Le constat : quand un projet IA déçoit en PME, la cause remonte presque toujours aux données. Pas à leur volume — la plupart des entreprises en ont largement assez — mais à leur état : dispersées, contradictoires, périmées, ou accessibles à des gens qui ne devraient pas les voir.
La promesse d'une IA connectée à vos données internes est réelle : poser une question en langage naturel et obtenir une réponse fondée sur vos propres documents. Mais un système de type RAG ne corrige pas ce qu'il lit — il le restitue avec assurance. Un tarif obsolète devient une réponse fausse énoncée avec autorité. Voici les cinq chantiers à traiter avant de connecter quoi que ce soit.
1. Savoir où sont réellement vos données
Première surprise de presque tous les cadrages : l'écart entre l'endroit où les documents sont censés être et l'endroit où ils sont vraiment. Le serveur de fichiers officiel coexiste avec des dossiers partagés en ligne, des pièces jointes d'emails, des tableurs sur des postes individuels et des messages dans les outils de discussion interne.
Cette dispersion n'est pas un défaut d'organisation à corriger d'abord — c'est un état de fait à cartographier. L'objectif n'est pas de tout ranger avant de commencer, ce qui repousserait le projet indéfiniment. Il s'agit d'identifier, pour le processus visé, quelles sources font autorité et lesquelles sont des copies de travail.
« La question n'est pas "où sont vos documents ?" mais "lequel fait foi quand deux versions se contredisent ?". Beaucoup d'entreprises n'ont jamais eu à trancher — jusqu'à ce qu'une IA restitue la mauvaise. »
Ce qu'il faut établir, source par source
- Qui la met à jour, et à quelle fréquence réelle — pas théorique
- Fait-elle autorité ou n'est-ce qu'une copie de travail
- Contient-elle des données personnelles ou confidentielles
- Depuis quand n'a-t-elle pas été révisée
2. Traiter le problème des droits d'accès
C'est le point le plus souvent négligé, et celui qui expose le plus l'entreprise. Une IA connectée aux données internes hérite des permissions qu'on lui donne — et si on lui donne un accès large « pour simplifier », elle devient un moyen très efficace de contourner toutes les cloisons de l'entreprise.
Le scénario concret : un collaborateur demande à l'assistant interne une information anodine, et la réponse s'appuie sur un document de la direction — grille salariale, dossier de litige, projet de réorganisation — auquel il n'a normalement pas accès. Techniquement, le système a bien fonctionné. Organisationnellement, l'incident est sérieux.
Le principe : l'IA ne doit jamais élargir les droits
Un agent doit répondre en tenant compte de l'identité de la personne qui l'interroge, avec exactement les mêmes droits que ceux dont cette personne dispose sur les systèmes sources. Ce filtrage doit intervenir à la recherche des documents, pas à la génération de la réponse : un document qu'on ne devrait pas voir ne doit jamais entrer dans le contexte, même s'il n'apparaît pas dans le résultat final.
À vérifier avant toute connexion
- Les permissions existantes sont-elles à jour ? Les départs et changements de poste sont-ils répercutés ?
- Existe-t-il des dossiers ouverts à tous qui contiennent des documents sensibles ?
- L'agent peut-il filtrer selon l'utilisateur, ou lit-il tout avec un compte unique ?
- Les données personnelles présentes sont-elles identifiées et leur traitement documenté ?
Ce travail n'est pas propre à l'IA — il relève de l'hygiène d'accès que toute entreprise devrait tenir. Mais un projet IA le rend visible, parce qu'il transforme des permissions trop larges en risque immédiat. C'est un sujet à traiter conjointement avec les questions de conformité RGPD et de sécurisation de l'infrastructure.
3. Éliminer ce qui est périmé — et savoir le dater
Un document faux est moins dangereux qu'un document périmé. Le premier se repère ; le second est plausible, cohérent, bien rédigé — il était juste vrai il y a deux ans.
Les cas classiques : une grille tarifaire remplacée mais jamais supprimée, une procédure interne réécrite dont l'ancienne version circule toujours, des conditions commerciales renégociées dont l'ancien contrat reste dans le dossier client. Une IA qui trouve ces documents les traitera comme des sources valides, parce que rien dans le fichier n'indique qu'ils ne le sont plus.
Trois mesures simples et efficaces
- Archiver hors périmètre : les versions dépassées sortent de la zone que l'agent peut consulter. Elles restent accessibles aux humains, mais ne sont plus indexées.
- Dater ce qui fait autorité : une date de dernière révision visible dans le document permet à l'agent de la citer, et au lecteur de juger.
- Signaler les documents à durée de validité : tarifs, conditions, procédures réglementées — tout ce qui expire mérite une mention explicite.
Ce nettoyage n'a pas besoin d'être exhaustif. Il doit être fait sur le périmètre du premier processus visé, et c'est tout. Vouloir assainir l'ensemble du patrimoine documentaire avant de démarrer est le meilleur moyen de ne jamais démarrer.
4. Récupérer ce qui n'est écrit nulle part
C'est le chantier le plus intéressant, et celui qu'aucun outil ne résout. Dans toute PME, une part significative du savoir opérationnel n'existe dans aucun document : elle est dans la tête de trois ou quatre personnes.
« Sur ce type de client, on applique toujours une remise. » « Ce fournisseur annonce dix jours mais livre en trois semaines, on prévoit large. » « Cette mention dans le cahier des charges, on sait qu'elle veut dire autre chose. » Ces règles gouvernent le travail réel. Aucune n'est écrite. Un agent construit sans elles produira des résultats formellement corrects et pratiquement inutilisables.
« Le meilleur moment pour formaliser les règles implicites d'un métier, c'est quand on essaie de les confier à une machine. C'est souvent la première fois que quelqu'un pose la question à voix haute. »
Comment on procède concrètement
La méthode qui fonctionne est simple : on prend une vingtaine de cas réels récents, traités par la personne experte, et on lui demande d'expliquer chaque décision. Ce n'est pas un entretien théorique sur « comment ça marche » — c'est une revue de cas concrets, parce que les règles implicites n'apparaissent qu'au contact des situations particulières.
Ce corpus de cas commentés a deux usages : il alimente la conception de l'agent, et il sert ensuite de base d'évaluation pour vérifier que l'agent traite correctement les cas connus. C'est un actif durable pour l'entreprise, indépendamment du projet IA — il survit au départ de la personne experte.
5. Vérifier que la donnée est exploitable techniquement
Dernier chantier, plus classique mais loin d'être anodin : tous les documents ne se lisent pas également bien.
Les formats qui posent problème
- Les PDF scannés : une image de texte n'est pas du texte. Sans reconnaissance de caractères, le contenu est invisible pour l'agent.
- Les tableurs complexes : cellules fusionnées, onglets multiples, formules et mises en forme porteuses de sens sont mal restitués en texte brut.
- Les documents où la structure porte l'information : un tableau comparatif perd son sens s'il est aplati en une suite de mots.
- Les captures d'écran échangées en interne, qui contiennent souvent des informations qu'on ne retrouve nulle part ailleurs.
Le volume n'est pas le sujet
Une inquiétude fréquente porte sur la quantité : « a-t-on assez de données ? ». Pour la grande majorité des usages en PME, la réponse est oui, et largement. Le facteur limitant n'est presque jamais le volume mais la qualité et l'accessibilité. Mille pages fiables et bien tenues valent mieux que cent mille pages dont personne ne sait lesquelles font foi.
C'est également ce qui détermine l'approche technique retenue. Selon la nature de vos données et de vos usages, la bonne réponse peut être une recherche documentaire, un accès direct aux systèmes métier, ou une combinaison des deux — un arbitrage que nous détaillons dans notre comparatif fine-tuning, RAG ou prompting.
6. Par où commencer, concrètement
Ces cinq chantiers peuvent sembler lourds. Ils ne le sont que si on tente de les traiter sur l'ensemble du patrimoine de l'entreprise. Sur le périmètre d'un premier processus, ils représentent généralement quelques jours de travail — et ce travail conditionne tout le reste.
L'ordre qui fonctionne : on part du processus visé, on liste les sources dont il dépend réellement, on vérifie les droits d'accès sur ces sources uniquement, on écarte ce qui est périmé, et on récupère les règles implicites auprès de la personne experte. Le reste du patrimoine documentaire attendra le processus suivant.
Cette logique rejoint directement celle du cadrage : plus le périmètre initial est serré, plus la préparation des données est rapide et sûre. C'est d'ailleurs pourquoi un premier agent doit traiter un seul processus — la préparation des données en est la conséquence directe.
Chez Lewis, cette phase fait partie de l'audit initial. On ne connecte rien avant d'avoir répondu à ces questions, parce qu'un agent branché sur des données mal préparées produit un résultat qui déçoit sans qu'on sache pourquoi — et qui décrédibilise durablement le sujet en interne.