Une intelligence artificielle peut générer des réponses convaincantes sans réellement connaître votre entreprise. Découvrez comment lui donner le contexte nécessaire pour travailler avec cohérence : informations pertinentes, décisions en vigueur, instructions, limites et critères de qualité.
Imaginez que vous demandiez à un outil d’intelligence artificielle de rédiger une page pour présenter l’un des services de votre entreprise.
Vous lui expliquez brièvement votre offre et demandez un texte professionnel et persuasif.
Quelques secondes plus tard, vous recevez une proposition.
Elle possède un titre accrocheur, une structure ordonnée et des arguments qui semblent raisonnables. Elle contient même un appel à l’action.
Au premier abord, le travail paraît terminé.
Mais en le relisant, vous découvrez plusieurs problèmes.
L’IA présente votre entreprise comme une solution économique, alors que votre positionnement repose sur la spécialisation.
Elle promet des délais de livraison que vous n’avez jamais garantis.
Elle utilise un langage commercial qui ne correspond pas à votre façon de travailler.
Et elle s’adresse à un public différent de celui que vous avez choisi de privilégier.
Le texte est bien écrit.
Mais il ne représente pas correctement votre entreprise.
Le problème ne tient pas nécessairement aux capacités linguistiques de l’outil.
Il ne signifie pas non plus qu’il faut trouver une formule secrète pour écrire de meilleures instructions.
Il manque peut-être quelque chose de plus important.
L’IA connaît la tâche, mais ignore les décisions de l’entreprise qui devraient l’orienter.
Elle ne sait pas quelles promesses vous pouvez tenir, quels clients sont prioritaires, quels arguments représentent votre proposition de valeur ou quelles informations ont été approuvées.
Quand ces éléments manquent, le système peut combler les vides avec des modèles habituels, des suppositions ou des affirmations plausibles.
Le résultat peut paraître professionnel tout en étant inadapté.
Cette distinction compte : utiliser l’intelligence artificielle dans une entreprise ne consiste pas seulement à produire davantage de textes, rapports ou propositions.
Il s’agit de réaliser un travail qui puisse s’intégrer à ses processus, respecter ses décisions et contribuer à des objectifs concrets.
Pour cela, l’outil a besoin de plus qu’une bonne question.
Il a besoin d’un contexte d’entreprise.
Ce contexte doit être sélectionné, actualisé et accompagné d’instructions, de limites et de critères de vérification.
Car une IA peut répondre sans connaître votre entreprise.
Mais produire un travail réellement utile exige de comprendre ce qu’elle doit faire, quelle réalité elle doit respecter et comment vérifier si le résultat convient.
1. Une réponse correcte peut rester inutile pour votre entreprise
Les outils d’intelligence artificielle générative peuvent rédiger des textes, résumer des documents, comparer des options, organiser des informations et aider à réaliser des tâches de complexité variable.
Leurs capacités sont importantes.
Mais il faut distinguer une réponse qui semble correcte d’un résultat utilisable dans une entreprise.
La qualité formelle ne garantit pas l’utilité pour l’entreprise
Imaginons que vous prépariez une proposition commerciale.
L’IA organise correctement le document.
Elle présente une introduction, décrit des avantages et termine par une invitation à signer.
Pourtant, elle utilise un prix appartenant à une ancienne version de votre offre.
Le document peut être parfaitement rédigé et commercialement erroné.
Pensons maintenant à une analyse stratégique.
L’outil identifie des occasions de croissance, propose de nouveaux services et organise les priorités.
Mais l’une de ces possibilités a déjà été étudiée puis écartée, car l’entreprise n’a pas les capacités opérationnelles pour la développer.
La recommandation peut paraître intelligente.
Elle ignore pourtant une décision pertinente.
Cela peut arriver aussi dans des tâches apparemment simples.
Une réponse à un client peut promettre une condition que l’entreprise ne propose pas.
Un article peut utiliser des données que personne n’a vérifiées.
Un document interne peut mélanger les critères de projets différents.
Dans tous ces cas, le problème ne se trouve pas nécessairement dans la rédaction.
Il se trouve dans l’écart entre ce que l’outil a produit et ce dont l’entreprise a réellement besoin.
L’IA ne connaît pas automatiquement les décisions de votre entreprise
Un outil peut posséder des connaissances générales sur le marketing, l’architecture, la restauration ou d’autres métiers.
Il peut connaître les pratiques courantes et proposer des solutions raisonnables.
Mais ce savoir général ne doit pas être confondu avec la réalité particulière d’une organisation.
L’outil ne connaît pas nécessairement les décisions commerciales que vous avez approuvées.
Il ne sait pas non plus quels projets ont été abandonnés, quels services sont disponibles ou quels prestataires interviennent dans vos opérations.
