Brancher l'IA sur vos documents internes : la base de connaissances d'équipe sans projet informatique.

Commençons par la bonne nouvelle, et elle vient d'une source qui n'a rien à vous vendre. Dans son guide officiel consacré à la génération augmentée par récupération, la Direction générale des entreprises écrit que cette technologie est « accessible à toutes les entreprises, quelles que soient leur taille et leur secteur d'activité », et qu'elle « ne nécessite pas de compétences en IA ni même en informatique en interne pour être adoptée ». Les données concernées peuvent être « aussi bien des e-mails, documents textuels et PDF du quotidien que des bases de données juridiques ou techniques d'une grande complexité ».

Autrement dit : le mot qui verrouille le sujet — RAG — décrit une technique, pas un budget. Et dans une PME de quarante personnes, la majorité des besoins réels se traite avec ce que vous payez déjà. Encore faut-il savoir lequel des trois niveaux d'ambition correspond à votre situation, et à quelle condition il tient.

Ce qu'un dirigeant demande, ce qu'un informaticien entend

La demande, formulée par un dirigeant, tient en une phrase : « quand un salarié pose une question sur notre façon de faire, je veux qu'il obtienne notre réponse, pas une réponse générale ». C'est une demande de fiabilité, et accessoirement de traçabilité : savoir de quel document sort la réponse.

Traduite en langage technique, la même demande devient un projet de génération augmentée par récupération, avec deux modules — un module de récupération qui cherche les extraits pertinents dans un corpus, un module de génération qui rédige la réponse à partir de ces extraits. Le guide de la DGE décrit précisément cet enchaînement, et énonce l'intérêt principal : la technique améliore la pertinence et la précision des réponses, améliore la traçabilité de l'information et réduit le risque d'hallucinations par rapport à l'usage d'un modèle seul.

Le malentendu ne porte donc pas sur le résultat visé mais sur l'échelle. Un prestataire chiffre une architecture ; un dirigeant voulait une réponse fiable à trente questions récurrentes. Avant de choisir, la DGE propose cinq questions de qualification que nous reprenons telles quelles, parce qu'elles font le tri en dix minutes.

• La tâche met-elle en jeu des bases documentaires de grande ampleur, internes à l'entreprise ? Si votre corpus tient en quarante fichiers, la réponse est non, et c'est une excellente nouvelle.
• Ces bases changent-elles souvent ? Un corpus qui bouge chaque semaine impose une mécanique de mise à jour ; un corpus stable se recharge à la main.
• Sont-elles organisées en base de données structurée ? Dans la plupart des PME, la réponse est non — d'où le chapitre suivant.
• Les résultats doivent-ils être intégrés à une réponse rédigée en langage naturel ? Si un simple moteur de recherche suffisait, n'ajoutez pas d'IA.
• La tâche nécessite-t-elle une traçabilité de l'information, c'est-à-dire de pouvoir citer les références des documents employés pour répondre ? C'est souvent la vraie exigence, et elle est déterminante.

Ce vocabulaire mérite d'être maîtrisé par le dirigeant lui-même, ne serait-ce que pour discuter avec un prestataire sans se faire impressionner : notre lexique IA du dirigeant donne les définitions, et le guide de l'IA en PME replace le sujet dans l'ensemble.

Ranger avant de brancher : là où l'échec se joue

Voici le chapitre que les prestataires abrègent et que les dirigeants découvrent trop tard. Une IA branchée sur un corpus mal tenu ne produit pas moins de réponses : elle produit des réponses fausses, avec assurance, en citant des documents réels. C'est pire qu'une absence de réponse, parce que c'est crédible.

Le guide de la DGE consacre une partie entière au prétraitement des données et le qualifie d'étape essentielle pour garantir la performance du système. Sa liste de nettoyage est la meilleure grille de départ que nous connaissions, parce qu'elle nomme les vrais coupables : suppression des doublons, correction des erreurs, mise en cohérence des données — c'est-à-dire suppression des documents donnant des informations contradictoires —, retrait des en-têtes, pieds de page, pages de garde et tables des matières, anonymisation ou pseudonymisation des données à caractère personnel.

Relisez la troisième : supprimer les documents donnant des informations contradictoires. Dans une PME, ce sont les trois versions de la même procédure, dont deux périmées, qu'aucun être humain ne consulte plus mais que le dossier partagé conserve. Un collaborateur sait d'instinct laquelle est la bonne. Une IA, non.

Ce que vous rangez ne sert d'ailleurs pas qu'à l'IA : c'est le seul chantier de ce dossier dont le bénéfice existerait même si vous abandonniez le projet. Voici le test que nous faisons passer en atelier pour savoir où vous en êtes. Il prend une heure et il décide de tout.

Écrivez les dix questions que vos équipes posent le plus souvent
sur votre façon de faire. Les vraies, celles qui reviennent en
réunion et par message.

Pour chacune, répondez à trois colonnes :

  A. Le document qui contient la réponse existe-t-il ?
     oui / non / il en existe plusieurs
  B. Si oui, est-il à jour et daté ?
     oui / non / je ne sais pas
  C. Une personne extérieure au service trouverait-elle la bonne
     réponse en le lisant seule ?
     oui / non

Lecture du résultat :
- Plus de 3 « il en existe plusieurs » en colonne A → vous avez un
  problème de version, pas un problème d'IA. Rangez d'abord.
- Plus de 3 « non » en colonne B → mettez une date et un numéro de
  version avant toute chose.
- Plus de 5 « non » en colonne C → la connaissance est dans les
  têtes, pas dans les fichiers. Aucune IA ne la trouvera.
  Commencez par la faire écrire.

Vous n'êtes prêt pour le niveau 2 que si les dix questions ont un
document unique, daté, et lisible par un non-initié.

Le troisième cas de figure est le plus fréquent, et c'est un sujet de formation avant d'être un sujet d'outil : faire écrire ce qui n'existe qu'oralement. La méthode que nous employons est celle du second cerveau, trois fichiers texte qui évitent de tout réexpliquer, appliquée à un service entier plutôt qu'à une personne. Et la matière première la plus rentable à écrire est souvent la plus banale : les décisions prises en réunion, ce qui suppose de produire des comptes rendus exploitables et de cadrer les réunions elles-mêmes.

Un mot d'hygiène, tant que le corpus est encore sur la table : chaque document appelé à entrer dans une base interrogeable gagne un en-tête de six lignes. C'est trivial, ça prend trente secondes par fichier, et ça résout à lui seul la moitié des réponses fausses.

TITRE : ..................................................
VERSION : ....   EN VIGUEUR DEPUIS LE : .... / .... / ....
REMPLACE : [titre et version du document rendu obsolète]
PÉRIMÈTRE : [à qui et à quoi ce document s'applique]
NE S'APPLIQUE PAS À : [les cas explicitement exclus]
RESPONSABLE DU DOCUMENT : [nom, prénom, fonction]
PROCHAINE RELECTURE PRÉVUE : .... / ....

Les entreprises certifiées reconnaîtront cet en-tête : c'est celui de leur maîtrise documentaire, qu'elles tiennent déjà pour leurs procédures. Elles partent donc avec une avance considérable sur ce chantier, et la question devient l'inverse — comment l'IA aide à tenir ce corpus à jour sans jamais l'approuver à votre place, ce que nous détaillons dans la rédaction et la mise à jour d'une documentation qualité ISO 9001 avec l'IA.

Niveau 1 : ce que vous pouvez faire dès aujourd'hui

Le premier niveau ne demande aucun paramétrage, aucun budget supplémentaire et aucune décision de direction : un dossier partagé rangé, et les documents pertinents joints à la conversation au moment où l'on pose la question. C'est rudimentaire, et c'est déjà largement au-dessus de ce que fait une PME moyenne.

Ce que ce niveau permet réellement : résumer un contrat, comparer deux versions d'un cahier des charges, extraire d'un devis les éléments à recopier, répondre à une question en s'appuyant sur les trois documents que vous venez de déposer. Ce qu'il ne permet pas : se souvenir. Chaque conversation repart de zéro, et c'est la limite qui finit par lasser.

La vraie contrainte de ce niveau n'est donc pas technique, elle est disciplinaire : il faut que la personne sache où est le bon document, ce qui renvoie directement au test des dix questions. Le geste s'apprend en une séance, et il est au programme de notre parcours administratif et office comme de celui des opérations et des achats. Il suppose aussi de savoir formuler une demande précise — c'est la matière de notre méthode d'écriture de prompts.

Niveau 2 : la base de connaissances d'équipe

C'est le niveau que personne n'a intérêt à vous décrire, et c'est celui qui règle l'essentiel des besoins d'une PME. Les trois grands éditeurs proposent, dans des abonnements que vous payez peut-être déjà, un espace persistant où l'on dépose un corpus une fois pour toutes, qu'on assortit d'instructions, et qu'on partage avec une équipe.

Anthropic est le plus explicite sur ce qui se passe sous le capot, et la formulation vaut d'être citée : sur les plans payants, les projets passent automatiquement à l'échelle pour traiter de grands volumes de contenu grâce à la génération augmentée par récupération, et lorsque la connaissance du projet approche des limites de contexte, Claude bascule en mode récupération pour étendre la capacité jusqu'à dix fois tout en maintenant la qualité des réponses. Autrement dit : la technique dont un prestataire vous vend l'installation est déjà là, incluse, et elle s'active sans que vous ayez à le demander.

Chez Google, le même besoin se traite avec un notebook, dont les plafonds publiés sont précis : 100 notebooks, 50 sources par notebook, 500 000 mots par source, 200 Mo par import local, sans limite de pages — et, sur le palier gratuit, 50 questions par jour. L'aide de Google énonce aussi la propriété qui fait tout l'intérêt de l'outil, et qu'il faut expliquer aux équipes avant de le déployer : l'outil répond aux questions à partir des informations fournies dans les sources importées, et ne pourra pas répondre s'il n'y a pas de réponse dans le document source. C'est une limite, et c'est exactement ce que vous cherchiez.

Reste à écrire les instructions de l'espace, et c'est là que la qualité se gagne. Voici le gabarit que nous utilisons ; il tient dans le champ d'instructions d'un projet, d'un Gem ou d'un GPT personnalisé, et il est directement recopiable.

# RÔLE
Tu réponds aux questions des salariés de [ENTREPRISE] sur nos
procédures internes, en t'appuyant exclusivement sur les documents
de cet espace.

# RÈGLE DE SOURCE — la plus importante
Tu ne réponds qu'à partir des documents de cet espace. Tu n'utilises
ni tes connaissances générales, ni le web, même si tu penses
connaître la réponse.
À chaque réponse, tu cites le titre du document, sa version et sa
date d'entrée en vigueur.
Si l'information n'est pas dans les documents, tu écris exactement :
« Cette information n'est pas dans nos documents. À demander à
[fonction du référent]. » Puis tu t'arrêtes.

# GESTION DES CONTRADICTIONS
Si deux documents se contredisent, tu ne choisis pas. Tu écris
« CONTRADICTION » puis tu cites les deux passages avec leurs dates,
et tu signales lequel est le plus récent.

# GESTION DE L'ANCIENNETÉ
Si le document sur lequel tu t'appuies porte une date d'entrée en
vigueur antérieure à [date seuil], tu ajoutes en fin de réponse :
« Document ancien, à faire confirmer. »

# FORME
Réponse en 120 mots maximum, vouvoiement, phrases courtes.
Puis une ligne « Source : [titre] — version [x] du [date] ».
Aucune reformulation créative d'une règle : tu cites ou tu résumes
au plus près.

# CE QUE TU NE FAIS PAS
Tu ne donnes aucun avis juridique, fiscal ou médical.
Tu ne traites aucune demande concernant une personne nommée
(évaluation, salaire, dossier disciplinaire, santé) : tu réponds
« Demande à traiter par un humain. »
Tu ne calcules ni montant, ni délai légal, ni indemnité.

Trois lignes de ce gabarit font la différence, et ce sont les trois qu'on oublie : l'ordre de ne pas répondre quand l'information est absente, la gestion des contradictions qui transforme un défaut du corpus en signal exploitable, et la date seuil qui rend visible l'obsolescence. Un espace configuré sans ces trois règles produira des réponses fluides et parfois fausses. La logique est la même que pour un assistant IA configuré pour un poste précis, avec ses six blocs d'instructions et sa recette de test — la parenté n'est pas fortuite : c'est la même méthode appliquée à un corpus plutôt qu'à une tâche.

Une fois ces espaces créés, ils deviennent un patrimoine qu'il faut ranger comme le reste. La méthode est celle de la bibliothèque de prompts et de gabarits d'une PME, et la personne qui la tient est celle que nous appelons le référent IA interne.

Niveau 3 : quand un projet dédié devient justifié

Il existe des situations où les deux premiers niveaux ne suffisent pas, et il serait malhonnête de le nier. Elles ont trois signatures : un corpus de plusieurs milliers de documents, une mise à jour permanente qui interdit le rechargement manuel, ou une exigence de droits d'accès différenciés à l'intérieur du corpus — un commercial et un responsable de paie n'ayant pas à interroger la même base.

Le budget, alors, change de nature. Le guide de la DGE donne l'ordre de grandeur, en indiquant l'avoir établi à partir d'entretiens avec des professionnels du secteur : la prestation d'installation d'un système par un intégrateur est estimée à environ 100 000 euros. Pour un développement interne, le même guide décrit la mobilisation d'au moins un data scientist, un développeur et un administrateur système pendant au moins trois mois. À quoi s'ajoute, hors formule logicielle en abonnement, le coût de la puissance de calcul — que la DGE chiffre à environ 106 euros par salarié utilisateur et par an dans le cloud avec un modèle de petite taille, contre 3 250 euros d'achat de processeur graphique et environ 2 euros par salarié et par an d'électricité en hébergement sur site, tous ces coûts ayant été évalués en juin 2024.

Ces chiffres méritent d'être lus deux fois, parce qu'ils disent l'inverse de l'intuition courante : le calcul ne coûte presque rien, c'est le projet qui coûte. Un dirigeant qui hésite entre former ses équipes et faire développer un outil a donc un arbitrage financier réel à conduire — nous l'avons documenté dans notre chiffrage du coût de l'IA pour une PME. Et si la souveraineté est un critère dominant chez vous, l'analyse se déplace vers les acteurs européens : notre dossier sur Mistral AI et l'IA souveraine traite ce cas.

Le guide de la DGE ajoute une nuance importante pour les PME les moins outillées : pour les entreprises ne disposant pas de bases de données bien organisées ou de grande ampleur, les cas d'usage simples — comme la rédaction automatique d'e-mails — peuvent apporter des gains de productivité importants. Traduction : si votre corpus est en désordre, l'investissement rentable n'est pas la base de connaissances, ce sont les gestes du quotidien, du type de ceux que nous décrivons pour la gestion des e-mails.

Le tableau ci-dessous résume l'arbitrage, avec pour chaque niveau le signal précis qui indique qu'il ne suffit plus.

Ordres de grandeur de coût issus du guide RAG de la Direction générale des entreprises (novembre 2024, coûts évalués en juin 2024). Les plafonds du niveau 2 sont ceux publiés par les éditeurs et relevés le 27 juillet 2026 : ils bougent souvent.

Quatre erreurs qui produisent des réponses fausses

Ces quatre erreurs ont un point commun : les documents sont justes, et les réponses fausses. C'est ce qui les rend difficiles à diagnostiquer, et c'est pourquoi elles font abandonner des projets pourtant bien engagés — un phénomène que nous avons décrit plus largement parmi les erreurs les plus fréquentes des PME qui démarrent avec l'IA.

• Verser le dossier partagé en bloc. C'est l'erreur mère. Plus le corpus est large, moins la récupération est précise : elle rapporte des extraits proches du sujet mais issus de documents périmés. Un corpus de quarante documents choisis répond mieux qu'un corpus de quatre mille.
• Ne pas autoriser la non-réponse. Sans instruction explicite, un modèle comble les trous. La DGE souligne d'ailleurs que la qualité du module de recherche est déterminante et qu'il ne faut pas la négliger : quand la recherche ne trouve pas, il faut que le système le dise, pas qu'il improvise.
• Oublier les scans. Un PDF issu d'un scan sans reconnaissance optique de caractères est, pour l'outil, une image vide. Vous croirez le document indexé ; il ne l'est pas. La conversion en texte figure explicitement dans les étapes de préparation recommandées par la DGE.
• Laisser les dates hors du texte. Si la date de validité est dans le nom du fichier ou dans les propriétés du document, l'outil ne la verra pas. Elle doit être dans le corps du texte — d'où l'en-tête de six lignes proposé plus haut.

Une cinquième cause, plus insidieuse, ne vient pas du corpus mais des attentes. Le guide de la DGE recommande de donner une vision objective des performances des modèles, de leurs bénéfices comme de leurs limites, de manière à éviter le double écueil de la perception d'une IA omnipotente, qui conduit nécessairement à la déception, et d'une IA inutile. C'est un travail d'explication, pas de configuration, et il conditionne l'adoption — le même guide insiste sur l'association des utilisateurs finaux le plus tôt possible. La façon de mener cette conversation est celle que nous décrivons pour embarquer une équipe réticente sans la braquer.

Qui a le droit de voir quoi : l'angle mort systématique

C'est le sujet dont on ne parle jamais avant l'incident, et il tient en une phrase : une base documentaire interrogeable expose ce que les dossiers partagés protégeaient par obscurité. Un fichier de salaires oublié dans un sous-dossier depuis 2019 n'était pas protégé, il était simplement introuvable. Rendez le corpus interrogeable en langage naturel, et il devient trouvable par tout le monde.

