Leaders d’opinion

La résolution d’entités devient une infrastructure de l’IA, pas un simple nettoyage des données

Steven Renwick
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLa résolution d'entités passe d'un nettoyage périodique à une infrastructure…
Voir plus
  • La résolution d'entités passe d'un nettoyage périodique à une infrastructure d'exécution, car les agents agissent instantanément sur des identités résolues.
  • Les agents augmentés par la recherche héritent d'enregistrements fragmentés ou fusionnés à tort et traitent cette ambiguïté comme un fait établi.
  • La plupart des organisations déploient des agents autonomes, alors que peu estiment que leur infrastructure est véritablement prête à les gouverner.

Il y a un certain temps, j’ai regardé un agent IA donner une réponse confiante mais erronée pour une raison tout à fait banale. Une entreprise avait deux enregistrements pour le même client professionnel. L’un contenait l’ancien nom commercial et un contact financier, tandis que l’autre contenait le nouveau nom juridique que l’entreprise avait adopté après une acquisition, ainsi qu’une adresse de facturation différente. On a posé une question simple à l’agent : ce compte client est-il en règle ? Il a trouvé un enregistrement, n’a pas vu de factures en retard de paiement et a répondu oui. Les factures en retard de paiement étaient classées sous l’autre nom.

Rien n’a été inventé. Le modèle a raisonné de manière cohérente sur les données qui lui ont été fournies. Les données se sont simplement avérées décrire deux clients où il n’y en avait qu’un dans le monde réel. L’erreur n’était pas dans le modèle de langage. Elle était dans la jointure.

J’en suis venu à penser que c’est l’un des risques les plus sous-estimés dans l’IA d’entreprise, et l’un des moins discutés. Nous parlons sans cesse de la précision des modèles, de la conception des invites et de la gouvernance. Nous parlons beaucoup moins de savoir si un système sait réellement quel client, fournisseur ou compte réel il traite. Cette question a un nom. Il s’agit de la résolution d’entité, et après soixante ans en arrière-plan, elle se transforme tranquillement en un élément d’infrastructure en temps réel.

Le problème a changé de temps

Pendant la majeure partie de sa vie active, “ces deux enregistrements sont-ils la même entité ?” était une question de nettoyage. On la traitait par lots, selon un calendrier, quelque part à l’intérieur d’un programme de gestion des données maîtres, d’un entrepôt ou d’un pipeline d’analyse. Ce n’était jamais parfait, mais on pouvait en supporter les imperfections, car la sortie était un rapport que quelqu’un lisait la semaine suivante. Si deux enregistrements pour le même fournisseur n’étaient pas fusionnés, un chiffre de dépenses sortait légèrement faux, un analyste le remarquait et il était corrigé dans la prochaine exécution. Le système disposait d’une marge de manœuvre. Le temps absorbait les erreurs.

Un agent IA supprime cette marge de manœuvre. Il change le temps de la question de « plus tard » à « maintenant ». Lorsqu’un agent est sur le point d’approuver un remboursement, de router un cas, de mettre à jour un profil ou de répondre à une question de conformité, l’entité résolue ne nourrit plus un tableau de bord. Elle nourrit une action. Le coût d’une jointure incorrecte passe d’un chiffre légèrement faux à quelque chose qui se produit dans le monde, immédiatement, et souvent sans aucun humain dans la boucle pour le rattraper.

C’est sur ce changement qu’il vaut la peine de s’arrêter. Le problème sous-jacent est ancien et bien compris. Ce qui est nouveau, c’est que nous l’avons connecté directement à des systèmes qui agissent seuls.

Un problème de statistiques des années 1960

La résolution d’entité n’est pas arrivée avec les grands modèles de langage. Elle est arrivée avec les cartes perforées. En 1959, H. B. Newcombe et ses collègues ont publié un court article dans Science sur le couplage automatique des actes d’état civil, décrivant comment un ordinateur pouvait décider si un dossier de naissance et un dossier de mariage faisaient référence à la même personne. Une décennie plus tard, Ivan Fellegi et Alan Sunter ont donné à l’idée une théorie mathématique formelle, définissant les trois résultats que tout système de correspondance produit encore aujourd’hui : un lien, un non-lien et un lien possible qui nécessite une révision humaine.

Un détail de cette histoire mérite que l’on s’y attarde, car c’est celui que l’on comprend le plus souvent de travers. Le couplage d’enregistrements ne s’est jamais limité à une correspondance exacte sur une adresse e-mail ou un ID partagé. Dès le début, c’était probabiliste. Il a pesé les preuves que deux enregistrements étaient d’accord sur un nom de famille, une date, un lieu, et a produit un score, car les données saisies par l’homme sont désordonnées et les clés exactes échouent constamment. La résolution d’entité moderne fonctionne encore de cette façon. Elle combine des règles déterministes, où un identifiant stable partagé est décisif, avec des correspondances probabilistes et floues basées sur l’apprentissage automatique qui gèrent les fautes de frappe, les surnoms, les champs transposés, les abréviations et la douzaine de petites façons dont la même personne ou entreprise apparaît différemment dans les systèmes. Un bon état de l’art du domaine trace une ligne ininterrompue des actes d’état civil des années 1950 aux méthodes de regroupement et d’apprentissage automatique utilisées aujourd’hui.

Ce qui a vraiment changé, c’est quand nous avons besoin de la réponse. Les chercheurs écrivaient sur la résolution d’entités au moment de la requête, plutôt que purement à l’avance, bien avant la vague actuelle d’IA. À l’époque, c’était une optimisation intéressante. Maintenant, c’est plus proche d’une exigence.

