INPI

Une solution d'intelligence artificielle dont l'objectif est d'attribuer aux données entreprises les numéros SIRET manquants, permettant ainsi le croisement des données et une meilleure connaissance client.

Transcript

1. Automatisation par l’IA
   Datadrink Etalab
   19 Mai 2022
   Franck DAZIN
   William GRISON
   

   View Slide

2. 2
   Source INPI
   INPI EN CHIFFRES
   

   View Slide

3. SOMMAIRE
   Contexte INPI
   Outils disponibles
   3
   Approche sans IA
   Approche avec IA
   Résultats
   

   View Slide

4. 4
   MARQUES
   DESSINS
   ET
   MODELES
   CRM
   ID
   CLIENT
   ID
   CLIENT
   ID
   CLIENT
   ID
   CLIENT
   ?
   BREVETS
   ? ?
   CONTEXTE INPI
   Le besoin
   

   View Slide

5. 5
   MARQUES
   DESSINS
   ET
   MODELES
   CRM
   ID
   CLIENT
   ID
   CLIENT
   ID
   CLIENT
   ID
   CLIENT
   BREVETS
   CONTEXTE INPI
   Le besoin
   SIRET SIRET SIRET SIRET
    Accroitre la connaissance client
    Renforcer l'INPI dans sa mission d'accompagnement des entreprises
   

   View Slide

6. 6
   CONTEXTE INPI
   La tâche à résoudre
   Appariement massif : apparier correctement les enregistrements entre les deux
   bases pour affecter un numéro SIRET
   Nom; Adresse; Commune
   Base interne
   Nom; Adresse; Commune
   Nom; Adresse; Commune
   Base externe
   publique
   disponibilité SIRET ( = SIREN + NIC)
   

   View Slide

7. 7
   OUTILS DISPONIBLES
   Fonctionnalités et limites
    sensible aux variations orthographiques
    pas de score optimisé automatiquement  recherche SIREN uniquement
    un seul champ de recherche (confusion
   nom rue et entreprise possible)
    API publique pas encore disponible
   

   View Slide

8. 8
   APPROCHE SANS IA
   Calculs TF-IDF et mesure cosinus
   INPI
   Adresses
   Insee
   Adresses
   INPI
   Vecteurs
   Insee
   Vecteurs
   INPI
   Adresses
   Insee
   Adresses
   n meilleurs scores Top 1 Top 2 Top 3
   Résultats 68% 78% 80%
   Echantillon de 500 entreprises déposantes de brevets
   Evaluation sur la base du numéro SIREN
   

   View Slide

9. 9
   Données INSEE :
   ~ 50 millions d'enregistrements
   Données BOB (dépôts brevets) :
   ~ 46 000 (avec SIREN)
   APPROCHE AVEC IA
   Prétraitement des données
   Données enrichies : SIRET inféré à
   partir du SIREN et de l’adresse
   

   View Slide

10. 10
    APPROCHE AVEC IA
    Sélection de couples par indexage
    Indexage : premier appariement approximatif afin de limiter les comparaisons
    

    View Slide

11. 11
    APPROCHE AVEC IA
    Calculs de similarités
    Comparaison : mesures de similarités textuelles
    

    View Slide

12. 12
    APPROCHE AVEC IA
    Construction du score final
    Classification : classification binaire entre appariement ou non appariement
    

    View Slide

13. 13
    APPROCHE AVEC IA
    Apprentissage
    Apprentissage supervisé : optimisation des paramètres du classificateur binaire
    

    View Slide

14. 14
    RÉSULTATS
    top 1 (%) top 5 (%) top 10 (%)
    moyenne sur 5 échantillons aléatoires
    base brevets (5x100 enregistrements)
    93 99 99
    extraction du CRM (~270
    enregistrements)
    91 94 95
    extraction de la base marques (~800
    enregistrements)
    90 93 93
    Améliorations en cours :
     Comparaison avec ElasticSearch seul
     Indexage avec ElasticSearch puis classification (amélioration du
    temps d’exécution)
    Evaluation sur la base du numéro SIREN
    Très bons scores de précision
    

    View Slide

15. Outils informatiques
    https://github.com/J535D165/recordlinkage
    MERCI POUR VOTRE ATTENTION !
    15
    Franck DAZIN
    Datascientist
    INPI / DPSI / LabINPI
    fdazin@inpi.fr
    Mots clés
    INPI, Etalab, Siren, Siret, Adresse, Vectorisation, TF-IDF,
    IA, INSEE, Indexage, Similarité, Distance, Levenshtein,
    Jaro, Cosinus, Apprentissage, Machine learning, Brevet,
    Marque, Dessin et modèles, Elasticsearch
    William GRISON
    Datascientist
    INPI / DPSI / LabINPI
    wgrison@inpi.fr
    

    View Slide