Dix minutes pour un document que vous avez déjà vu
Vous cherchez l'attestation d'assurance du chantier. Vous l'avez vue passer, vous savez qu'elle est quelque part sur le serveur.
Vous tapez « attestation ». Rien d'utile. Vous tapez « assurance ». Trois cents résultats. Vous essayez le nom du chantier, puis le nom de l'assureur. Au bout de dix minutes, vous écrivez à un collègue, et il vous la retrouve en trente secondes.
Vous ne cherchiez pas mal. Vous cherchiez avec vos mots, et le document avait été classé avec les siens. Ce n'est pas une question de mémoire ni de rigueur : c'est une propriété du langage, et elle a été mesurée il y a presque quarante ans.
Ce que la recherche a mesuré en 1987
Quatre chercheurs de Bell Communications Research ont mené une expérience simple. Ils ont demandé à des gens de nommer spontanément les mêmes objets, dans cinq domaines différents. Pas de liste, pas de suggestion : le premier mot qui vient.
Puis ils ont regardé combien de fois deux personnes tombaient d'accord.
Moins d'une fois sur cinq. Dans chacun des cinq domaines, la probabilité que deux personnes prises au hasard choisissent le même mot pour désigner la même chose est inférieure à 20 %.
Ils en tirent une conséquence directe pour la conception des systèmes de recherche. Une approche qui repose sur un seul mot, celui que le concepteur a jugé le plus naturel, échoue dans 80 à 90 % des situations courantes.
Autrement dit, quand vous ne trouvez pas un document, le cas normal n'est pas que vous ayez mal cherché. Le cas normal est que vous ayez cherché autrement.
Une précision, parce qu'elle change la portée du résultat. Cette étude date de 1987 et porte sur des interfaces informatiques, pas sur un serveur de PME française. Nous ne transposons donc pas le chiffre. Ce qu'elle établit est plus général et n'a pas vieilli : nous ne nommons pas les choses de la même façon, et nous ne nous en rendons pas compte.
Pourquoi personne ne s'en aperçoit
Parce que chacun est cohérent avec lui-même.
Vous avez vos mots. Ils vous servent tous les jours, ils fonctionnent quand vous cherchez ce que vous avez classé vous-même, et rien ne vous signale qu'ils sont les vôtres et pas ceux de tout le monde. Votre collègue vit exactement la même expérience, avec d'autres mots.
Le désaccord n'apparaît qu'au moment précis où l'un cherche ce que l'autre a classé. Et à ce moment-là, on ne conclut pas que le vocabulaire diverge. On conclut que le moteur de recherche est mauvais, ou qu'on a mal cherché.
Les auteurs de l'étude proposaient d'ailleurs à leurs lecteurs de faire le test avec un collègue, pour constater le désaccord de leurs propres yeux. Ça vaut toujours.
Le test, transposé à vos documents
Il prend dix minutes et ne demande rien d'autre que trois personnes.
Prenez une pièce précise, par exemple l'attestation d'assurance d'un chantier en cours. Demandez à trois personnes de votre équipe, séparément, deux choses : comment elles nommeraient ce document, et dans quel dossier elles iraient le chercher.
Vous obtiendrez trois réponses différentes, et chacune sera défendable. C'est la même expérience que celle des trois noms, vue depuis l'autre bout : là, on regardait comment les gens nomment ce qu'ils classent. Ici, on regarde comment ils appellent ce qu'ils cherchent.
Et posez la question qui suit, parce que c'est elle qui compte : combien de ces trois vocabulaires votre fonds accepte-t-il aujourd'hui ?
En général, un seul. Celui de la personne qui a classé.
La solution évidente, et pourquoi elle ne marche pas
La réaction naturelle est d'écrire une règle. On choisit un mot par famille, on le diffuse, et tout le monde s'y tient.
C'est précisément la solution que l'étude de 1987 mesure, et qu'elle trouve inefficace. Un seul mot choisi par une seule personne, même bien choisie, laisse dehors les quatre autres façons de nommer la même chose. Le taux d'échec qu'ils rapportent porte exactement sur cette méthode.
La conclusion des auteurs va dans l'autre sens. Plutôt que de réduire le vocabulaire à un mot juste, il faut qu'un même objet accepte plusieurs noms. Autant de noms que les gens en emploient réellement.
Ce n'est pas une question d'outil. Un moteur de recherche peut rapprocher des mots de sens voisin, et les moteurs récents le font plutôt bien. Mais il ne peut pas deviner que dans votre entreprise, ce qu'un commercial appelle une offre, un juriste l'appelle une proposition, et la comptabilité un devis. Cette information-là n'est écrite nulle part, et c'est ce qui se passe quand une machine cherche à votre place : elle travaille avec les mots qu'elle trouve, pas avec ceux que vous employez.
Ce que nous faisons de tout ça
Un fonds ne devient pas trouvable parce qu'on impose un vocabulaire. Il le devient quand il accepte les vôtres.
C'est le travail que fait MIKURA, et il commence au moment où le document arrive.
Chaque pièce qui entre est identifiée : sa famille, sa date de référence, son statut, ce qu'elle remplace. La famille est ce qui compte ici. Une attestation d'assurance appartient à une famille, quel que soit le mot que chacun emploie pour la désigner, et c'est la famille qui permet de la retrouver.
Ce qui ne se départage pas tout seul n'est pas deviné. Quand le rattachement est trop serré, la pièce part en bannette, une personne tranche, et sa décision est consignée. Le cas ne se repose plus, et le vocabulaire de l'entreprise s'écrit au fil de l'usage au lieu de rester dans les têtes.
Et le fonds devient interrogeable en langage naturel. Vos équipes posent leurs questions comme elles les poseraient à un collègue, avec leurs mots à elles, et les réponses citent les documents sur lesquels elles s'appuient.
C'est toute la différence. Aujourd'hui, retrouver un document suppose de deviner le mot de quelqu'un d'autre. Le jour où la pièce porte ce qu'elle est, la question cesse d'être « comment l'a-t-on appelée » pour devenir « de quoi ai-je besoin ».
Et cela vaut sans aucune IA. C'est vrai pour le nouveau qui arrive, pour celui qui reprend un dossier qu'il n'a pas suivi, et pour vous, un vendredi soir, sur une famille que vous ne manipulez que deux fois par an.
Si vous avez fait le test des trois personnes, envoyez-nous ce que vous avez obtenu : contact@mikura.fr.
Sources
George W. Furnas, Thomas K. Landauer, Louis M. Gomez, Susan T. Dumais, The Vocabulary Problem in Human-System Communication, Communications of the ACM, vol. 30, n° 11, novembre 1987, p. 964-971. DOI 10.1145/32206.32212.
Éléments cités : étude du choix spontané de mots pour désigner des objets dans cinq domaines d'application ; dans chaque cas, deux personnes choisissent le même terme avec une probabilité inférieure à 20 % ; une approche reposant sur un seul mot choisi par un concepteur produit 80 à 90 % d'échec dans de nombreuses situations courantes ; les auteurs invitent leurs lecteurs à refaire l'expérience avec un collègue.
Aucun de ces taux n'est transposé à un fonds documentaire d'entreprise dans cet article.