Même s’il a accès à des documents de l’entreprise, ceux-ci peuvent être incomplets, contradictoires ou dépassés.
Nous devons donc lui donner les références nécessaires à la tâche.
Non pas pour l’empêcher de proposer des idées nouvelles.
Mais pour qu’il distingue la réalité actuelle de l’entreprise des options qui restent à examiner.
Une proposition peut être créative sans présenter une hypothèse comme une décision approuvée.
La finalité de la tâche change ce qu’est une bonne réponse
Explorer des idées pour un nouveau service n’est pas la même chose que rédiger la page définitive d’un service déjà approuvé.
Dans le premier cas, nous pouvons accueillir des options et une certaine expérimentation.
Dans le second, nous avons besoin de plus de précision.
Les conditions commerciales doivent correspondre à l’offre en vigueur.
Les arguments doivent être fondés.
Et les affirmations destinées au public doivent être vérifiées.
Il en va de même pour les analyses.
Une recherche préliminaire peut présenter des hypothèses.
Un rapport destiné à soutenir une décision doit distinguer les faits, les incertitudes et les recommandations.
Le contexte doit donc expliquer aussi l’usage prévu du résultat.
Il ne suffit pas que l’IA connaisse le sujet.
Elle doit connaître la fonction que son travail doit remplir.
2. Informations, contexte, instructions et jugement : quatre éléments distincts
Parler de contexte pour l’intelligence artificielle peut laisser penser qu’il suffit de joindre davantage de documents.
Mais disposer de beaucoup d’informations ne garantit pas que le système comprendra leur signification.
Il convient de distinguer quatre éléments.
| Élément | Ce qu’il représente | Exemple |
|---|---|---|
| Informations | Matériaux et données disponibles | Documents, pages, notes, conversations et registres |
| Contexte | Informations pertinentes organisées pour une tâche | Offre en vigueur, public prioritaire, situation et contraintes |
| Instructions | Le travail à accomplir par l’IA et la manière de l’aborder | Préparer une page commerciale selon une structure donnée |
| Jugement et autorité | Qui établit les décisions valables et approuve leurs conséquences | Direction de l’entreprise, documents approuvés et responsables |
Les quatre sont liés.
Mais ils ne remplissent pas la même fonction.
Informations : ce que nous savons ou possédons
Une entreprise peut disposer de présentations commerciales, de documents stratégiques, de pages web, d’e-mails, de devis et de conversations.
Tout cela contient des informations potentiellement utiles.
Mais elles ne sont pas toutes pertinentes pour chaque tâche.
Et elles ne représentent pas toutes une décision en vigueur.
Un ancien devis peut aider à comprendre l’évolution d’une offre.
Cela ne signifie pas que ses prix soient encore valables.
Une proposition abandonnée peut éclairer une décision passée.
Elle ne devrait pas être présentée automatiquement comme un service disponible.
Contexte : ce qui compte pour cette tâche
Le contexte sélectionne et organise les informations nécessaires pour bien interpréter la demande.
Par exemple, pour rédiger une page commerciale, il est utile de connaître :
Le service présenté.
Les personnes auxquelles il s’adresse. Le guide sur le client idéal et le buyer persona aide à les définir.
Le problème qu’il résout.
Ce qui le distingue.
Les conditions réellement proposées.
Le langage qui représente l’entreprise.
Et l’action que nous voulons faciliter.
Il n’est pas nécessaire de fournir tous les documents produits par l’entreprise en dix ans.
Il faut réunir les références qui changent sensiblement la qualité du travail.
La documentation technique d’OpenAI présente le contexte pertinent comme l’un des moyens d’aider les modèles à travailler avec des informations spécifiques, notamment des connaissances d’entreprise absentes de leurs données d’entraînement. [1]
Instructions : ce que l’outil doit faire
Les instructions définissent la tâche.
Elles peuvent préciser le format, le destinataire, le degré de détail, les contraintes et les conditions à satisfaire.
Par exemple :
« Prépare une page de service destinée à des propriétaires qui envisagent la réhabilitation complète d’une maison. N’utilise que les prestations approuvées et signale toute affirmation nécessitant une vérification. »
C’est plus précis que :
« Écris un texte professionnel sur les travaux de rénovation. »
Mais même une excellente instruction peut être insuffisante si l’offre approuvée n’est pas disponible ou si les documents se contredisent.
Une bonne instruction oriente le travail. Le contexte lui fournit la réalité sur laquelle travailler.
Jugement et autorité : qui décide de ce qui est valable
Ce quatrième élément est particulièrement important.
L’IA peut comparer des options, appliquer des critères définis et proposer des décisions.
Elle peut même exécuter certaines décisions opérationnelles si elle dispose des outils et autorisations adaptés.
