Tag: veille technologique

Dans notre dernier numéro, nous avons introduit l’offre LexisNexis® en matière d’information brevet, dont l’un des éléments clé est PatentSight® qui propose une méthode d’évaluation de la qualité d’une famille de brevets, basée sur plusieurs indicateurs.

Ces indicateurs sont : la Technology Relevance, basée sur les citations, le Market Coverage, basé sur la couverture pays de la famille de brevets, la combinaison des deux donnant le Competitive Impact, pour une famille de brevets, et la somme des Competitive Impact d’un lot de familles de brevets donnant pour ce lot le Patent Asset Index.

Dans ce numéro de BASES, nous traiterons de la mise en œuvre de ces indicateurs dans une démarche d’évaluation du potentiel d’une famille ou d’un groupe de familles de brevets.

Comme indiqué précédemment, PatentSight® génère divers graphes à partir d’indicateurs, regroupés par défaut dans le « Playbook » selon leur objectif (recherche de licenciés, rachat d’entreprises, gestion de portefeuilles, analyse concurrentielle, etc.). L’interface permet aussi à l’utilisateur de créer des graphes adaptés à ses besoins.

Examinons donc quelques exemples de graphes produits par PatentSight®, et les enseignements que l’on peut en déduire. Nous allons le faire en prenant des questions très basiques que peut se poser une entreprise.

L’arrivée de PubMed.ai s’inscrit dans un écosystème en pleine expansion d’outils d’intelligence artificielle dédiés à l’exploration de la littérature scientifique biomédicale. Face à ces innovations technologiques, les enjeux demeurent la sélection rigoureuse des sources et la fiabilité des réponses par rapport aux pratiques manuelles traditionnelles supervisées par des experts humains.

Une concurrence féroce dans l’IA biomédicale

Peu après le lancement remarqué d’Embase AI par Elsevier, la NCBI (National Center for Biotechnology Information) a riposté en déployant PubMed.ai en version bêta. Cet outil propose des résumés générés par IA et des analyses synthétiques.

Cependant, face au déluge de références bibliographiques, ces solutions représentent-elles véritablement l’assistant idéal pour les chercheurs, ou constituent-elles plutôt un mirage technologique ?

La mortalité élevée des outils spécialisés

L’histoire récente révèle une hécatombe d’outils alors prometteurs : AskMEDLINE lancé en 2004 par la NLM), Semantic MEDLINE (NLM 2011-12), et FACTA+ (Université de Tokyo - 2023)… Nombreux sont ceux qui ont disparu avec l’évolution technologique accélérée. Parmi les survivants comme LitVar ou LitSense, lesquels parviendront à révolutionner la recherche sur les variants génétiques sans sombrer dans l’oubli ?

Dans ce numéro, nous publions la première partie d’un dossier complet consacré au prompt engineering. La seconde partie paraîtra dans le prochain numéro de NETSOURCES

Ce dossier a pour objectif de vous accompagner dans la maîtrise du prompt engineering, discipline clé pour exploiter pleinement le potentiel des modèles de langage.

De la compréhension des mécanismes fondamentaux aux techniques les plus avancées, , ces deux articles constituent un guide complet pour maîtriser l’art du prompt engineering et tirer le meilleur parti des modèles de langage actuels et futurs.

Premier article : les fondamentaux du prompt engineering

Ce premier article récapitule les principes essentiels pour optimiser la formulation des prompts:

• Mécanismes internes des LLM : Rappel des processus clés - tokenisation (découpage du texte), embeddings vectoriels (représentation numérique) et architecture transformer (mécanismes d’attention) - pour comprendre comment les modèles traitent les prompts).
• Frameworks de structuration : Présentation de méthodologies structurantes combinant contexte, rôle et format de sortie, illustrées par des exemples concrets d’application.
• Techniques avancées : Exploration de méthodes sophistiquées comme les chaînes de pensées, ainsi que des techniques parfois méconnues comme l’utilisation de délimiteurs.
• Stratégie de longueur : Faut-il privilégier un prompt long et complet («méga-prompt») ou procéder par itérations successives ? La longueur optimale du prompt est une question cruciale.

L’été 2025 marque un virage dans l’univers des navigateurs Web, avec une intégration de plus en plus profonde de l’intelligence artificielle. La navigation devient une expérience à la fois interactive et proactive.

Fini la navigation passive : Comet, Edge, Chrome et autres redéfinissent le web. Voici les nouveautés qui bousculent le duopole Chrome/Edge.

1. Comet de Perplexity : enfin son navigateur IA !

Lancé en juillet 2025, Comet, basé sur Chromium, redéfinit la navigation avec une IA intégrée. Cet assistant répond aux requêtes en langage naturel, propose des résumés de pages Web avec sources vérifiées et automatise des tâches complexes (comparaison de produits, recherche de politiques de retour).

• Modèles : Utilise GPT-4o et Claude 3.5 pour des résultats précis.
• Accès : Réservé aux abonnés Perplexity Pro et Max.
• Impact : Une alternative audacieuse à Chrome, centrée sur la productivité.

2. Microsoft Edge : Copilot Mode, l’IA au cœur de l’expérience

En juillet 2025, Edge introduit le Copilot Mode, qui transforme chaque onglet en interface de chat IA.

• Fonctionnalités : Analyse des onglets ouverts pour comparaisons intelligentes, commandes textuelles/vocales, automatisation de réservations, filtrage (tri ciblé d’informations).
• Objectif : Passer d’un navigateur passif à un collaborateur qui anticipe vos besoins.
• Disponibilité : Expérimental, gratuit temporairement sur Windows/Mac.
• Atout : Intégration fluide, mais attention aux questions de confidentialité.

