Automatisation de la découverte électronique : un cadre stratégique

The Concise Framework for Discovery Automation takes the overall process of discovery, breaks it down into a data discovery component and a legal discovery component, aligns these components with insight and intelligence, and then highlights four key processes and eight key tasks that appear to be important in the discovery process across the lifecycle of information and litigation.

en flag
fr flag
de flag
pt flag
es flag

Un article mis à jour par Rob Robinson

Encadrement de l'automatisation de la découverte

L'un des plus grands défis auxquels doivent faire face les professionnels de l'information, des affaires et du droit est la capacité de considérer de manière cohérente les éléments de la découverte et de la découverte juridique dans un cadre technologique suffisamment complet pour répondre aux tâches critiques de découverte tout au long des cycles de vie de l'information et de la vie juridique. mais suffisamment concis pour être abordés de façon réaliste du point de vue de l'intégration et de l'automatisation.

Ce défi devient encore plus redoutable lorsqu'on passe de l'examen des tâches technologiques liées à la découverte et commence à examiner comment ces tâches contribuent à la prise de décisions commerciales et juridiques. En fait, il suffit d'examiner les résultats du Rapport sur l'état de l'industrie de l'Initiative sur la gouvernance de l'information (avril 2018) pour voir combien de disciplines de l'information différentes et dépendantes de la découverte sont considérées comme faisant partie de l'écosystème technologique de la gouvernance de l'information pour comprendre la nécessité d'une de manière concise pour encadrer l'intégration de l'automatisation des tâches, des processus et des technologies contribuant à la découverte des données.

22 Disciplines de l'information mises en évidence dans le cadre de l'écosystème de la gouvernance de l'information1

Gestion des dossiers et de l'information - 94 %

Sécurité et protection de l'information - 93%

Conformité - 88 %

Gouvernance des données - 88%

Gestion des risques - 86%

Découverte électronique - 84%

Confidentialité - 84%

Stockage et archivage des données - 83%

Juridique - 78%

Gestion des connaissances - 67%

Opérations et gestion des affaires - 67%

Audit - 65%

Gestion informatique - 64%

Concuration/gérance numérique - 64%

Analytique - 63%

Architecture d'entreprise - 63 %

Gestion des données de base - 63%

Big Data - 63%

Business Intelligence - 59%

Informatique - 52%

Science des données - 52%

Finance - 42%

Tout ce qui précède - 38%

Bien que la gouvernance de l'information ne soit qu'une des nombreuses disciplines des données qui dépendent des technologies liées à la découverte, elle constitue un excellent exemple de la complexité des tâches liées à la découverte du point de vue de l'automatisation des tâches et des processus.

Des modèles complexes aux cadres concis

Aujourd'hui, de nombreux modèles publiés, allant du modèle de référence de la gouvernance de l'information (IGRM) du DRM et du modèle de maturité de la gouvernance de l'information de l'ARMA au cadre pour l'amélioration de la cybersécurité des infrastructures critiques du NIST, existent pour aider les professionnels de l'information à aborder des domaines spécifiques nécessitant le besoin pour la technologie de découverte. Ces modèles aident également les utilisateurs à traduire leurs connaissances en intelligence qui éclairent les décisions basées sur les données. Toutefois, il semble qu'il soit nécessaire d'établir un cadre technologique concis qui pourrait être utilisé pour aider à traduire une compréhension des besoins de découverte étendus en un flux de travail de découverte simplifié.

D'une manière différente, il semble raisonnable qu'un cadre de planification portant sur les tâches fondamentales des données et de la découverte juridique puisse aider les fournisseurs de technologie à développer des solutions de découverte automatisée qui traitent des données du point de leur création initiale jusqu'à leur destruction défendable. Un tel cadre pourrait également aider à expliquer aux utilisateurs potentiels la relation entre les tâches, les fonctions et l'automatisation des données et de la découverte juridique.

Voici un exemple de cadre stratégique qui pourrait être utile pour aider les fournisseurs de technologie à élaborer, intégrer, automatiser et communiquer des données et des offres de découverte juridique.

Cadre stratégique pour les données et la découverte juridique

Dans l'élaboration d'un cadre stratégique pour les données et la découverte juridique, il est tout d'abord important de définir plusieurs éléments et facteurs clés inclus dans le cadre. Sept de ces éléments et facteurs sont définis ci-après.

Data Discovery est l'exploration des modèles et des tendances dans les données non structurées dans le but de découvrir les perspectives et d'agir.