Cela ne signifie pas qu’elle doit recevoir une autorité illimitée sur l’entreprise.
Quelqu’un doit déterminer quelle stratégie est en vigueur, quels engagements peuvent être pris et qui doit approuver certaines conséquences.
Un outil peut, par exemple, proposer de modifier le positionnement d’une entreprise.
La recommandation peut être intéressante.
Mais elle ne doit pas devenir automatiquement la nouvelle stratégie officielle.
Il en va de même pour les prix, les conditions contractuelles et les affirmations publiques.
La capacité de formuler une recommandation ne donne pas l’autorité de l’approuver.
La responsabilité doit rester clairement attribuée, même lorsque certaines opérations sont déléguées.
3. Exemple pratique : la même tâche, avec et sans contexte d’entreprise
Voyons cette différence en pratique.
Imaginons un cabinet d’architecture spécialisé dans la réhabilitation des maisons traditionnelles des Pyrénées.
Il travaille avec des propriétaires souhaitant remettre en valeur des bâtiments existants grâce à des projets architecturaux soignés.
Sa proposition repose sur la spécialisation, la connaissance du bâti local et l’attention portée aux caractéristiques de chaque maison.
Il ne cherche pas à proposer le prix le plus bas.
Il n’effectue pas non plus de petites réparations domestiques ni de maintenance générale.
Il souhaite maintenant ajouter à son site une page sur la réhabilitation complète de logements.
Il décide d’utiliser l’intelligence artificielle pour préparer une première proposition de contenu.
Ce cas est entièrement hypothétique. Les demandes et extraits de texte sont des exemples éditoriaux créés pour illustrer la méthode ; ils ne correspondent ni à un test mené avec un modèle particulier ni à des résultats obtenus pour un véritable client.
Première demande : une instruction correcte, mais insuffisante
Le cabinet formule cette demande à l’IA :
Rédige une page professionnelle et persuasive pour notre service de rénovation de maisons dans les Pyrénées. Présente les avantages, explique le service et termine par un appel à l’action.
La demande est compréhensible.
Mais elle laisse ouvertes beaucoup de questions.
Quels travaux réalise réellement le cabinet ?
À quels clients s’adresse-t-il ?
Exécute-t-il les travaux ou fournit-il uniquement des services d’architecture ?
Mise-t-il sur le prix, la rapidité, la spécialisation ou un autre avantage ?
Quels engagements peut-il prendre ?
Quels services ne propose-t-il pas ?
L’IA pourrait combler ces vides avec les formules habituelles des pages commerciales consacrées à la rénovation.
Par exemple :
Nous rénovons votre maison dans les Pyrénées rapidement et à prix abordable.
Nous proposons des solutions clé en main, des devis compétitifs et des délais réduits pour transformer votre maison sans complications.
Ce texte pourrait convenir à certaines entreprises.
Mais rien ne permet d’affirmer qu’il représente correctement notre cabinet.
Il introduit plusieurs problèmes.
Il parle de prix compétitifs alors que ce n’est pas la proposition de valeur du cabinet.
Il promet de la rapidité sans connaître les délais réels.
Et il utilise « clé en main », expression qui peut impliquer des prestations ou responsabilités absentes de l’offre.
L’IA a généré une proposition commerciale plausible.
Mais elle n’a pas reçu assez d’informations pour en connaître les limites.
Deuxième demande : nous ajoutons le contexte d’entreprise
Imaginons maintenant que le cabinet dispose d’une documentation stratégique de base.
Il n’a pas besoin de transmettre toutes ses archives.
Il sélectionne les informations pertinentes et prépare le contexte suivant :
| Dimension | Informations fournies |
|---|---|
| Finalité | Présenter le service et faciliter les demandes commerciales pertinentes |
| Client prioritaire | Propriétaires intéressés par la réhabilitation complète de maisons traditionnelles |
| Offre en vigueur | Projet architectural et direction de travaux selon le périmètre convenu |
| Positionnement | Spécialisation, connaissance de l’architecture locale et attention personnalisée |
| Services exclus | Petites réparations et maintenance domestique |
| Arguments disponibles | Méthode de travail et projets documentés communicables |
| Affirmations non autorisées | Économies garanties, délais fixes ou prix fermes sans étude préalable |
| Ton | Professionnel, clair, précis et sans urgence commerciale artificielle |
| Objectif de la page | Aider le propriétaire à juger si le service convient à son projet |
| Action suivante | Demander un premier échange |
| Vérification | Contrôler les services, les affirmations et la cohérence avant publication |
| Approbation | Responsable désigné par le cabinet |
L’outil dispose maintenant d’une référence bien plus concrète.
Il ne connaît pas nécessairement tous les détails de l’entreprise.
Mais il reçoit des décisions qui devraient conditionner son travail.
