L’indexation automatique est un processus permettant d’organiser de nombreux documents numériques en ligne par des moyens informatiques afin de faciliter la recherche d’information. Ce processus de marquage de documents s’effectue en sélectionnant automatiquement différents termes extraits du document ou basé sur certaines de ses propriétés (nom, taille, date, source, etc.). L’utilisateur peut ensuite retrouver le document approprié à l’aide d’un moteur de recherche.

Les entreprises et les institutions créent chaque année un nombre incalculable de documents numériques. Que ce soit des documents commerciaux, des procédures ou des fiches techniques, ces documents ont besoin d’être classés et organisés d’une façon structurée afin d’être facilement retrouvé par d’autres utilisateurs. Un ordinateur peut contenir une très grande quantité de documents numérisés et utiliser certains termes pour indexer les données automatiquement. Si nous prenons l’exemple d’une facture, elle peut être recherchée par numéro de facture, par numéro de commande, par date ou par nom du vendeur.

Le type de documents à organiser peut varier : textes, images, audiovisuels ou web. Il est également possible de réaliser différentes tâches. Par exemple, il est possible de structurer des documents afin de retrouver un élément particulier sur une page tel qu’une vidéo. L’indexation automatique nous permet aussi de retrouver la description des documents. On pourra également utiliser des descripteurs pour retrouver une information précise. Pour une image par exemple, ces descripteurs pourront être la taille de l’image, sa couleur et ce qu’elle représente.

Il existe également différents types d’index :

Si vos documents sont des documents de textes, vous pouvez les indexer pour une recherche en texte intégral. Cela vous permettra ensuite de pouvoir rechercher des termes ou une phrase spécifique dans ces documents. Cette technique permet de créer des fichiers inversés. Vous pourrez définir comment organiser l’index et retenir certains termes contenus dans le texte.  Il est possible de reconstituer ainsi une indexation par mot clé. Pour réaliser ce travail, des outils de traitement linguistique et sémantique peuvent être utilisés.

Un index pourrait tout simplement être réalisé en établissant une liste alphabétique de tous les mots contenus dans les textes enregistrés. Toutefois, ce type d’index serait trop important et peu intéressant pour l’utilisateur. Une solution plus adaptée consiste à rechercher les termes qui correspondent davantage au contenu du document afin de créer un index à partir de ces termes plus pertinents. Le logiciel peut également retirer les mots vides qui n’ont pas d’importance pour l’indexation des documents. Les outils automatiques vont par contre prendre en compte la place des mots et leur importance dans le document comme les titres ou les sous-titres.

Une autre technique consiste à définir chaque document par des champs tels que les métadonnées que sont : le nom du fichier, la date de création et des modifications du fichier, sa taille et son emplacement. Un système automatisé permet de déterminer et de récupérer certaines de ces données. Selon les formats de fichier, il est possible d’utiliser des systèmes automatiques pour extraire les informations nécessaires pour indexer ces documents. Ce travail peut être réalisé par des outils de reconnaissance qui recherchent dans un document une donnée spécifique, des outils statistiques et des outils sémantiques.

La raison la plus évidente d’une indexation automatique est le gain de temps. L’automatisation permet de simplifier cette tâche parfois rébarbative. L’automatisation permet d’éviter de saisir manuellement des données, de cocher des cases pour des choix multiples ou d’entrer des suggestions pour un champ spécifique. Si un collaborateur n’a pas à passer trop de temps à créer ces index pour toutes les données collectées et stockées dans chaque base de données, il pourra consacrer davantage de temps à des tâches plus urgentes.

L’indexation automatique permet aussi d’économiser de l’argent. Si votre entreprise collecte constamment une grande quantité de données, vous auriez peut-être à engager quelqu’un pour créer des index afin de gérer vos données volumineuses.

L’indexation automatique permet également de configurer et de personnaliser le type d’index souhaité. Une personne pourra définir certains termes que l’indexation automatisée utilisera ensuite pour trier, organiser et récupérer les données. Plus l’indexation est pertinente et plus le contenu sera facile d’accès pour l’utilisateur par la suite.

L’indexation automatique peut être extrêmement efficace si l’on trouve le bon compromis entre la pertinence des informations, l’exploitation des documents et la charge de travail alloué. Des progrès sont encore à réaliser dans le domaine de l’indexation automatique. Certains points tels que le langage naturel par exemple ne sont pas encore bien maîtrisés par les logiciels. Toutefois, l’indexation automatique de documents offre de grandes possibilités aux entreprises qui utilisent le Big Data. La quantité de données générés et stockés croît à un rythme effréné et l’indexation automatique va probablement modifier l’environnement des professionnels dans tous les domaines (santé, journalisme, analyses, etc.) qui devront structurer et organiser ces grands volumes de données.