Questions fréquentes (FAQ) sur Amazon Kendra

Amazon Kendra est un service de recherche d'entreprise très précis et facile à utiliser qui repose sur la technologie du machine learning (ML). Il permet aux développeurs d'ajouter des capacités de recherche à leurs applications afin que leurs utilisateurs finaux puissent découvrir les informations stockées dans le vaste contenu réparti à l'échelle de leur société. Il s'agit notamment de données issues de manuels, de rapports de recherche, de questions fréquentes, de documentations de ressources humaines (RH) et de guides de services clients, qui peuvent se trouver dans divers systèmes, comme Amazon Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, des bases de données RDS ou Microsoft OneDrive. Lorsque vous saisissez une question, le service utilise des algorithmes ML pour comprendre le contexte et renvoyer les résultats les plus pertinents, qu'il s'agisse d'une réponse précise ou d'un document entier. Par exemple, vous pouvez poser une question du type « Combien la carte de crédit d'entreprise rapporte-t-elle en cashback ? » pour qu'Amazon Kendra consulte les documents pertinents et retourne une réponse spécifique (par exemple « 2 % »). Kendra met à votre disposition un exemple de code pour vous permettre de commencer à intégrer de façon simple et rapide une fonction de recherche très précise dans vos applications nouvelles ou existantes.

Amazon Kendra fournit des capacités de recherche à technologie ML pour toutes les données non structurées que vous stockez dans AWS. Amazon Kendra propose des connecteurs natifs faciles à utiliser pour les types de référentiels AWS courants comme les bases de données Amazon S3 et Amazon RDS. D'autres services d'IA, tels qu'Amazon Comprehend, Amazon Transcribe et Amazon Comprehend Medical, peuvent être utilisés pour prétraiter des documents, générer du texte interrogeable, extraire des entités et enrichir les métadonnées pour des expériences de recherche plus spécialisées.

• Questions factuelles (qui, quoi, quand, où) : « Qui est le PDG d'Amazon ? » ou « Quand le Prime Day 2022 aura-t-il lieu ? » Ces questions appellent des réponses factuelles qui peuvent être renvoyées sous la forme d'un mot unique ou d'une expression. Cependant, la réponse précise doit être explicitement indiquée dans le contenu de texte intégré.
• Des questions descriptives : « Comment connecter mon Echo Plus à mon réseau ? » La réponse peut être une phrase, un passage ou un document entier.
• Recherches par mot clé : « Avantages santé » ou « Service d'assistance informatique ». Dans les cas où l'intention et la portée ne sont pas bien déterminées, Amazon Kendra utilise ses modèles de deep learning pour renvoyer des documents pertinents.

Lorsque vos données ne contiennent pas de réponse précise à une question, Amazon Kendra renvoie la liste des documents les plus pertinents classés par ses modèles de deep learning.

Amazon Kendra ne prend pas encore en charge les questions pour lesquelles les réponses nécessitent l'agrégation de passages de plusieurs documents ou des calculs.

La console Amazon Kendra offre le moyen le plus simple de démarrer. Vous pouvez diriger Amazon Kendra vers des documents non structurés et semi-structurés comme des questions fréquentes (FAQ) stockées dans Amazon S3. Après l'ingestion, vous pouvez commencer à tester Kendra en saisissant des requêtes directement dans la section « search » (recherche) de la console. Vous pouvez ensuite déployer la recherche Amazon Kendra de deux façons simples : (1) utilisez l'éditeur d'interface utilisateur visuel d'Experience Builder (aucun code nécessaire) ou (2) implémentez l'API Amazon Kendra en utilisant quelques lignes de code pour un contrôle plus précis. Des exemples de code sont également fournis dans la console pour accélérer l'implémentation de l'API.

Amazon Kendra offre une expertise propre aux domaines juridique, de l'informatique, de la pharmaceutique, des assurances, de l'énergie, de l'industrie, des services financiers, des médias et du divertissement, du voyage et de l'hôtellerie, de la santé, des ressources humaines, des actualités, des télécommunications et de l'automobile. Vous pouvez ajuster et développer la compréhension dans un domaine spécifique de Kendra en fournissant vos propres listes de synonymes. Il vous suffit pour cela de charger un fichier avec votre terminologie spécifique, et Amazon Kendra utilise ces synonymes pour enrichir les recherches des utilisateurs.

Amazon Kendra prend en charge les données non structurées et semi-structurées au format .html, MS Office (.doc, .ppt), PDF et texte. Avec la solution MediaSearch, vous pouvez également utiliser Amazon Kendra pour rechercher des fichiers audio et vidéo.

Amazon Kendra vous propose deux méthodes pour tenir à jour votre index. Premièrement, les connecteurs vous permettent de planifier une synchronisation automatique et régulière de vos sources de données. Deuxièmement, l'API Amazon Kendra vous permet de créer votre propre connecteur de façon à envoyer les données directement à Amazon Kendra à partir de votre source de données via vos tâches ou applications ETL existantes.

Pour en savoir plus sur la prise en charge des langues, consultez cette page de documentation.

L'intégration de contenu ne nécessite pas de codage lorsque vous utilisez les connecteurs natifs. Vous pouvez également écrire vos propres connecteurs personnalisés pour les intégrer à d'autres sources de données, à l'aide du kit SDK Amazon Kendra. Vous pouvez déployer la recherche Amazon Kendra de deux façons simples : (1) utilisez l'éditeur d'interface utilisateur visuel d'Experience Builder (aucun code nécessaire) ou (2) implémentez l'API Kendra à l'aide de quelques lignes de code pour plus de flexibilité. Des exemples de code sont également fournis dans la console pour accélérer l'implémentation de l'API. Le kit SDK offre un contrôle et une flexibilité complets de l'expérience de l'utilisateur final.

Pour en savoir plus, consultez la page Services régionaux AWS.

Vous pouvez écrire vos propres connecteurs à l'aide de l'API Amazon Kendra Custom Data Source. De plus, Amazon Kendra dispose d'un écosystème de partenaires experts en recherche qui peut vous aider à créer des connecteurs actuellement non disponibles depuis AWS. Pour en savoir plus sur notre réseau partenaires, contactez-nous.

Amazon Kendra chiffre vos données en transit et au repos. Trois choix s'offrent à vous pour les clés de chiffrement des données au repos : clé KMS appartenant à AWS, clé KMS gérée par AWS dans votre compte ou clé KMS gérée par le client. Pour les données en transit, Amazon Kendra utilise le protocole HTTPS pour communiquer avec votre application client. Les appels d'API pour accéder à Amazon Kendra via le réseau utilisent le protocole TLS (Transport Layer Security) qui doit être pris en charge par le client.

Oui, la solution MediaSearch combine Amazon Kendra à Amazon Transcribe, et permet aux utilisateurs de rechercher des réponses pertinentes incluses dans du contenu audio et vidéo.