---
sourceDocument: Australie : activer l’IA
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/intelligent-experiences

 Release :

    - australia

ft:locale :

    - fr-FR

ft:publication_title :

    - Australie : activer l’IA

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Créer et former une solution de similarité

# Créer et former une solution de similarité {#ariaid-title1}

* Rversion finale: Australia
* 
* Mis à jour 12 mars 2026
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 6 minutes de lecture

Créez et formez une solution d'apprentissage machine pour collecter et comparer vos enregistrements existants à de nouveaux enregistrements similaires. Par exemple, vous pouvez comparer le texte d'un enregistrement d'incident ouvert à un enregistrement d'incident résolu pour réutiliser sa résolution.

## Avant de commencer

* Rôle requis : ml_admin ou admin

{#create-similarity-solution__ul_rdd_x2s_hhb}  
Important :  
À partir de la Washington DC version, les modèles des cadres de travail de classification, de mise en grappe et de similarité utilisent des solutions de workflow. Ceux-ci sont préformés, de sorte qu'aucun corpus de mots n'est nécessaire pour vos nouvelles solutions. Lorsque vos solutions existantes avec un corpus de mots sont reformées après la mise à niveau, elles deviennent des solutions de workflow et le champ Corpus de mots est supprimé du formulaire.

## Pourquoi et quand exécuter cette tâche

Après avoir comparé vos enregistrements existants en fonction de leur similarité, le système vous recommande des exemples que vous pouvez examiner et réutiliser dans votre solution.

Lorsqu'elles sont appliquées dans vos formulaires et flux, les solutions de similarité sont sensibles au domaine, de sorte que les enregistrements d'autres domaines sur l'instance ne sont pas affichés aux utilisateurs. Pour plus d'informations, reportez-vous à l'article de la base de connaissances [Comportement de prédiction de similarité dans un environnement séparé par domaine](https://support.servicenow.com/kb?id=kb_article_view&sysparm_article=KB2035643) sur Now Support.

Pour plus d'informations sur l'utilisation de données d'entraînement chiffrées, reportez-vous à la section [Chiffrement des données dans Intelligence prédictive](https://servicenow-prod.fluidtopics.net/eSj~35RdXouOhcWKg8rvHw "Découvrez quels types de chiffrement sont pris en charge pour les solutions de formation Intelligence prédictive .").

Dans cet exemple de procédure, vous travaillez sur des enregistrements d'incidents et vous souhaitez localiser les articles de la base de connaissances pertinents qui pourraient fournir des résolutions à ces incidents.

## Procédure

1. Assurez-vous d'être dans le périmètre de l'application que vous souhaitez pour votre définition de solution, puis accédez à TousIntelligence prédictiveSimilaritéDéfinitions des solutions.
2. Dans la liste Définitions de similarité, sélectionnez Nouveau.
3. Renseignez les champs du formulaire Définition de similarité.  
   {#create-similarity-solution__table_o1g_bfj_3fb__entry__2}