La documentation de Microsoft est parfaitement claire sur le partage de responsabilité, et le passage mérite d'être lu par tout dirigeant qui déploie un outil de ce type : Microsoft 365 Copilot n'expose que les données organisationnelles sur lesquelles chaque utilisateur détient au moins un droit de lecture, et il est « important d'utiliser les modèles de permissions disponibles dans les services Microsoft 365, tels que SharePoint, pour garantir que les bons utilisateurs ou groupes ont le bon accès au bon contenu ». Autrement dit : l'outil applique fidèlement vos droits, y compris quand ils sont faux. Microsoft publie d'ailleurs une documentation de déploiement entièrement consacrée à la remédiation du surpartage avant l'ouverture d'un tel service — c'est dire l'ampleur du problème constaté chez ses clients.

Le guide de la DGE inscrit la même exigence dans sa liste de sécurité : « gestion des accès : contrôler les droits d'accès pour limiter l'utilisation du système ou les requêtes à telles bases de données aux personnes autorisées ». Rien de plus, rien de moins — mais c'est une ligne de projet à part entière, pas une case à cocher.

La revue des droits, avant de brancher quoi que ce soit, tient en cinq gestes.

• Listez ce qui entrera dans le corpus, dossier par dossier, et non « le lecteur réseau ». Si vous ne pouvez pas énumérer, vous n'êtes pas prêt.
• Sortez du périmètre les cinq familles sensibles : paie et contrats de travail, dossiers de candidats, données de santé, dossiers disciplinaires, informations couvertes par une clause de confidentialité client. Le cadre est celui de l'IA et du RGPD en PME.
• Vérifiez les droits en vous mettant à la place du profil le moins habilité. La question n'est pas « qui peut voir ce dossier » mais « qu'est-ce qu'un stagiaire trouverait s'il posait la bonne question ».
• Décidez de la durée de conservation du corpus indexé, et pas seulement des documents d'origine. Les réglages qui le permettent sont recensés dans notre guide de configuration des comptes IA d'une PME.
• Écrivez la règle et diffusez-la. Une base de connaissances ouverte sans un mot d'explication produit toujours le même effet : quelqu'un teste ce qu'il peut trouver sur ses collègues. Le document qui prévient cela est la politique IA d'une page.

Un dernier point, souvent décisif dans les PME : les comptes personnels. Une base de connaissances d'équipe n'a de sens que sur des comptes professionnels administrés — sinon vous ne saurez ni qui a accès, ni ce qui a été indexé, ni comment révoquer. C'est le prolongement direct du problème du shadow AI en PME.

Mesurer que ça sert : deux indicateurs relevés au mois

Une base de connaissances qui n'est pas mesurée devient, en six mois, un dossier que plus personne n'ouvre. Deux indicateurs suffisent, et ils se relèvent en dix minutes par mois.

Le premier est le nombre de questions posées à l'espace, par service. Il ne mesure pas la qualité, il mesure l'existence : un espace à trois questions par mois est mort, et il vaut mieux le savoir en février qu'en décembre. Le second est le nombre de fois où l'espace a répondu « cette information n'est pas dans nos documents ». Contre-intuitivement, c'est le plus utile des deux : chaque occurrence est une lacune identifiée dans votre corpus, donc une procédure à écrire. Un espace bien instruit vous fournit gratuitement la liste de ce qu'il vous manque.

La DGE recommande de son côté d'évaluer régulièrement le système en combinant le recueil des retours des utilisateurs, des mesures quantitatives et l'évaluation par un grand modèle de langage, et rappelle que l'évaluation objective de la performance est un facteur déterminant de l'adoption. Pour une PME, les deux indicateurs ci-dessus tiennent ce rôle sans outillage, et leur place est dans le tableau de bord du dirigeant, aux côtés du calcul décrit dans notre méthode de mesure du retour sur investissement de l'IA.

Mois : ..........   Relevé par : ..........

1. Questions posées à l'espace ce mois-ci : ......
   Dont par service : ...................................
2. Réponses « information absente de nos documents » : ......
   → Liste des sujets concernés (ce sont vos prochaines
     procédures à écrire) :
     ..................................................
     ..................................................
3. Contradictions signalées par l'espace : ......
   → Documents à arbitrer et à archiver : ...............
4. Documents dépassant la date seuil : ......
   → À faire relire par leur responsable : ..............
5. Une réponse fausse repérée par un utilisateur ce mois-ci ?
   oui / non — si oui, la cause était : corpus / instructions /
   droits d'accès / attente mal calibrée.

Décision du mois (une seule) : ..........................

Ce relevé a une vertu inattendue : il transforme l'entretien du corpus en routine visible, ce qui est la seule façon connue d'empêcher une base documentaire de se périmer. Et il rend le sujet enseignable, poste par poste — c'est l'objet de la formation IA des équipes de PME. Pour situer votre point de départ, le test de maturité IA prend dix minutes.