses' où aucune quantité de prompting ne peut livrer une extraction précise, fiable. Par contraste, l'IA sous-jacente à l'IDP en service est typiquement conçue autour de la personnalisation rapide de modèles et d'expériences d'entraînement low-code. Par exemple, elles peuvent tirer parti de l'apprentissage actif, où utilisateurs business ordinaires et modèles IA collaborent activement pour compléter le processus d'entraînement plus vite.

Risque réduit

Opter pour l'IDP en service réduit substantiellement diverses formes de risque. Vous n'êtes plus dépendant de talents internes chers pour garder votre système IDP opérationnel. Le vendeur possède la maintenance système ainsi que la gouvernance plateforme et modèles. Les fournisseurs de solutions IDP sont aussi attendus pour livrer les plus hauts niveaux de sécurité de données enterprise-grade.

Le coût de possession doit aussi être considéré. Développement hâtif, code imparfait, ou utilisation de technologies bientôt obsolètes dans un système BYO IDP augmentent tous le risque de dette technique. Avec le temps, cela nécessite des corrections coûteuses et mises à niveau système.

Acheter l'IDP en service réduit grandement le risque et la dette technique pour l'acheteur. Les vendeurs priorisent les mises à niveau technologiques pour rester compétitifs, adoptant les dernières capacités et itérant et améliorant continuellement leur service. Ils gèrent le rework nécessaire, tests, mises à jour, et remplacement de composants obsolètes.

N'essayez pas de construire les modèles vous-mêmes. Les gros titres accrocheurs font paraître ça plus simple que c'est. Trouvez un vendeur qui faisait de l'IA avant le battage LLM. La compétence dans les processus IA adjacents est nécessaire comme l'apprentissage non supervisé, la préparation de données, et calculs ML de base.

Simon Knowles, Head of Technology, Vabble

Scalabilité

Un système custom nécessite des connecteurs et APIs custom pour s'intégrer aux systèmes d'entreprise pertinents. Selon la taille et complexité du business, cela peut nécessiter des centaines, voire milliers d'heures de développement combinées. Les plateformes IDP établies auront des connecteurs pré-faits pour les systèmes d'entreprise les plus populaires, permettant des intégrations rapides et time-to-value. Avec un système IDP cloud-based, vous pouvez aussi vous attendre à accéder aux dernières mises à jour et capacités IA sans en manger le coût de construction ou d'intégration vous-même.

Pour toutes ces raisons, l'IDP en service devrait être l'option préférée pour les entreprises cherchant un time-to-value rapide, exactitude et fiabilité dans leur système IDP. Les builds custom invitent une dette technique considérable, avec risque et responsabilité accrus long terme. L'IDP en service place le fardeau de responsabilité sur une plateforme spécialisée affinée par des années de compétition et d'itération.

Une plateforme enterprise-ready pour scaler l'IA et l'IDP

Les capacités IDP d'UiPath sont le choix idéal pour les entreprises cherchant à implémenter une IA et IDP best-in-class de façon sûre et réussie. L'IDP est embarqué dans notre framework d'automatisation bout en bout, vous permettant d'automatiser le traitement de documents et communications. Vous pouvez aussi tirer parti de capacités pré-construites, les personnaliser, et apporter vos propres composants ou tiers selon les besoins.

UiPath Intelligent Xtraction and Processing (IXP) fournit une approche solutionnée leader du secteur pour l'IDP. Grâce aux derniers modèles IA, UiPath IXP permet l'extraction d'un nombre croissant de types de contenu d'entreprise ; tout depuis des documents structurés comme les factures jusqu'au contenu complexe et non structuré comme les contrats juridiques. Nous fournissons des capacités et contrôles de plateforme extensifs sur nos modèles IXP, leur permettant d'être scalés rapidement à travers l'entreprise :

Enterprise-ready

UiPath IXP est construit pour un time-to-value rapide et une expérience utilisateur seamless. Cela retire la douleur du traitement de documents de tous types et coupe le temps de déploiement.

Premier, son processus d'entraînement inference-first. Aucun entraînement n'est requis pour extraire précisément des données utiles de documents complexes non structurés out-of-the-box. À la place, les utilisateurs fournissent juste des instructions (un peu comme un prompt) au modèle expliquant quoi extraire et comment cela apparaît dans le document. Pourtant, UiPath IXP donne toujours aux utilisateurs la capacité d'annoter s'ils veulent affiner davantage le modèle ou lui donner du ground truth pour évaluation.

UiPath IXP fournit aussi de forts contrôles sur le schéma de ces modèles génératifs. Les utilisateurs peuvent créer leurs propres 'groupes de champs' spécifiant l'information exacte qu'ils veulent extraire. UiPath rationalise beaucoup du travail en post-traitement, et la sortie est le format exact nécessaire pour prendre les données structurées résultantes, les utiliser dans les automatisations et les partager avec des agents IA pour créer de la valeur.

