Une longue rangée d’armoires de classement dans une salle d’archives, une lumière bleue s’élevant d’un tiroir ouvert

Base de connaissances IA : vos collaborateurs trouvent la réponse dans vos documents

Dans une entreprise, la réponse à la plupart des questions du quotidien est déjà écrite quelque part : dans une procédure, un mode opératoire, un contrat, une page du wiki ou un fil d’e-mails vieux d’un an. Le problème, c’est le temps qu’il faut pour la retrouver. On fouille les dossiers, on écrit à un collègue, on attend sa réponse… ou on se fie à sa mémoire, et parfois on se trompe.

Une base de connaissances IA règle précisément ce problème : le collaborateur pose sa question avec ses mots et obtient une réponse courte, accompagnée d’un lien vers le document d’origine. Voyons comment cela fonctionne, en quoi c’est différent d’une recherche classique et de ChatGPT, que faire de vos documents et des droits d’accès, et comment mener un pilote.

Pourquoi une entreprise a besoin d’une base de connaissances IA

Le savoir interne est presque toujours éparpillé. Les procédures dorment dans un dossier partagé, les modes opératoires dans un wiki, les conditions fournisseurs dans les contrats, et la moitié du savoir-faire pratique vit dans les messageries et les e-mails. Chaque endroit a sa logique, mais l’ensemble devient un labyrinthe.

Les questions typiques qui font perdre du temps :

Ces questions tombent généralement sur les collègues expérimentés, dont la journée est sans cesse interrompue. Pour les nouveaux, c’est encore pire : ils ne savent pas où chercher et hésitent à demander. Un assistant IA interne décharge les experts des questions répétitives et accélère l’onboarding.

Ce n’est pas la même chose qu’un assistant destiné aux clients sur votre site. Celui-ci répond à partir d’informations publiques sur vos produits et services, alors qu’un assistant interne manipule des documents confidentiels : les droits d’accès et la protection des données y pèsent bien plus lourd.

Comment ça marche, en termes simples

Techniquement, l’approche s’appelle RAG, pour retrieval-augmented generation : la réponse est générée à partir de documents retrouvés par la recherche. Le nom impressionne, mais étape par étape, c’est très lisible.

  1. Les documents sont découpés en passages. Procédures, guides, contrats et pages de wiki sont fractionnés en blocs cohérents : une section, un article, un paragraphe. Chaque passage garde la trace de son document, de sa version et des personnes autorisées à le voir.
  2. Les passages sont indexés par le sens. Le système capte le sens du texte, pas seulement les mots. Ainsi, la question « combien de jours avons-nous pour un retour » retrouve l’article qui stipule « les réclamations doivent être déposées sous 14 jours calendaires ».
  3. La question remonte les passages correspondants. Quand un collaborateur pose une question, la recherche sélectionne les quelques passages les plus proches par le sens, parmi les documents auxquels il a accès.
  4. Le modèle répond uniquement à partir d’eux. Le modèle d’IA reçoit la question et les passages trouvés, avec une consigne : réponds seulement à partir de ce texte et, si la réponse n’y figure pas, dis-le.
  5. La réponse arrive avec un lien vers la source. Le collaborateur voit une réponse courte et un lien vers le document et l’article concernés, pour vérifier l’original si besoin.

Le point clé de ce dispositif : le modèle ne se souvient pas, il lit vos documents. Il travaille comme un collègue attentif à qui l’on aurait tendu les bonnes pages en lui demandant d’en faire la synthèse.

Ce qui la distingue de la recherche classique et de ChatGPT

La recherche documentaire classique cherche des mots identiques. Si la procédure parle de « déplacement professionnel » et que le collaborateur tape « mission », il risque de ne rien trouver. Et s’il trouve, il obtient une liste de vingt fichiers dans lesquels il reste à dénicher la réponse.

Poser simplement la question à ChatGPT ne marche pas non plus. Un modèle public ne sait rien de vos procédures, de vos tarifs ni de vos contrats. Faute de données, il peut produire avec assurance une réponse plausible mais inventée. Sans compter que la politique de sécurité interdit souvent de charger des documents internes dans un service public.

Recherche par mots-clésRéponse IA avec sources
Formuler la questionDeviner les mots du documentAvec ses mots, comme à un collègue
Ce qu’obtient le collaborateurUne liste de fichiersUne réponse courte et un lien vers l’article
Synonymes et reformulationsMal gérésComprend le sens
Réponse répartie sur plusieurs documentsÀ reconstituer à la mainRassemblée en une réponse
Risque d’erreurNe pas trouver le bon documentSynthèse imprécise, d’où le lien source
VérificationLire les fichiers en entierOuvrir la source depuis le lien

La recherche intelligente dans les procédures ne remplace pas la recherche classique : beaucoup apprécient d’avoir les deux. Mais pour les questions « comment fait-on », une réponse sourcée fait gagner plus de temps qu’une liste de fichiers.

La qualité des sources : rien ne marche sans ordre dans les documents

L’IA appliquée aux documents internes ne corrige pas le désordre des documents eux-mêmes. Si un dossier contient trois versions d’une procédure, l’assistant risque de citer l’ancienne. Si deux documents se contredisent, la réponse dépendra du passage trouvé en premier.

Un assistant ne répond jamais mieux que les documents qu’on lui a confiés.

Il faut donc faire le tri avant le lancement. Pas tout réécrire, simplement remettre un minimum d’ordre :

Les droits d’accès : chacun ne voit que ce qui le concerne

Une base de connaissances rassemble des documents de sensibilités différentes : guides généraux, contrats fournisseurs, dossiers RH, procédures financières. Un préparateur de commandes ne doit pas obtenir de réponse tirée d’un document sur la rémunération des dirigeants, même s’il pose la question directement.