Ce qui peut changer dans le résultat
Avec ce contexte, une proposition illustrative pourrait commencer ainsi :
Réhabilitation de maisons traditionnelles des Pyrénées
Chaque maison existante possède des caractéristiques à étudier avant d’envisager sa transformation.
Nous développons des projets architecturaux de réhabilitation en tenant compte du bâtiment, des besoins de ses propriétaires et du rapport de l’intervention à son environnement.
Si vous envisagez de réhabiliter une maison traditionnelle, nous pouvons commencer par étudier les caractéristiques de votre projet et l’étendue des services dont vous avez besoin.
Ce second extrait correspond davantage au positionnement décrit.
Il ne promet ni économies ni délais.
Il ne présente pas non plus le cabinet comme une entreprise de réparations générales.
Et il propose une étape suivante proportionnée à la relation commerciale envisagée.
Mais nous ne pouvons toujours pas le considérer comme automatiquement correct.
Le cabinet doit confirmer qu’il offre réellement les services décrits.
Il doit aussi vérifier que les affirmations sur sa manière de travailler correspondent à sa pratique.
Comparaison
| Aspect | Demande générique | Demande contextualisée |
|---|---|---|
| Client | Public large intéressé par la rénovation | Propriétaire envisageant une réhabilitation complète |
| Positionnement | Avantages commerciaux génériques | Spécialisation définie par l’entreprise |
| Offre | Prestations déduites à tort | Services en vigueur identifiés |
| Promesses | Limites insuffisantes | Restrictions explicites |
| Ton | Persuasion commerciale conventionnelle | Voix adaptée au positionnement |
| Action suivante | Contacter ou demander un devis | Demander un premier échange |
| Vérification | Non précisée | Contrôle et approbation prévus |
La seconde demande crée de meilleures conditions pour obtenir un résultat utile.
Cela ne garantit pas une réponse supérieure à chaque fois.
L’IA peut encore se tromper, mal interpréter une source ou omettre une information importante.
L’amélioration doit donc être évaluée.
Le contexte aide aussi à voir les informations manquantes
Imaginons que le cabinet souhaite évoquer son expérience des bâtiments protégés.
L’outil trouve des références à des projets passés, mais aucune source ne confirme l’étendue précise de l’expérience qu’il peut communiquer.
Il serait alors approprié de signaler cette lacune.
Par exemple :
La documentation disponible ne confirme pas l’étendue de l’expérience en matière de bâtiments protégés. Cette affirmation doit être validée avant d’être intégrée à la page.
Cette réponse est moins spectaculaire qu’un argument commercial inventé.
Mais elle est bien plus utile pour produire de façon responsable.
Le contexte ne sert pas seulement à mieux écrire. Il aide aussi à délimiter ce que nous savons, ce que nous ignorons et ce qui doit être vérifié avant d’agir.
4. Ce que l’IA doit savoir pour travailler avec votre entreprise
Toutes les demandes ne nécessitent pas une documentation étendue.
Une tâche simple peut se résoudre avec quelques instructions.
Corriger l’orthographe d’un texte ou résumer un document déjà fourni, par exemple.
Mais si nous voulons créer des contenus publics, des analyses stratégiques ou des tâches qui touchent aux processus de l’entreprise, il faut une base plus solide.
Nous pouvons préparer ce travail au moyen d’un outil simple.
Fiche de contexte pour les tâches confiées à l’IA
| Élément | Question à résoudre |
|---|---|
| 1. Tâche | Que doit réaliser précisément l’IA ? |
| 2. Finalité | Quel problème, quelle fonction ou quelle décision doit-elle faciliter ? |
| 3. Réalité de l’entreprise | Que doit-elle connaître de l’entreprise, de l’offre et des personnes concernées ? |
| 4. Sources autorisées | Quels documents ou données peut-elle utiliser, et dans quel état sont-ils ? |
| 5. Décisions en vigueur | Qu’est-ce qui est approuvé et qu’est-ce qui reste une hypothèse ou une proposition ? |
| 6. Limites | Que ne doit-elle pas affirmer, révéler, modifier ou exécuter ? |
| 7. Résultat attendu | Quel format, niveau de détail et usage aura le travail ? |
| 8. Vérification | Quelles affirmations ou fonctions faut-il contrôler ? |
| 9. Responsabilité | Qui révise et approuve, le cas échéant ? |
Cette fiche n’est pas destinée à devenir un formulaire obligatoire pour chaque conversation.
Elle devient utile lorsque les tâches doivent rester cohérentes avec une organisation.
Une demande complète, sans prompt interminable
Revenons au cabinet d’architecture.
À partir des informations précédentes, nous pourrions formuler la demande suivante :
Tâche : prépare le brouillon d’une page présentant le service de réhabilitation complète de maisons traditionnelles.
Objectif : aider les propriétaires intéressés à comprendre le service et à décider s’ils souhaitent demander un premier échange.
Contexte : utilise la documentation en vigueur sur l’offre, le positionnement, le public prioritaire et le ton du cabinet.
Limites : ne promets ni délais, ni économies, ni prix, ni services non confirmés. Ne présente pas des hypothèses comme des faits.
Résultat : propose une structure et un texte avec titre principal, sections, arguments et appel à l’action.
Contrôle : sépare les affirmations à valider. Le résultat n’est pas approuvé pour publication.
Cette instruction ne contient aucune formule magique.
Nous avons simplement réduit les ambiguïtés.
Nous avons défini le travail et fourni des conditions concrètes pour l’évaluer.
Quand faut-il davantage de contexte ?
La quantité d’informations doit dépendre de la tâche.
Pour résumer un compte rendu de réunion, le document et une indication sur le type de résumé peuvent suffire.
Pour préparer une page commerciale, il faut considérer l’offre, le public, le positionnement et les conditions de publication.
Pour analyser un investissement numérique, il peut falloir des objectifs, des coûts, des capacités, des alternatives et des risques.
Et pour agir sur un système réel, il faut en outre des autorisations et des contrôles adaptés.
Nous ne cherchons pas à créer le contexte le plus volumineux possible, mais à réunir les connaissances suffisantes pour accomplir correctement une tâche donnée.
5. Quels documents utiliser et comment résoudre les contradictions
Beaucoup d’entreprises possèdent déjà une grande partie des connaissances nécessaires pour mieux travailler avec l’intelligence artificielle.
Le problème est qu’elles sont souvent dispersées.
Une partie se trouve dans les documents stratégiques.
Une autre dans les présentations commerciales.
Il existe aussi des conversations, des devis, des pages web, des rapports et des décisions qui n’ont jamais été formellement enregistrées.
En outre, ces documents peuvent décrire différentes périodes de l’entreprise.
Une vieille présentation peut parler de services qui ne sont plus proposés.
Un devis peut contenir des conditions exceptionnelles.
Une proposition commerciale peut attendre son approbation.
Et une conversation récente peut évoquer un changement qui n’a pas encore été décidé.
Si nous donnons tous ces éléments à l’IA sans organisation, nous augmentons le risque de mélanger des réalités incompatibles.
Toutes les sources n’ont pas la même autorité
Imaginons que le cabinet d’architecture conserve trois documents.
Le premier est une stratégie approuvée qui fait de la réhabilitation complète un service prioritaire.
Le second est un brouillon concernant une nouvelle activité de conseil pour de petites rénovations.
Le troisième est une ancienne présentation commerciale qui mentionne encore des travaux de maintenance domestique.
Si nous demandons à l’IA de rédiger une page de services à partir des trois, elle peut croire que toutes ces prestations sont disponibles.
Ce serait pourtant incorrect.
Nous devons expliquer ce que représente chaque source.
Classer les documents facilite le travail
Une structure simple peut suffire :
| État | Comment l’interpréter |
|---|---|
| En vigueur et approuvé | Référence autorisée dans son domaine |
| En révision | Document qui attend encore une validation |
| Hypothèse ou proposition | Option à analyser, mais non présentable comme décision |
| Historique | Information utile pour comprendre les antécédents |
| Remplacé | Document qui n’est plus en vigueur après une décision ultérieure |
| Non autorisé pour cette tâche | Information à ne pas utiliser dans cette demande |
La classification doit refléter de vraies règles de l’organisation.
Il ne suffit pas d’ajouter « approuvé » à n’importe quel fichier.
Il faut savoir qui a l’autorité pour l’approuver et ce que couvre cette approbation.
Le document le plus récent n’est pas toujours le bon
Supposons que quelqu’un ait rédigé hier une nouvelle proposition commerciale.
Le positionnement du cabinet a été approuvé formellement il y a deux mois.
Le document d’hier est plus récent.
Mais il est peut-être encore à l’étude.
Il ne doit donc pas remplacer automatiquement la stratégie approuvée.
Il faut considérer la date, la version, l’état, le périmètre et l’autorité de la décision.
Il convient aussi d’enregistrer quand un document en remplace un autre.
C’est particulièrement utile lorsque plusieurs personnes ou prestataires travaillent sur les mêmes éléments.
Que doit faire l’IA face à une contradiction ?
Imaginons que deux sources en vigueur affichent des prix différents pour un même service.
L’outil ne devrait pas choisir automatiquement le prix le plus récent, calculer une moyenne ou inventer un nouveau tarif.
Il doit d’abord vérifier si les sources concernent des domaines distincts.
L’une décrit peut-être les tarifs pour les particuliers et l’autre pour les entreprises.
Si la contradiction demeure, il faut la signaler et demander la décision du responsable.