La découverte électronique (découverte juridique) est le processus qui consiste à identifier, conserver, recueillir, traiter, rechercher, examiner et produire des renseignements stockés électroniquement qui peuvent être pertinents à une affaire civile, criminelle ou réglementée3.

La technologie d'automatisation de la découverte est une technologie qui réduit le besoin d'intervention humaine dans la réalisation des tâches et des processus de détection4.

La gouvernance de l'information (IG) est la spécification des droits de décision et un cadre de responsabilisation visant à assurer un comportement approprié dans l'évaluation, la création, le stockage, l'utilisation, l'archivage et la suppression de l'information. Il comprend les processus, les rôles et les politiques, les normes et les paramètres qui assurent l'utilisation efficace et efficiente de l'information pour permettre à une organisation d'atteindre ses objectifs5.

Les données non structurées sont des contenus qui ne sont pas conformes à un modèle de données prédéfini spécifique. Il s'agit généralement du contenu généré par l'homme et axé sur les personnes qui ne s'intègre pas parfaitement dans les tables de base de données6.

La perspicacité est la compréhension de la cause à effet basée sur l'identification des relations et des comportements dans un modèle, un contexte ou un scénario7. Tel que défini par Graham Wallas, les quatre étapes de la perspicacité comprennent la préparation, l'incubation, l'éclat d'illumination et la vérification 8.

Le renseignement est la capacité d'acquérir et d'appliquer des connaissances et des compétences.9

En prenant ces définitions et en les visualisant dans l'optique d'un flux de travail général, on peut construire et aligner un modèle concis d'automatisation de la découverte qui peut aider à encadrer les tâches et processus clés de découverte.

Figure 1 : deux composants de la découverte

Découverte de données : aperçu de la création de données à la collecte

À partir de ce cadre de haut niveau, on peut ensuite ajouter une couche de processus et de tâches d'automatisation critiques. Les principaux processus et tâches d'automatisation de la découverte de données dans le modèle concis d'automatisation de la découverte comprennent :

Automatisation de l'interrogatoire et de l'indexation

L'interrogation automatisée permet aux organisations de trouver des données non structurées qui résident sur des ordinateurs et des serveurs de terminaux.

L'indexation automatisée fournit aux clients un arrangement systématique du type de données, de l'emplacement et du contenu qui peut être recherché de manière concise et cohérente.

La combinaison de l'interrogation et de l'indexation continues et automatisées permet aux entreprises d'obtenir des informations (analyse d'informations) immédiatement et avec précision à partir de toutes les données non structurées dès leur création.

Une fois implémentée, cette fonctionnalité aide les utilisateurs à répondre à la question importante et souvent perplexe de savoir où commencer les efforts d'exploration et de découverte des données.

Automatisation de la conservation et de la collecte des fichiers

L'automatisation de la conservation des fichiers permet aux utilisateurs d'établir une identification basée sur des règles des dossiers qui peuvent devoir être conservés dans le cadre d'audits, d'enquêtes ou de litiges. Cette capacité permet également de préparer ces dossiers en vue de leur collecte et de leur utilisation dans d'autres évaluations et évaluations.

L'automatisation de la collecte prend les fichiers identifiés pour leur conservation et les collecte dans un référentiel désigné par l'utilisateur. Ce dépôt de conservation des fichiers collectés peut ensuite être évalué et évalué pour fournir un aperçu supplémentaire des données.

Figure 2 : deux composants de la découverte des données

Une fois exécutées, ces tâches aident les utilisateurs à répondre à la question de savoir comment passer de l'analyse de l'information et de la conservation à l'examen officiel des documents.

Découverte légale : renseignements de la découverte électronique à la disposition défendable

Les principaux processus et tâches d'automatisation pour la découverte juridique dans le modèle concis d'automatisation de la découverte sont les suivants :

Automatisation de l'ingestion et du traitement

L'automatisation de l'ingestion et du traitement permet aux utilisateurs de télécharger des données dans un référentiel en ligne sécurisé dans un environnement cloud privé et protégé et de les convertir automatiquement dans un format utilisable pour examen.

Automatisation de la révision et de la production

L'automatisation des révisions permet aux utilisateurs d'utiliser des analyses avancées et des révisions assistées par la technologie pour évaluer, examiner et analyser les données.

L'automatisation de la production donne aux utilisateurs la possibilité de créer des productions de précision et des journaux de privilèges qui sont exportables dans presque toutes les formes.