La règle est simple : les réponses ne s’appuient que sur les documents accessibles au collaborateur. Les droits sont vérifiés à l’étape de la recherche, avant qu’un passage n’atteigne le modèle. Si l’on ne contrôle les droits qu’après la génération, des informations restreintes peuvent fuiter dans la synthèse.

Mieux vaut ne pas reconstruire les droits de zéro, mais les hériter des outils où vivent déjà les documents : intranet, espace de stockage, CRM ou ERP. Ainsi, un changement d’accès à un endroit se répercute immédiatement dans l’assistant.

Comment empêcher l’assistant d’inventer

On ne supprime pas totalement les erreurs de l’IA, mais on peut les rendre rares et visibles. Plusieurs techniques se combinent.

Où installer l’assistant

Un chatbot de base de connaissances est utile là où les collaborateurs passent déjà leur journée. Un site à part, qu’il faut penser à ouvrir, sert beaucoup moins.

Le même assistant peut fonctionner sur plusieurs canaux à la fois : la recherche et les réponses restent identiques, seule l’interface change.

Données et RGPD : modèle cloud ou modèle local

Les documents internes contiennent souvent des données personnelles : noms, coordonnées, numéros de pièce d’identité dans les contrats, informations RH. Leur traitement relève du RGPD, et leur envoi vers un service externe, a fortiori hors de l’Union européenne, entraîne des exigences supplémentaires.

Deux grandes approches :

Une option mixte existe aussi : les données personnelles sont masquées avant d’atteindre le modèle, et les rubriques sensibles ne sont traitées qu’en local. Le schéma retenu se valide avec votre juriste, votre DPO et l’équipe sécurité avant le début du développement, pas après.

Comment mesurer la qualité

« Il a l’air de bien répondre » est un mauvais indicateur. La qualité d’une base de connaissances IA se mesure, et cela ne demande pas de mathématiques compliquées.

Le jeu de référence se joue avant le lancement, après chaque changement important et régulièrement en production. On sait ainsi si les choses s’améliorent vraiment, et pas seulement si on en a l’impression.

Le pilote : par où commencer

Déployer un assistant dans toute l’entreprise d’un coup est risqué et coûteux. Mieux vaut commencer par un service qui pose beaucoup de questions et dont les documents sont dans un état correct.

  1. Choisir un service et ses questions types. Par exemple les questions RH, le support des outils internes ou la gestion des contrats. Recensez les questions les plus fréquentes.
  2. Trier les documents. Sélectionnez les sources utiles, retirez les versions obsolètes, nommez les responsables de rubrique.
  3. Questions de référence et mesures de départ. Notez comment les collaborateurs trouvent les réponses aujourd’hui et combien de temps cela leur prend.
  4. Construire un prototype. Indexation des documents, recherche respectant les droits et réponses avec liens, sur un canal.
  5. Tester avec un petit groupe. Quelques semaines d’usage, collecte des retours, analyse des erreurs et correction des documents.
  6. Décider du déploiement. Comparez les indicateurs aux mesures de départ et décidez d’ouvrir ou non à d’autres services et canaux.

Nous construisons ce type de pilote comme un petit service web, intégré aux outils où se trouvent vos documents. La démarche est la même que sur nos autres projets d’agence web spécialisée en IA et en développement sur mesure : comprendre d’abord les processus, puis concevoir et développer. Vous trouverez des exemples parmi nos projets.

Check-list de préparation

Avant de lancer le projet, assurez-vous de disposer de :

Si vous cochez la plupart de ces cases, vous pouvez lancer le pilote. Sinon, consacrez les premières semaines aux documents et aux droits : l’ordre dans vos sources se paie en qualité de réponses.

Questions fréquentes

En quoi une base de connaissances IA diffère-t-elle de ChatGPT ?

ChatGPT ne connaît ni vos procédures, ni vos tarifs, ni vos contrats et, faute de données, peut inventer une réponse avec aplomb. Une base de connaissances IA d’entreprise commence par retrouver des passages dans vos documents, répond uniquement à partir d’eux et affiche un lien vers la source. Si les documents ne contiennent pas la réponse, elle le dit franchement.

Faut-il réécrire nos documents avant le lancement ?

Pas besoin de tout réécrire. Il suffit de retirer les versions manifestement obsolètes, de lever les contradictions dans les procédures clés et de désigner des responsables par rubrique. Le reste se règle pendant le pilote : l’assistant lui-même révèle les faiblesses de la documentation.

Les collaborateurs verront-ils des documents auxquels ils n’ont pas accès ?

Ils ne doivent pas. Les droits sont vérifiés dès l’étape de recherche : les passages issus de rubriques restreintes n’atteignent jamais le modèle si le collaborateur n’y a pas accès. En général, les droits sont hérités des outils où les documents sont déjà stockés.

Peut-on se passer d’une IA dans le cloud ?

Oui, le modèle peut être déployé sur vos propres serveurs. Le contrôle des données est plus simple, mais il faut du matériel et de la maintenance, et la qualité des réponses doit être testée sur vos documents. Le choix entre cloud et local se fait après avoir évalué quelles données entreront dans la base.

Comment savoir si l’assistant répond bien ?

Constituez un jeu de questions de référence avec les bonnes réponses et leurs sources, et rejouez-le avant le lancement puis après chaque modification. Suivez la part de réponses justes, la part de « je ne sais pas » honnêtes, l’exactitude des liens vers les sources et le temps de recherche des collaborateurs.

Parlons de votre projet
À lire aussi