evidoria

← Retour à la liste

Bonne pratique Importée

Tri sémantique par IA des demandes d'assistance informatique — Direction régionale de l'informatique de Madère

Portugal · Funchal · Voir le profil de Portugal

Preuves: Observationnel / avant-après Top 50% 60/100 · Demandez à Evidence Copilot à propos de cette pratique

La DRI de Madère a conçu un tri BERT + forêt aléatoire pour 12 843 demandes d'assistance (2022-2024) : 83% de précision, -27% de plaintes récurrentes, +32% d'efficacité, selon une étude évaluée par des pairs financée par le plan portugais de relance.

83%
Précision de classification (Jan 2022-Dec 2024)
0.80
Score F1
-27%
Variation des catégories de réclamations répétées (6 mois après déploiement)
+32%
Hausse de l'efficacité de classification (6 mois après déploiement)
0.21 seconds
Temps de traitement par ticket
0.47
Indice de silhouette de regroupement

Détails

Maturité
Établie
Promoteur
Direção Regional de Informática (DRI), Governo Regional da Madeira — with ISTAR-IUL and VIPA (Funchal)
Période
2022-2025
Région (NUTS)
PT30
Mots-clés
public administration, IT service management, NLP, complaint triage

Contexte

Les services publics régionaux du Portugal font face à un volume et une complexité croissants de demandes de support informatique (appelées localement PATs) soumises via les systèmes PatOnline et PATS utilisés par le gouvernement de la Région autonome de Madère, où un langage ambigu, une terminologie incohérente et un reporting fragmenté entre services rendent peu fiable le tri conventionnel par mots-clés. La Direção Regional de Informática (DRI), en collaboration avec des chercheurs de l'ISTAR-IUL (Instituto Universitário de Lisboa) et du laboratoire VIPA à Funchal, a construit un pipeline d'IA combinant des plongements de phrases BERT multilingues, un regroupement K-Means en quatre catégories de réclamations, un classificateur Random Forest pour la catégorisation automatique, et un Isolation Forest pour la détection d'anomalies, avec des valeurs SHAP pour l'interprétabilité. Le projet a été financé dans le cadre du Plan de relance et de résilience (PRR) du Portugal.

Résultats

Évalué sur 12 843 réclamations/tickets issus de 7615 journaux d'interaction utilisateur entre janvier 2022 et décembre 2024, le système a atteint une précision de classification de 83 % (score F1 de 0,80) et a traité chaque ticket en 0,21 seconde de bout en bout. Dans les six mois suivant le déploiement, les catégories de réclamations répétées ont diminué de 27 % et l'efficacité de classification a augmenté de 32 % (indice de silhouette de regroupement de 0,47). Les résultats proviennent d'une seule agence régionale et d'un contexte de tickets spécifique ; les auteurs notent qu'appliquer l'approche ailleurs nécessiterait probablement un réglage fin propre au domaine ou un réentraînement adaptatif, et aucune réplication indépendante en dehors de Madère n'a encore été publiée.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — No budget figure is published; classified as low cost given the narrow single-department scope delivered through an academic research partnership under PRR co-funding.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Data and evaluation span January 2022 to December 2024 (about three years), including six months of post-deployment measurement.
Personnel et compétences
Direcao Regional de Informatica (DRI), Governo Regional da Madeira, ISTAR-IUL (Instituto Universitario de Lisboa) researchers, VIPA laboratory, Funchal

Conditions de réussite

  • Combining multiple ML techniques (BERT embeddings, K-Means clustering, Random Forest, Isolation Forest) with SHAP interpretability
  • Sustained government-university partnership
  • PRR funding to support the initial build

Modes d’échec courants

  • Authors note the model was evaluated in a single agency/context and would likely need domain-specific fine-tuning or retraining to transfer elsewhere
  • No independent replication outside Madeira has yet been published

Habituellement financé par

Recovery and Resilience Facility (national plans) National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles