D'un dossier partagé à une base de connaissances IA

Un dossier partagé sert à retrouver un fichier dont on connaît déjà le nom. Une base interrogeable doit rendre une réponse et son origine à quelqu'un qui ignore où l'information se trouve, et qui formule sa question avec ses mots à lui.

La bascule se joue sur trois traitements. Les documents sont convertis en texte propre, y compris les PDF scannés, dont aucun moteur ne tire une ligne en l'état. Ce texte est coupé en passages de quelques centaines de mots. Chaque passage reçoit une empreinte numérique qui décrit son sens, ce qui permet de le retrouver à partir d'une question formulée autrement que le document.

Côté organisation : votre Drive ou votre SharePoint reste la source, la base est une copie travaillée, reconstruite quand la source change. Les équipes gardent leurs habitudes de classement, vous ajoutez une couche au-dessus.

Les documents utiles sont moins nombreux que prévu. Sur les PME de 20 à 50 personnes que nous accompagnons, le socle tient entre 80 et 300 documents : procédures en vigueur, grilles tarifaires à jour, conditions de vente, fiches produit, comptes rendus de décision, réponses types du support, contrats cadres. Le reste pèse sur la recherche sans rien apporter.

Ce qu'il faut sortir, dans cet ordre : les versions antérieures d'un même document, les brouillons, les anciens tarifs, les procédures remplacées, les présentations commerciales périmées, les notes internes qui se contredisent. Une version obsolète coûte plus cher que l'absence de document. Quand le document manque, l'assistant dit qu'il ne sait pas, et la personne va demander à un collègue. Quand deux versions coexistent, l'assistant tranche à votre place, parfois pour la mauvaise, et personne ne s'en aperçoit avant le client.

Un critère de tri qui évite les débats : un document entre dans la base si une personne nommée accepte d'être citée comme responsable de son contenu. Si personne ne lève la main, le document reste dehors.

Un assistant ne relit pas un document entier avant de répondre. Il récupère les trois à cinq passages les plus proches de la question, puis rédige à partir d'eux. Si le document a été chargé en un bloc, le passage retrouvé mélange la page 12 et la page 67, et la réponse mélange deux sujets qui n'avaient rien à voir.

Le découpage suit la structure du document plutôt qu'une longueur fixe. Un titre avec ses paragraphes et son tableau : un passage. Un article de contrat : un passage. Une question du support avec sa réponse : un passage. Chaque passage doit se comprendre seul, sans la phrase qui le précédait. Cela oblige à répéter le contexte à l'intérieur du passage, par exemple « Tarif maintenance 2026, client grand compte » au-dessus du tableau, au lieu de compter sur le titre de la page précédente.

Les tableaux et les documents scannés demandent un traitement à part. Un tableau coupé au milieu produit des colonnes orphelines et des chiffres rattachés à la mauvaise ligne. C'est l'erreur la plus difficile à repérer, parce que la réponse reste plausible.

Quatre champs suffisent pour démarrer, à condition qu'ils soient remplis pour chaque document, sans exception.

La date de dernière validation, qui n'est pas la date de création du fichier. L'auteur ou le responsable, une personne nommée et joignable, pas un service. Le statut, avec trois valeurs au maximum : en vigueur, en révision, archivé. Le périmètre, qui dit à quoi le document s'applique, par exemple quelle entité, quel type de client, quelle année.

Ces champs servent deux fois. À la recherche, ils écartent tout ce qui est archivé avant même de comparer les contenus. À la réponse, ils permettent d'afficher une ligne du type « source : procédure de retour marchandise, validée le 14 mars 2026 par Sophie, en vigueur ». Un utilisateur qui voit cette ligne sait s'il doit vérifier. Un utilisateur qui reçoit un texte sans origine ne vérifie rien, ou vérifie tout, et l'outil ne fait plus gagner de temps.

Une base sans responsable nommé se dégrade en six mois. Le montage qui tient : un propriétaire par famille de documents (commercial, technique, administratif), et une personne qui garde la vue d'ensemble, pour deux à quatre heures par mois.

Le rythme dépend de la durée de vie du contenu. Les tarifs et les conditions commerciales se corrigent à chaque changement, donc au fil de l'eau. Les procédures internes se relisent une fois par trimestre. Les références réglementaires se contrôlent une fois par an, ou à chaque évolution du texte.

Ce qui fonctionne mieux qu'une revue générale annuelle : une alerte envoyée au responsable quand un document dépasse sa date de validation prévue, avec deux choix possibles, revalider ou archiver. Pas de troisième choix, pas de report. Au-delà de trente jours sans réponse, le document passe en archivé et sort des réponses de l'assistant.

Trois indicateurs suffisent, et ils se relèvent sans outil compliqué.

Le taux de réponses justes, mesuré sur un jeu de questions figé. On écrit 30 à 50 questions réelles dont la bonne réponse est connue, et on repasse ce jeu après chaque modification de la base. Sur les bases que nous suivons, un ensemble propre se tient au-delà de 80 % de réponses justes. Quand le score reste sous les deux tiers, la cause est dans le contenu ou le découpage, pas dans le modèle de langue.

Les questions sans réponse, c'est-à-dire les cas où l'assistant déclare qu'il ne sait pas. Elles se lisent chaque semaine et forment la liste des documents à écrire. C'est l'indicateur le plus utile des trois, parce qu'il dit ce qui manque.

Les documents jamais cités. Au bout de trois mois d'usage, un document qu'aucune réponse n'a jamais atteint est soit mal découpé, soit inutile. Les deux cas se traitent. À la première mesure, il n'est pas rare qu'une bonne partie de la base tombe dans cette catégorie.

Dès que plusieurs services interrogent la même base, une note de rémunération rangée au mauvais endroit devient accessible à l'assistant de l'accueil. Le filtre doit se poser sur la recherche, pas sur l'affichage. Un passage qu'une personne n'a pas le droit de lire ne doit jamais entrer dans le contexte envoyé au modèle, parce qu'il en ressort reformulé, sans le lien vers le fichier d'origine qui aurait révélé le blocage.

Deux approches tiennent en PME. Soit la base reprend les droits de la source et chaque recherche est filtrée selon l'identité de celui qui demande. Soit la base ne contient que du contenu diffusable à toute l'entreprise, et les sujets sensibles vivent dans une seconde base avec son propre accès.

La seconde approche coûte moins cher et se vérifie en une heure. La première demande une synchronisation des droits qu'il faut retester à chaque arrivée, départ et changement de poste.

Première cause : tout a été versé dans la base. Un export complet du serveur de fichiers, dix ans d'archives, les doublons et les versions intermédiaires. L'assistant trouve toujours quelque chose, et ce quelque chose est faux assez souvent pour que la base perde sa crédibilité avant d'avoir été adoptée.

Deuxième cause : personne ne la tient. Elle est juste le premier mois, approximative au troisième, désertée au sixième. Le coût de la mise en place se voit, celui de l'entretien ne se voit pas, donc il n'est pas budgété.

Troisième cause : aucune mesure. Sans jeu de questions de référence, le ressenti remplace le constat. Deux personnes trouvent que ça marche, une troisième affirme que ça invente, et rien ne permet de savoir qui a raison ni si la dernière modification a amélioré ou dégradé l'ensemble.

Les trois se préviennent avant la première ligne de code : une liste de documents validée, un responsable par famille, trente questions de référence. Sur une PME, compter deux à quatre semaines pour cette préparation, et le double si les PDF scannés sont nombreux.