Figure 3 : Deux éléments de la découverte légale

Une fois terminées, ces tâches fournissent des renseignements qui aident les utilisateurs à répondre de manière exhaustive aux questions de politique, de réglementation ou de droit qui sont généralement à l'origine d'audits, d'enquêtes et de litiges.

Reprise

Le cadre de découverte combiné prend en compte l'ensemble du processus de découverte, le décompose en un composant de découverte de données et un composant de découverte juridique, aligne ces composants sur la perspicacité et l'intelligence, puis met en évidence quatre processus clés et huit tâches clés qui semblent être importantes dans la découverte. tout au long du cycle de vie des informations et des litiges.

Technologie d'automatisation de la découverte

Découverte de données : aperçu de la création de données à la collecte

Découverte légale : renseignements de la découverte électronique à la disposition défendable

Processus de découverte

Automatisation de l'interrogation et de l'indexation (découverte de données)

Automatisation de la conservation et de la collecte des fichiers (découverte des données)

Automatisation de l'ingestion et du traitement (découverte légale)

Automatisation de la révision et de la production (découverte légale)

Tâches de découverte

Interrogation (Découverte de données | Automatisation de l'interrogation et de l'indexation)

Indexation (Découverte de données | Automatisation de l'interrogation et de l'indexation)

Préservation (Découverte de données | Automatisation de la conservation et de la collecte)

Collecte (Découverte de données | Automatisation de la conservation et de la collecte)

Ingestion (Découverte juridique | Automatisation de l'ingestion et du traitement)

Traitement (Découverte juridique | Automatisation de l'ingestion et du traitement)

Révision (Découverte juridique | Automatisation de la révision et de la production)

Production (Découverte juridique | Automatisation de la révision et de la production)

En outre, ce processus non inclusif et ce cadre de niveau peut être bénéfique pour élargir la réflexion et l'action dans des domaines liés à l'automatisation des processus et des tâches de découverte juridique et de découverte des données. Voici des exemples de cette réflexion élargie :

Ajout d'une sous-tâche de classification automatique à la tâche d'indexation.

Ajout d'une sous-tâche de suppression d'enregistrements sur place à la tâche de collecte.

Ajout d'une sous-tâche de conservation légale à la tâche de conservation des fichiers.

Ajout d'une sous-tâche d'examen assistée par la technologie à la tâche d'examen.

Figure 4 : Deux facteurs de l'automatisation : le besoin de perspicacité et le besoin d'intelligence

Bien que des cadres tels que ce cadre pour l'automatisation de la découverte soient utiles pour développer des offres et des messages efficaces et compréhensibles, ils ne sont, par leur conception, ni complets ni complets. Cependant, des cadres comme celui-ci peuvent apporter une valeur substantielle à ceux qui élaborent des solutions ou créent des messages pour expliquer des solutions, car ils fournissent une connaissance séquentielle du contexte et de la position pour les éléments, les processus et les tâches de base du cadre et aident à encadrer la traduction de la découverte des données. à la connaissance et à la découverte juridique du renseignement grâce à l'application de l'automatisation des tâches et des processus.

Références

1 Initiative sur la gouvernance de l'information (IGI). (2018, 26 avril). Quelles technologies font partie du marché des produits IG ? - Initiative sur la gouvernance de l'information. Extrait à partir de

2 All, A. (18 septembre 2014). La découverte des données change la Business Intelligence - Enterprise Apps aujourd'hui. Extrait à partir de http://www.enterpriseappstoday.com/business-intelligence/data-discovery-is-changing-business-intelligence.html.

3 Grossman, M., et Cormack, G. (2013). Glossaire de l'examen assisté par la technologie de Grossman-Cormack. Examen du droit des Cours fédérales, 7 (1). Extrait de http://www.fclr.org/fclr/articles/html/2010/grossman.pdf

4 Robinson, W. (6 juin 2016). Qu'est-ce que eDiscovery Automation ? Un cadre de définition court. Extrait de http://www.complexdiscovery.com/info/2016/06/06/what-is-ediscovery-automation/

5 Glossaire informatique de Gartner. (s.d). Extrait de http://blogs.gartner.com/it-glossary/information-governance/

6 Stewart, D. (2013, 1er mai). Big Content : Le côté non structuré du Big Data - Darin Stewart. Extrait de http://blogs.gartner.com/darin-stewart/2013/05/01/big-content-the-unstructured-side-of-big-data/