Une réponse utile pourrait être :
La documentation présente deux conditions commerciales différentes pour ce service. Je n’ai pas trouvé de source autorisée résolvant cette divergence. Il faut confirmer laquelle est en vigueur avant de l’utiliser.
Écrire une instruction en ce sens ne garantit pas automatiquement que l’outil se comportera ainsi.
Le processus a aussi besoin de mécanismes de révision.
La traçabilité permet de vérifier les affirmations
Pour certains travaux, il est utile de relier les affirmations importantes à leurs sources.
Par exemple :
| Information utilisée | État | Traitement |
|---|---|---|
| Service approuvé | Confirmé dans un document en vigueur | Utilisable dans son périmètre |
| Expérience professionnelle déclarée | En attente de vérification | Validation nécessaire |
| Nouvelle activité | Proposition non approuvée | Ne pas la présenter comme offre en vigueur |
| Ancienne condition commerciale | Document remplacé | Uniquement comme antécédent |
| Donnée d’un client | Accès restreint | Exclure sauf nécessité et autorisation |
Cela ne signifie pas que chaque page commerciale doive citer les documents internes.
La traçabilité peut rester dans le processus éditorial.
L’essentiel est de pouvoir vérifier les affirmations pertinentes.
Rappelons aussi qu’une citation générée par l’IA ne garantit ni l’existence de la source ni son appui réel à l’affirmation.
Quand une donnée est importante, il faut la vérifier.
L’IA peut aider à organiser les connaissances. L’entreprise doit conserver les critères qui distinguent le confirmé de ce qui reste à décider.
6. Davantage de contexte ne signifie pas transmettre toutes les informations
Quand nous découvrons que le contexte peut améliorer le travail avec l’IA, une réaction est compréhensible.
Si quelques documents aident, en fournir davantage devrait produire de meilleures réponses.
Mais ce n’est pas toujours le cas.
Un ensemble volumineux peut contenir des informations sans rapport, des répétitions, des versions contradictoires et des données qui ne devraient pas être partagées.
De plus, les modèles ont des limites quant à la quantité d’informations qu’ils peuvent prendre en compte et ne récupèrent ni n’utilisent toujours correctement les détails d’un long contexte.
La documentation technique d’OpenAI distingue l’apport direct d’informations de leur récupération depuis une base documentaire. Elle souligne également que les contextes étendus et les systèmes de récupération nécessitent une évaluation spécifique. [1][2]
Cinq conditions pour un contexte utile
Pertinence. Les informations doivent réellement servir la tâche.
Qualité. Les données et documents doivent être assez fiables pour l’usage prévu.
Actualité. Nous devons savoir quelles décisions restent valables.
Autorisation. L’outil doit pouvoir utiliser légitimement les informations pour cette tâche.
Séparation. Les données d’autres projets, clients ou domaines ne doivent pas être mélangées indûment.
Ces conditions comptent davantage que le volume de documents.
Le contexte n’est pas la même chose que l’entraînement
Il faut dissiper une autre confusion fréquente.
Joindre des documents à une conversation ne signifie pas nécessairement entraîner durablement un modèle avec eux.
Il existe plusieurs façons d’utiliser les connaissances d’une entreprise.
Contexte direct : fournir des informations dans la demande ou la conversation.
Récupération documentaire : consulter des sources autorisées et apporter les extraits pertinents au moment de répondre.
État opérationnel : une application fournit des informations actualisées sur une tâche, un processus ou une opération.
Ajustement ou entraînement supplémentaire : certaines méthodes modifient le comportement du modèle selon des procédures spécifiques et distinctes.
Ces mécanismes ne sont pas équivalents.
La récupération documentaire, souvent appelée Retrieval-Augmented Generation ou RAG, permet de trouver des informations externes et de les intégrer au contexte du modèle pendant une tâche.
Elle peut être utile lorsqu’on travaille avec une vaste bibliothèque de documents.
Mais une petite entreprise n’a pas nécessairement besoin d’un système RAG pour obtenir des réponses contextualisées.
Elle peut commencer par fournir manuellement les informations pertinentes.
Récupérer un document ne garantit pas de bien l’utiliser
Imaginons un système qui consulte tous les documents du cabinet.
Lorsque nous demandons les conditions d’un service, il retrouve un ancien tarif.
Le problème peut venir du classement des documents.
Ou de la recherche, qui a sélectionné une source inadaptée.
Ou encore de l’interprétation qui suit.
Nous devons donc distinguer trois questions :
Avons-nous des informations correctes et à jour ?
Le système retrouve-t-il les bonnes informations ?
L’IA utilise-t-elle ces informations correctement ?
Ce sont des problèmes différents.
Ils demandent des vérifications différentes.