Le Knowledge Management (KM) est encore une notion abstraite. Il est fréquent de constater une difficulté à se représenter ce qu’il recouvre au juste. Cet article se propose d'en éclairer le sens et les réalisations.

Une diversité de représentations et d’expressions

Quelle est sa plus-value ? Ceux qui le pratiquent savent qu’à la longue une gouvernance des connaissances vertueuse octroie un gain de temps, de qualité et de confiance dans les connaissances mobilisées (on obtient plus vite une réponse plus fiable). L’objectif poursuivi est souvent l’excellence opérationnelle (dans les entreprises industrielles notamment), ou l’excellence tout court (dans des structures plus proches du service public et de l’intérêt général). La quête d’une plus grande performance (à condition de renoncer à ce qu’elle soit immédiate), la réduction des erreurs, le maintien d’un haut niveau d’expertise, l’innovation sont souvent visés par les organisations qui mettent en œuvre une démarche KM. Elles savent en outre que l’existence d’un dispositif de ce type favorise la préservation des connaissances, valorise les savoirs et savoir-faire des collaborateurs les plus expérimentés et constitue un facteur d’attractivité (et de rétention) pour les collaborateurs les plus jeunes.

Les initiatives qui relèvent du Knowledge management sont par ailleurs innombrables. C’est cet état de fait (le flou ou la diversité des perceptions comme celle des actions) qui nous a donné envie d’interroger les représentations et expressions du KM auprès d’un panel de professionnels curieux ou adeptes du management des connaissances (1).

Nous avons eu l’occasion de le répéter plusieurs fois déjà, le brevet est une formidable source d’informations techniques qu’il est hasardeux d’ignorer dans une démarche d’innovation. État de l’art, recherche de solutions techniques, tendances du marché, positionnement d’un concurrent… Autant de raisons qui justifient une recherche dans les bases de données brevet.

Lorsque l’on se concentre sur les aspects plus juridiques, on retrouve les recherches de brevetabilité, celles réalisées dans le cadre d’une procédure d’opposition ou d’invalidation, et les recherches de liberté d’exploitation (dénommées FTO, pour Freedom To Operate, en anglais). Comme notre titre l’indique - que Beaumarchais nous pardonne cette irrévérence -, c’est sur celles-ci que nous allons nous pencher aujourd’hui.

De l’art du géomètre : qu’est-ce qu’un brevet ?

Rappelons tout d’abord quelques fondamentaux concernant le brevet.

Il est fréquent qu’un spécialiste technique qui lit pour la première fois un brevet revienne avec un air dépité s’exclamant « qu’est-ce que ce charabia, on n’y comprend rien ». C’est une réaction compréhensible : notre spécialiste s’attendait à lire un document décrivant une technique, un peu comme une publication scientifique, et il est tombé sur un texte parfois jargonnant, utilisant une terminologie étrange, qu’il est occasionnellement bien difficile d’interpréter. C’est que le but du brevet n’est pas seulement de décrire une technique, c’est aussi et avant tout de définir un territoire technique d’accès interdit. Nous sommes en présence d’un titre de propriété, et comme tout titre de propriété, il faut définir les limites de ladite propriété afin que les tiers sachent bien où ils ne peuvent pas aller. Rédiger un brevet, c’est au fond une affaire de technicien, mais aussi un peu de géomètre expert.

L’intégration de l’intelligence artificielle dans les réseaux sociaux est une tendance de fond, entamée au début des années 2010 et qui connaît une accélération marquée depuis l’émergence de l’IA générative en fin 2022. Cette évolution redéfinit l’utilité de ces plateformes, leur modèle économique et la nature même des interactions qu’elles hébergent.

Nous explorerons comment l’IA est passée d’un outil d’optimisation fonctionnant en arrière-plan à un rôle de plus en plus central dans nos échanges. Ce changement soulève une question essentielle : à mesure que l’IA prend plus de place, que reste-t-il de « social » dans les médias sociaux et comment cela impacte-t-il nos interactions en ligne ?

I. L’IA en coulisses : l’optimisation comme premier moteur

Pendant plus d’une décennie, l’intelligence artificielle a été le moteur discret, mais essentiel, des réseaux sociaux. Son déploiement à grande échelle répondait à un objectif principal : capter l’attention de l’utilisateur pour maximiser la durée des sessions et, par conséquent, les revenus publicitaires.

La fin du fil d’actualité chronologique

Cette stratégie reposait sur la personnalisation des contenus . Dès 2009, Facebook expérimentait déjà un nouvel algorithme (nommé EdgeRank ) pour remplacer le fil d’actualité chronologique (1). C’est entre 2012 et 2016 que cette tendance se généralise. Durant cette période, la plupart des plateformes de réseaux sociaux abandonnent progressivement le fil chronologique au profit du fil algorithmique . L’objectif n’étant alors plus de montrer ce qui venait d’être publié, mais ce qui était le plus susceptible de provoquer une réaction . Twitter remplace ainsi son fil d’actualité par le flux « Home timeline » en 2016 (2), et TikTok, lancé une année plus tard, érige cette approche en modèle avec sa « For You Page » (3). Aujourd’hui, cette méthode est devenue la norme et les algorithmes n’ont fait que s’améliorer d’année en année. Meta annonçait d’ailleurs en 2023 que ses algorithmes de recommandation étaient responsables d’une hausse de 24 % du temps passé sur Instagram , notamment grâce à la suggestion de contenus issus de comptes non suivis par les utilisateurs (4).