Pourquoi les agents la transforment en infrastructure

La plupart des systèmes d’IA d’entreprise ne répondent pas à partir de la mémoire du modèle. Ils récupèrent. Le modèle popularisé sous le nom de génération augmentée par recherche amène un agent à rechercher le contexte pertinent au moment de la question et à raisonner à partir de celui-ci. C’est, dans l’ensemble, une bonne chose. Cela ancre les réponses dans vos données plutôt que dans l’entraînement du modèle.

Cependant, cela comporte une conséquence qui est facile à manquer. L’agent hérite de ce que la récupération lui donne. Si la récupération retourne un client fragmenté, trois enregistrements partiels qui n’ont jamais été connectés, l’agent raisonne sur trois clients. Si la récupération retourne une fusion incorrecte, deux entreprises différentes fusionnées en un seul profil, l’agent raisonne sur une seule. L’ambiguïté déjà présente dans vos systèmes source est transmise directement et présentée au modèle comme un fait établi. Le modèle n’a aucun moyen de savoir que la jointure était incorrecte, pas plus que vous en lisant un résumé propre d’enregistrements que vous n’avez jamais vus.

La résolution ne peut donc pas être un ajout après coup, exécuté une fois par trimestre et déposé dans une table distincte. L’entité doit être assemblée lors de l’ingestion des données, et sa vue résolue et actualisée doit être accessible à l’instant où l’agent la demande. Il s’agit d’une dépendance à l’exécution. Elle se comporte bien davantage comme une base de données ou un service d’authentification que comme un projet périodique de nettoyage des données. Il faut la concevoir, la surveiller et garantir sa fiabilité comme on le ferait pour tout autre système que l’application appelle en temps réel.

Le fossé de préparation que personne ne nomme précisément

L’industrie sent déjà que quelque chose manque ici. Le rapport AI Readiness Index 2025 de Cisco a constaté que 83 % des organisations prévoient de déployer des agents autonomes, tandis que seulement environ un tiers estiment que leur infrastructure est vraiment prête pour eux, et seulement environ un quart se sentent équipés pour contrôler et gérer ce que ces agents font réellement. L’enquête la plus récente de McKinsey sur l’état de l’IA décrit un fossé similaire dans l’autre sens : environ 88 % des organisations utilisent désormais l’IA dans au moins une fonction, mais la plupart n’ont pas encore étendu son utilisation à l’ensemble de l’entreprise.

Lorsque les gens expliquent ce fossé, ils ont tendance à utiliser deux mots : qualité des données et gouvernance. Les deux sont importantes, et aucune n’est facultative. Mais il y a une question plus étroite qui se cache en dessous d’elles, à laquelle des données propres et bien gérées ne répondent pas à elles seules. Le système peut-il dire à quelle entité réelle un enregistrement donné fait référence, dans tous les endroits où cet enregistrement vit, en ce moment ? Vous pouvez détenir des données de haute qualité dans chaque système individuel et toujours échouer à ce test, car l’échec ne vit pas à l’intérieur d’un système. Il vit dans les espaces entre eux, où le même client porte trois visages légèrement différents.

Que vérifier avant de laisser un agent agir

Si vous traitez la résolution d’entité comme une infrastructure vivante, vous pouvez l’inspecter comme une infrastructure. Les modes de défaillance opérationnels sont spécifiques et testables : des identités divisées qui devraient être une seule, des fusions incorrectes d’enregistrements qui devraient rester séparés, des règles obsolètes de sélection de la valeur de référence, qui continuent à privilégier une ancienne adresse pourtant remplacée, des identificateurs persistants manquants, et des agents qui héritent de l’ambiguïté des systèmes source comme si c’était une vérité établie.

Un test de préparation pratique n’exige pas de nouveau modèle ou de nouvelle catégorie de fournisseurs. Constituez un jeu de référence d’entités dont vous connaissez précisément la réalité. Exécutez-le sur le même chemin de récupération que votre agent utilise, et non sur une copie propre construite pour la démonstration. Ensuite, mesurez les choses qui décident réellement des résultats : combien de fusions incorrectes et de divisions incorrectes, comment le système gère l’ambiguïté réelle, où se situent ses seuils de confiance, quand il passe à un humain au lieu de deviner, et comment il passe proprement à vos contrôles de données maîtres et de gouvernance existants. Si une équipe ne peut pas répondre à ces questions, l’agent agit sur une identité qu’il ne peut pas vérifier, et la confiance dans sa sortie est mal placée.

Rien de tout cela ne remplace la gestion des données maîtres, la gouvernance, les plates-formes de données client ou l’entrepôt. Ceux-ci répondent à des questions différentes et restent nécessaires. La gouvernance décide ce qu’un agent est autorisé à faire. La résolution d’entité détermine à qui, ou à quoi, il applique son action. La première est mature dans la plupart des grandes organisations. La seconde est la couche dont beaucoup vont bientôt découvrir qu’ils ont besoin à ses côtés, en temps réel, au moment où ils laissent un agent agir plutôt que conseiller.

L’agent que j’ai regardé n’avait pas besoin d’un modèle plus intelligent. Il devait savoir que deux noms désignaient un même client avant de pouvoir s’exprimer avec assurance. Lorsque nous donnons à ces systèmes une autorité réelle pour agir, cette discipline silencieuse de soixante ans cesse d’être du nettoyage et devient une structure porteuse.

Steven Renwick est le co-fondateur et le PDG de Tilores (tilores.io), qui fournit une résolution d'entité en temps réel via des API pour les équipes d'IA et de données. Il travaille avec les dirigeants de l'ingénierie et des données pour résoudre l'identité des clients, des fournisseurs et des comptes à travers des systèmes fragmentés.