   | Champ | Valeur |
   |-|-|
   | Étiquette | Saisissez un nom unique pour votre solution de similarité. Par exemple, dans ce cas d'utilisation, vous pouvez saisir <kbd class="ph userinput">Faire correspondre les articles de la base de connaissances aux incidents</kbd>. |
   | Nom | Lorsque vous saisissez une valeur Étiquette, ce champ se remplit automatiquement avec un nom en lecture seule affecté par le système en fonction de la valeur Étiquette. |
   | Corpus de mots | Si vous disposez d'une solution de similarité héritée, vous pouvez sélectionner un corpus de mots pertinent dans le champ Corpus de mots du formulaire de définition. Remarque : À partir de la Washington DC version, un corpus de mots n'est plus requis, car un modèle préformé est utilisé à la place. Le champ Corpus de mots n'est pas visible dans le formulaire de définition pour les modèles pré-entraînés. Pour plus d'informations, consultez [Créer un corpus de mots](https://servicenow-prod.fluidtopics.net/yso2qX8LZKUP0zx3xBLvuQ "Créez une collection de mots et d’expressions qui fonctionne comme le vocabulaire utilisé par le système pour comparer vos enregistrements d’instance en fonction de leur similarité textuelle. Vous pouvez considérer le corpus de mots comme un dictionnaire que vous voulez que votre système d’apprentissage automatique comprenne."). |
   | Table | Dans le champ Table, sélectionnez la table contenant les enregistrements que vous souhaitez utiliser comme source d'informations. Dans ce cas d'utilisation, sélectionnez la table Base de connaissances \[kb_knowledge\], car ses enregistrements d'articles de la base de connaissances peuvent fournir des informations pertinentes pour les incidents que vous essayez de résoudre. Une fois que vous avez affecté une table, le nombre d'enregistrements correspondant à vos conditions de filtre s'affiche sous forme de lien. Sélectionnez ce lien pour afficher la liste des enregistrements. |
   | Test Table | Dans le champ Table de test, sélectionnez la table contenant les enregistrements que vous souhaitez cibler. Dans ce cas d'utilisation, vous sélectionnez la table Incident \[incident\], car elle contient les enregistrements d'incidents que vous essayez de résoudre. Remarque : Vous pouvez sélectionner la même table pour la table et la table de test. Par exemple : à l'aide de conditions de filtre, vous pouvez collecter des informations à partir d'incidents récents pour aider avec les incidents cibles. |
   | Champs | Pour la table que vous avez sélectionnée, saisissez des champs susceptibles de contenir des mots et des expressions pertinents pour les incidents que vous essayez de résoudre. Dans cet exemple, vous choisissez Description brève et Corps de l'article. Inclure le corps de l'article augmente vos chances de capturer des détails informatifs sur le sujet. Remarque : Le type de journal n'est pas un type de données pris en charge. |
   | Champs de test | Pour la table de test que vous avez sélectionnée, saisissez des champs qui contiennent du texte que vous souhaitez comparer à d'autres enregistrements similaires. Dans cet exemple, vous choisissez la brève description des enregistrements d'incidents que vous essayez de résoudre. |
   | Filtre | Sélectionnez Ajouter une condition de filtre pour appliquer des conditions aux enregistrements de champs que vous utilisez comme source d'informations. Par exemple, dans ce cas d'utilisation, vous pouvez définir une condition workflow_state=publié pour récupérer uniquement les articles de la base de connaissances publiés. Remarque : Les includes de script ne peuvent pas être référencés à partir du filtre. Utilisez les vues de base de données comme alternative. |
   | Langue de traitement | Sélectionnez la langue dominante de l'ensemble de données sur lequel vous vous entraînez. De plus, le traitement en anglais est appliqué à tous les ensembles de données par défaut. Par exemple, si vous sélectionnez l'italien, le système traite les données en italien et en anglais. Remarque : Le terme traitement désigne certaines des étapes spécifiques à la langue utilisées dans le cadre de la formation d'une solution, telles que la création de jetons de mots, la suppression de mots vides et la création de racines. |
   | Mots vides | Lorsque vous sélectionnez votre langue de traitement, le système ajoute automatiquement une liste de mots vides pour cette langue. Par exemple, si votre langue de traitement est l'italien, la liste Mots vides italien par défaut s'affiche. La liste des mots vides anglais par défaut est également incluse. Pour utiliser une liste de mots vides personnalisée, sélectionnez l'icône de verrouillage ( ![Icône de verrou.]() ), puis recherchez dans le champ Sélectionner l'enregistrement cible . |
   | Fréquence de la formation | Sélectionnez une fréquence de reformation. Les options disponibles vont de Exécuter une fois à Tous les 180 jours. |
   | Fréquence de mise à jour | Sélectionnez la fréquence à laquelle vous souhaitez actualiser les données que vous utilisez pour récupérer vos résultats de similarité. Par exemple, pour les enregistrements d'incidents ouverts, vous pouvez sélectionner une fréquence de mise à jour Toutes les 15 minutes, car de nouveaux incidents se produisent généralement fréquemment tout au long de la journée. Cette fréquence peut augmenter la probabilité que les enregistrements nouvellement ouverts soient inclus dans l'actualisation. Toutefois, pour les enregistrements d'articles de la base de connaissances de la base de connaissances, qui ne sont généralement pas créés souvent, vous pouvez choisir une fréquence de mise à jour moins fréquente telle que Tous les jours. Remarque : Le planificateur ML limite le nombre de formations qu'une instance peut valider à 50 nouvelles demandes de formation ML par instance dans une fenêtre de 24 heures. Cela exclut les demandes de reformation planifiées. En outre, les mises à jour de mise en grappe et de similarité sont également exclues de cette limite, même si les nouvelles demandes de formation dépassent 50 dans une fenêtre de 24 heures. |
   [ ]

   {#create-similarity-solution__table_o1g_bfj_3fb}
4. Sélectionnez le bouton approprié pour la définition de la solution.

   | Option | Description |
   | Enregistrer | Enregistrez votre enregistrement de définition de solution pour y revenir ultérieurement. |
   | Soumettre et former | Créez votre enregistrement de définition de solution et formez-le. |
   |-|-|

   {#create-similarity-solution__choicetable_ohd_ndj_3fb}
5. Si vous avez soumis la solution pour la formation, sélectionnez OK dans la fenêtre Activation de la formation pour confirmer.

## Résultats

* Le système planifie la définition de la solution pour le traitement avec le service de formation le plus proche et vous envoie une notification à la fin de la formation. La notification inclut toutes les erreurs qui ont pu se produire pendant la formation. Les autres utilisateurs peuvent s'abonner à la Intelligence prédictive catégorie Notifications.
* La solution formée fournit des exemples d'enregistrements appariés classés par degré de similarité. La liste d'exemples est disponible dans Exemples de similarité sous Liens connexes sur le formulaire de votre solution.
* Lorsque la formation se termine, le système charge la solution en tant qu'enregistrement de pièce jointe.
{#create-similarity-solution__ul_lfb_npf_mgb}

## Que faire ensuite

Examinez les exemples de similarité dans la section Liens connexes de votre formulaire Solution. Consultez [Examiner les exemples de similarité des solutions](https://servicenow-prod.fluidtopics.net/BP0g5I3J9on4eAZQBg0izA "Examinez les exemples de similarité générés au cours de la formation sur la solution pour déterminer si le seuil du score de similarité répond à vos besoins professionnels.").