Contexte et objectifs
Le projet a exploité 45 047 courriels internes d’Enron, rendus publics par la FERC et archivés par Carnegie Mellon depuis 2003. L’objectif était de démontrer qu’une intelligence artificielle peut transformer un corpus de messagerie en un « cerveau d’entreprise », c’est‑à‑dire un ensemble de pages décrivant organisations, régulateurs, banques et autres entités mentionnées dans les échanges. Le résultat comprend 214 pages, chaque phrase étant associée à la date et à l’identifiant du courriel d’origine.
Architecture du pipeline et typologie des entités
Le système repose sur un pipeline qui a initialement proposé 57 types d’entités très fines (ex. : produit, installation, événement). Un opérateur humain a retenu 54 de ces types, la plupart correspondant à des organisations. Les entités ont été agrégées en classes plus larges : entreprises, régulateurs, cabinets d’avocats, banques et médias. Le filtrage initial s’est basé sur une fréquence minimale : seules les organisations citées dans au moins 25 messages ont reçu une page dédiée. Cette règle a généré 209 pages contenant 929 entités, ainsi que 5 pages supplémentaires (551 entités) dédiées aux unités commerciales, plateformes et projets internes d’Enron. En dehors des pages, le pipeline a identifié 78 produits, 76 installations et 49 événements, mais aucune page n’a été créée pour ces catégories, illustrant le rôle de la configuration humaine dans la définition du périmètre du « cerveau ».
Gestion temporelle des faits et processus de validation
Chaque fait est stocké sous forme de phrase accompagnée d’une date d’émission et d’une référence au courriel source. Un mécanisme d’expiration compare la validité du fait à la chronologie du corpus : lorsqu’un courriel ultérieur indique que l’information n’est plus vraie, la phrase disparaît à la date correspondante. Cette approche rend la connaissance dynamique, contrairement à un enregistrement statique. La fiabilité a été testée par un audit indépendant réalisé par une seconde IA, qui a vérifié un sous‑ensemble de faits et confirmé la concordance avec les sources. Le système ne nécessite aucune édition manuelle post‑génération, ce qui élimine les biais d’intervention humaine.
Limites et perspectives d’évolution
Le modèle dépend entièrement de la couverture du corpus ; des entités peu mentionnées (par exemple un client ayant échangé seulement deux e‑mails) restent invisibles tant que le seuil de fréquence n’est pas ajusté. De plus, la granularité des faits (phrases) ne remplace pas les champs structurés d’un CRM, qui restent nécessaires pour des métriques chiffrées comme le chiffre d’affaires ou le nombre d’employés. Enfin, la méthode d’expiration repose sur la présence explicite d’une correction dans les e‑mails, ce qui peut ne pas être garanti dans des environnements où les informations sont rarement révisées par écrit. Malgré ces contraintes, la démonstration montre qu’une IA peut synthétiser et historiser de façon automatisée un volume important de correspondance interne, ouvrant la voie à des systèmes de connaissance d’entreprise plus réactifs.
