Vers un modèle de maturité pour la gestion documentaire augmentée dans les organisations contemporaines: composantes et stratégie de mise en oeuvre
Notice bibliographique
Résumé
Au cours des dernières années, on observe un intérêt croissant envers l’automatisation des pratiques de gestion documentaire, grâce à la mise à profit des outils d’intelligence artificielle (IA), en parlant notamment d’une gestion documentaire augmentée. Cependant, l’intégration effective et efficace de l’IA aux processus archivistiques commande l’existence d’un ensemble de requis informationnels, technologiques, managériaux et normatifs. Cela ferait en sorte que les organisations puissent s’emparer du potentiel de l’automatisation pour soutenir leur devoir de transparence et améliorer leur performance. Le but de cet article est de proposer un modèle de maturité de six niveaux, mettant de l’avant les requis du déploiement de la gestion documentaire augmentée, de même que les pratiques et les dispositifs nécessaires à leur opérationnalisation. Il est aussi question d’identifier les aspects organisationnels à prendre en considération pour favoriser la transition d’un niveau de maturité à un autre. Mots-clés : maturité; intelligence artificielle; gestion documentaire; automatisation; gouvernance d’information.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».