Présentation de l'évolution des graphes

Les graphes sont de plus en plus utilisés comme couche de connaissances d'entreprise pour les systèmes d'intelligence artificielle (IA). Selon Philip Rathle, directeur technique de Neo4j Inc., les entreprises ont adopté une architecture partagée pour les systèmes de production IA, avec une couche de connaissances d'entreprise au centre.

Le rôle de la couche de connaissances d'entreprise

La couche de connaissances d'entreprise est un système de connaissances qui stocke l'ontologie, les données et la mémoire des agents en dehors du modèle lui-même. Cela permet d'améliorer la précision, l'explicabilité et la gouvernance des systèmes IA. Le GraphRAG, un modèle de graphique pour la récupération d'informations, est utilisé pour appeler un graphique de connaissances et externaliser les connaissances dans un contexte.

Recherche indépendante et résultats

Une recherche indépendante menée par le National Innovation Centre for Data du Royaume-Uni a comparé les deux principales techniques pour améliorer la fiabilité des agents et a constaté que le GraphRAG surpasse considérablement la récupération vectorielle, avec des agents 80% plus « véridiques » et répondant à plus du double de questions, tout en utilisant des jetons de manière plus efficace.

Exemple concret et avantages économiques

Un exemple concret est fourni par un engagement récent avec une agence nationale des impôts, qui a identifié plus de 100 millions de dollars de fraude fiscale en seulement 48 heures à partir du début d'une preuve de concept. Cela montre comment la modélisation des données sous forme de graphique peut rapidement apporter de la valeur aux systèmes de production IA.