Contrôlé et conforme

Les modèles first-party d'UiPath sont gouvernés sous les contrôles entreprise les plus forts. La plateforme UiPath livre un contrôle d'accès basé sur règles (RBAC) robuste, versioning de modèles, et garde-fous de performance extensifs pour nos modèles IXP first-party. Human-in-the-loop est aussi intégré dans notre expérience plateforme, assurant que les sorties générées sont proprement validées.

De plus, UiPath gère tous les modèles tiers à travers la couche UiPath AI Trust Layer, livrant gouvernance, confiance et sécurité pour la GenAI. Cela signifie zéro rétention de données et aucun entraînement de modèle externe avec vos données business.

Une stratégie de modèles flexible et ouverte

Les modèles IA avancent vite, et le meilleur modèle maintenant peut ne pas être le meilleur pour votre cas d'usage dans six mois. Nous investissons constamment pour créer les meilleurs LLM spécialisés pour les processus business core et les améliorons constamment. La sortie de notre dernier modèle pour le traitement de documents complexes et non structurés en témoigne.

Pourtant, notre stratégie IA reste ouverte. Nous fournissons l'outillage nécessaire pour intégrer vos LLM tiers ou propriétaires favoris, et les gérer sous la couche UiPath AI Trust Layer. Avec UiPath, vous avez la flexibilité d'utiliser une combinaison des meilleurs modèles de classe pour chaque tâche à travers vos cas d'usage.

Optimisation pour une exactitude et fiabilité améliorées

Nos capacités IXP sont optimisées pour l'extraction de données avancée avec des techniques comme RAG et system prompting curaté. Le context grounding signifie des modèles IXP plus sûrs, plus performants, et précis. Notre interface Validation Station montre la preuve de où l'information extraite a été trouvée dans le document, signifiant que les sorties générées peuvent être facilement vérifiées avec evidence.

Expérience basée sur projets

Nos innovations sont guidées par de vrais déploiements IDP sur le terrain dans de grandes entreprises. Nos utilisateurs définissent simplement leur type de document et peuvent tirer parti de multiples modèles. Ils peuvent aussi évaluer la performance, monitorer, et gérer les versions de modèles — toutes capacités clés pour déployer l'IA, la maintenir, et la scaler à travers le business.

Un client expérimentant les bénéfices des capacités IDP d'UiPath est Encova Insurance, compagnie d'assurance mutuelle top-20. Pour automatiser la facturation des sinistres, Encova avait initialement développé sa propre solution IDP, construite autour de l'OCR traditionnel et d'un modèle IA tiers pour la compréhension du langage. Cependant, une fois qu'ils ont adopté la plateforme UiPath pour l'IDP, ils ont remarqué une amélioration immédiate de l'exactitude :

Quand il s'agit de compréhension de documents, avec l'OCR traditionnel nous obtenions 40 % sans problèmes et 30 % partiellement complétés. Avec ce nouveau processus [UiPath], le taux de succès est de 99 %.

Jeffrey Martin, Solution Architect, Encova

Les capacités IDP d'UiPath ont livré un time-to-value rapide et grandement augmenté l'efficacité dans les départements finance, ventes, souscription, opérations, et support client d'Encova. Dans son programme d'intake de polices, par exemple, le temps de saisie manuelle de données a été réduit de 98 %. Une réduction de 95 % du temps de traitement annuel a été similarly atteinte dans les avenants lignes commerciales.

UiPath est aussi un Leader reconnu dans le IDC MarketScape: Worldwide Unstructured Intelligent Document Processing Software 2024 Vendor Assessment. Selon le rapport :

"UiPath voit la GenAI et les LLM comme un outil technologique critique et les intègre de plus en plus à travers toutes les phases de son IDP, communications mining, et portefeuilles d'automatisation... De plus, UiPath continue de prioriser et déployer des fonctionnalités enterprise-grade de sécurité, vie privée, accès, context grounding, et contrôle pour assurer que les modèles et services GenAI peuvent être utilisés de façon sûre et sécurisée en support de cas d'usage mission-critiques."

Le rapport commente aussi : "Le focus multi-modal IA d'UiPath lui donne le point de vant stratégique pour continuellement driver de nouvelles méthodes et approches pour maximiser la valeur de l'IA traditionnelle (prédictive) et GenAI pour l'IDP non structuré."

Apprenez comment les capacités IDP de la plateforme UiPath livrent un time-to-value rapide et aident à scaler l'IA state-of-the-art à travers l'entreprise.