C’est la demande la plus fréquente des entreprises qui ont dépassé le stade des essais : « on voudrait poser des questions à nos propres documents ». Techniquement, c’est devenu accessible. Ce qui décide du résultat n’est presque jamais le modèle choisi, mais l’état de la base documentaire qu’on lui donne à lire.
Le principe, sans jargon
Le modèle ne « connaît » pas vos documents. À chaque question, un dispositif va chercher dans votre base les passages les plus proches de la question posée, puis les fournit au modèle qui rédige une réponse à partir d’eux. Deux conséquences immédiates :
- Si le bon passage n’est pas retrouvé, la réponse sera fausse ou vague, quelle que soit la qualité du modèle.
- Si deux documents se contredisent, le dispositif ne tranche pas : il répondra à partir de celui qu’il aura retrouvé.
Pourquoi le tri des documents décide de tout
La cause d’échec la plus fréquente n’est pas technique. C’est une base qui contient trois versions d’une même procédure, dont deux périmées, sans qu’aucune ne porte de date. L’IA restitue alors fidèlement une information obsolète — et la restitue avec assurance, ce qui est pire que ne rien répondre.
Avant de brancher quoi que ce soit, trois questions se posent sur chaque source : qui en est responsable, à quelle date elle a été validée, et quelle version fait foi.
Les trois échecs les plus courants
- La base fourre-tout. On y verse tout le partage réseau « pour voir ». Le bruit noie le signal, et les réponses deviennent moyennes sur tous les sujets.
- Le document mal découpé. Un contrat de quatre-vingts pages traité en un seul bloc ne se retrouve jamais correctement ; découpé au milieu d’une clause, il se retrouve mais dit autre chose.
- L’absence de citation. Un dispositif qui répond sans indiquer le document et le passage d’où vient l’information ne peut pas être vérifié — donc pas utilisé sur un sujet qui engage.
Les droits d’accès, le point à régler avant le lancement
Une base documentaire d’entreprise contient des contrats, des salaires, des dossiers du personnel. Un dispositif de recherche mal cloisonné rend accessible à tous ce qui ne l’était pas, sans que personne ne s’en aperçoive avant l’incident. La règle est simple à énoncer et coûteuse à rattraper après coup : les droits existants doivent être respectés au moment de la recherche, pas filtrés après. Les obligations qui s’y attachent rejoignent celles décrites dans le RGPD et les outils d’IA.
Comment savoir si ça marche
Constituez une liste d’une trentaine de questions réelles, posées par de vrais salariés, dont vous connaissez la bonne réponse. C’est votre jeu de test. Il sert à deux choses : décider si le dispositif est prêt, et détecter les régressions quand vous changerez de modèle ou ajouterez des documents. Sans ce jeu, l’évaluation se fera sur des impressions — le défaut que corrige la méthode décrite dans comparer deux IA.
Par quoi commencer
Prenez un périmètre étroit et à forte demande : les procédures internes consultées par les nouveaux arrivants, par exemple, dans la logique de l’onboarding assisté par IA. Une vingtaine de documents à jour et bien identifiés donnent de meilleurs résultats que dix mille fichiers non triés, et permettent de constater la valeur avant d’engager un projet plus large.
Ce que ça ne remplacera pas
Un dispositif de ce type répond à des questions dont la réponse existe quelque part dans les documents. Il n’arbitre pas, il n’invente pas de doctrine, et il ne comblera jamais l’absence d’une procédure écrite. Beaucoup de projets butent là : la question posée n’avait tout simplement pas de réponse dans l’entreprise, et personne ne l’avait remarqué avant de la poser à une machine.