Les informations confidentielles exigent des limites spécifiques
Le contexte peut contenir des informations sur les clients, salariés, projets, prix, contrats ou processus internes.
Nous ne devons pas les partager avec n’importe quel outil au seul motif qu’elles pourraient améliorer ses réponses.
Lorsque des données personnelles sont traitées, le RGPD impose de respecter notamment la limitation des finalités, la minimisation, la sécurité et la responsabilité. [5]
Il faut aussi prendre en compte les accords de confidentialité, les droits sur les documents et les conditions des fournisseurs.
Dans certains cas, nous pourrons utiliser des données agrégées ou anonymisées.
Dans d’autres, il faudra restreindre les accès ou choisir des services et réglages offrant les garanties adaptées.
Le meilleur contexte n’est pas celui qui contient le plus d’informations. C’est celui qui permet de travailler avec les seules informations nécessaires, dans les bonnes limites.
7. Comment vérifier que le résultat de l’IA est réellement utile
Un contexte bien organisé améliore les conditions dans lesquelles travaille un outil.
Mais il ne prouve pas, à lui seul, que le résultat est correct.
L’IA peut mal interpréter un document, oublier une exigence ou formuler une affirmation que les sources ne soutiennent pas.
Elle peut aussi produire des réponses différentes pour des demandes équivalentes.
Nous devons donc vérifier la qualité du travail.
Ne jugez pas seulement si la réponse vous plaît
Imaginons que le cabinet d’architecture reçoive deux propositions de page commerciale.
La première emploie un langage séduisant, des formules marquantes et semble très persuasive.
La seconde est plus sobre, mais représente mieux l’offre et évite des promesses non confirmées.
Laquelle est la meilleure ?
Cela dépend des critères retenus.
Si nous recherchons seulement l’originalité ou la force commerciale, nous préférerons peut-être la première.
Si nous devons publier une page fidèle au positionnement du cabinet, la seconde est probablement plus adaptée.
L’évaluation doit donc être liée à la fonction du travail. Le guide sur les indicateurs du marketing digital développe la même logique pour interpréter les résultats de l’entreprise.
Six critères pratiques de qualité
| Critère | Ce que nous vérifions |
|---|---|
| Alignement | Respecte-t-il l’offre, le public et les décisions en vigueur ? |
| Précision | Les affirmations importantes sont-elles étayées ? |
| Utilisation du contexte | Emploie-t-il les informations nécessaires sans mélanger des sources inadaptées ? |
| Limites | Évite-t-il les promesses, données ou actions non autorisées ? |
| Utilité | Aide-t-il à avancer vers le résultat attendu ? |
| Révision nécessaire | Quelles erreurs ou corrections restent à traiter avant de l’accepter ? |
Ces critères peuvent être adaptés à différentes tâches.
Un résumé interne n’exige pas le même contrôle qu’une proposition contractuelle.
Mais nous devons savoir ce que signifie bien faire le travail.
Un petit exercice de comparaison
Revenons à notre cabinet d’architecture.
Nous voulons savoir si un contexte documenté améliore ses tâches habituelles.
Nous pourrions choisir cinq demandes représentatives :
- Rédiger une page de service.
- Préparer des réponses aux questions fréquentes.
- Contrôler la cohérence d’une proposition commerciale.
- Résumer des documents techniques pour un usage interne.
- Préparer un plan de contenu pour le site.
Pour chaque tâche, nous pouvons définir ce que le résultat doit respecter.
Nous comparons ensuite une manière de travailler avec des instructions générales à une autre qui utilise un contexte d’entreprise sélectionné.
Les conditions de comparaison doivent rester raisonnablement similaires.
Il est également utile de répéter les essais si nécessaire : une seule réponse ne démontre pas une amélioration générale.
Ce que nous noterions
Inutile de commencer par une plateforme d’évaluation complexe.
Un tableau simple peut suffire :
| Tâche | Problèmes sans contexte suffisant | Résultat avec contexte | Évaluation |
|---|---|---|---|
| Page commerciale | Promesses non confirmées | Respecte les limites commerciales | Vérifier les affirmations |
| Questions fréquentes | Réponses génériques | Utilise les conditions du service | Vérifier l’actualité |
| Proposition | Mélange des prestations | Distingue les services approuvés | Contrôler le périmètre |
| Résumé | Omet des décisions importantes | Distingue accords et points en attente | Comparer à la source |
| Plan du site | Hiérarchie peu adaptée | Reflète le public prioritaire | Valider l’architecture |
Ce tableau donne des exemples de critères et de résultats possibles. Il ne présente pas des mesures issues d’une expérience.
La documentation d’OpenAI sur l’évaluation des systèmes d’IA recommande d’utiliser des ensembles de tâches représentatives et des critères définis pour détecter les erreurs et contrôler l’effet des changements. [2][3]
Le résultat recherché
Nous voulons voir si le contexte réduit les erreurs importantes.