7 Wikipédia. (s.d.). Insight - Wikipédia, l'encyclopédie libre. Extrait le 8 octobre 2016 de

8 Klein, G. (12 juin 2013). Les différentes formes de perspicacité | Psychologie aujourd'hui. Extrait à partir de

9 Intelligence - Definition of Intelligence en Français | Oxford Dictionnaires. (s.d.). Extrait à partir de

Lecture supplémentaire

Considérant les offres de technologie e-Discovery de quatrième génération : deux approches (première partie)

Prise en compte des offres de technologie de découverte électronique de quatrième génération : deux approches (deuxième partie)

Source : ComplexDiscovery

California AG soumet un projet de règlement aux fins d'approbation en vertu de la LCPA

“As our lives increasingly move online, our data privacy becomes more...

Évaluer les programmes de conformité de l'entreprise ? Mise à jour des directives de la Division criminelle du ministère de la Justice

The updated guidance document on corporate compliance from the Department of...

Une auto-vérification de la cybersécurité ? Critères de test des meilleures pratiques des établissements médicaux pour l'article 32 du RGPD

According to the publishers, this paper is an aid to quickly...

Classifications, préoccupations et concepts : Architectures de référence et Internet industriel des objets

The expected disruptive developments collectively referred to as the Internet of...

A Running List: Top 100+ eDiscovery Providers

Based on a compilation of research from analyst firms and industry...

Guide de l'acheteur des systèmes de divulgation électronique — Édition 2020 (Andrew Haslam)

Authored by industry expert Andrew Haslam, the eDisclosure Buyers Guide continues...

La course à la ligne de départ ? Annonces récentes d'examen sécurisé à distance

Not all secure remote review offerings are equal as the apparent...

Activation de la découverte électronique à distance ? Un instantané des DaaS

Desktop as a Service (DaaS) providers are becoming important contributors to...

Révisions et décisions ? Nouvelles considérations relatives aux examens à distance sécurisés eDiscovery

One of the key revision and decision areas that business, legal,...

Un aperçu macroéconomique de la taille du marché de la découverte électronique passée et projetée de 2012 à 2024

From a macro look at past estimations of eDiscovery market size...

Un Mashup sur la taille du marché de la découverte électronique : 2019-2024 Présentation mondiale des logiciels et services

While the Compound Annual Growth Rate (CAGR) for worldwide eDiscovery software...

Un mashup de taille du marché eDiscovery : aperçu des logiciels et des services dans le monde entier 2018-2023

The annual eDiscovery Market Size Mashup estimates the combined worldwide eDiscovery...

Une question de prix ? Mise à jour des réponses semestrielles à l'enquête sur les prix eDiscovery

First administered in December of 2018 and conducted four times during...

Un indicateur pandémique ? Résultats de l'enquête sur les prix eDiscovery Été 2020

Based on the complexity of data and legal discovery, it is...

COVID-19 Contrainé ? L'impact de six enjeux sur les activités de la découverte électronique

In the spring of 2020, 51.2% of respondents viewed budgetary constraints...

Une cause de pause ? Mesures opérationnelles de découverte électronique au printemps 2020

In the spring of 2020, 150 eDiscovery Business Confidence Survey participants...

Fusions, acquisitions et investissements de la découverte électronique au premier trimestre 2020

From HaystackID and Everlaw to Cellebrite and Carbonite, ComplexDiscovery findings, data...

Everlaw, fournisseur de technologie eDiscovery lève 62 millions de dollars

"Everlaw is changing the way legal teams uncover the truth buried...

OpenText achète XMedius Secure Information Exchange et Unified Communications Leader

“We welcome XMedius’s customers, strong partner network and employees to OpenText,"...

TCDI reçoit des investissements privés de Trivest Partners

“We are excited to partner with TCDI and Bill Johnson to...

Cinq grandes lectures sur la découverte électronique pour mai 2020

From review market sizing revisions to pandemeconomic pricing, the May 2020...

Cinq grandes lectures sur eDiscovery pour avril 2020

From business confidence to the boom of Zoom, the April 2020...

Cinq grandes lectures sur la découverte de données et la découverte juridique pour mars 2020

From business continuity considerations to cybersecurity attacks, the March 2020 edition...

Cinq grandes lectures sur la découverte de données et la découverte juridique en février 2020

From cyber operations to pricing data points on eDiscovery, the February...