S’il diminue les affirmations sans fondement.
S’il améliore la cohérence avec l’offre.
Et s’il permet de soumettre le travail à la révision avec moins de problèmes importants.
Nous pouvons aussi observer l’effort nécessaire à l’équipe pour corriger les résultats.
Mais une impression de rapidité accrue ne doit pas devenir automatiquement un chiffre d’économies.
Pour l’affirmer, il faudrait une mesure adaptée.
La révision humaine exige une responsabilité claire
Demander à l’IA de vérifier son propre résultat peut être utile.
Elle peut repérer certaines contradictions, contrôler une structure ou signaler des informations apparemment manquantes.
Cela ne transforme pas sa révision en garantie indépendante d’exactitude.
Pour des contenus publics, des décisions commerciales et des travaux sensibles, nous devons désigner la personne chargée de vérifier les affirmations pertinentes et d’autoriser leur utilisation.
La profondeur de cette révision doit être proportionnelle aux conséquences.
La direction générale n’a pas besoin d’approuver chaque résumé interne.
Mais un outil ne devrait pas non plus publier seul des conditions commerciales que personne n’a confirmées.
L’objectif n’est pas de tout contrôler de la même manière, mais de prévoir les contrôles adaptés à chaque type de travail.
8. Quand l’IA peut aussi agir, le contexte exige des autorisations et des limites opérationnelles
Jusqu’ici, nous avons surtout parlé de produire des contenus, résumer des documents et préparer des analyses.
Mais les systèmes d’intelligence artificielle peuvent aussi se connecter à des outils et accomplir certaines actions.
Ils peuvent, par exemple, utiliser des applications autorisées pour créer des brouillons, actualiser des fichiers ou exécuter des étapes d’un processus.
Cela élargit les possibilités.
Et cela modifie aussi les responsabilités.
Rédiger n’est pas publier
Imaginons que nous demandions à un assistant :
« Mets à jour la page de notre service d’après la documentation stratégique en vigueur. »
L’outil peut préparer une nouvelle proposition de contenu.
Mais s’il a aussi accès au site, il pourrait modifier directement la page.
Ce sont deux niveaux d’action différents.
Dans le premier, il produit un brouillon que quelqu’un peut réviser.
Dans le second, il modifie un actif réel.
Cette deuxième situation demande des contrôles supplémentaires.
Il faut savoir ce qu’il peut modifier, quelles informations il peut utiliser et quelles actions nécessitent une approbation.
Comprendre, proposer, exécuter et approuver
Nous pouvons distinguer quatre capacités :
| Capacité | Ce que cela signifie |
|---|---|
| Comprendre | Interpréter la tâche et consulter les informations pertinentes |
| Proposer | Préparer une réponse, une décision ou une modification |
| Exécuter | Agir au moyen d’outils autorisés |
| Approuver | Autoriser certaines conséquences et en assumer la responsabilité |
Toutes les tâches n’exigent pas de séparer formellement ces quatre étapes.
Mais la distinction aide quand les actions peuvent toucher les clients, les données, l’argent ou les systèmes de l’entreprise.
Les autorisations doivent correspondre à la tâche
Imaginons que l’IA doive préparer un article pour le site.
Elle pourrait accéder à la documentation éditoriale autorisée et à un espace où enregistrer ses brouillons.
Elle n’a pas nécessairement besoin des factures, des données clients ou de tous les fichiers de l’organisation.
Elle n’a pas non plus besoin d’autorisations pour effacer le site ou modifier l’hébergement.
Le principe consiste à n’accorder que les accès nécessaires à la tâche.
Le projet OWASP consacré à la sécurité des applications d’IA générative recommande de limiter les privilèges, de séparer les contenus non fiables et de demander une validation humaine pour les opérations à haut risque. [4]
Les instructions cachées dans les documents
Un problème particulier apparaît quand une IA lit des pages web, des fichiers ou des messages externes.
Tout ce qu’elle rencontre n’est pas une instruction légitime.
Imaginons qu’un outil analyse la page d’un fournisseur.
Un texte dans cette page ordonne à l’assistant d’ignorer ses instructions précédentes et d’envoyer des informations à un autre destinataire.
Ce texte fait partie de la page consultée.
Il ne devrait pas acquérir l’autorité nécessaire pour diriger le système.
Ce type de tentative s’appelle injection d’instructions ou prompt injection.
Elle peut passer par des contenus apparemment ordinaires qu’un système d’IA lit pendant son travail.
OWASP décrit ce risque et propose des mesures de séparation, de contrôle des accès et de vérification. [4]
Cela ne signifie pas que tout document externe soit dangereux.
Cela signifie qu’il faut distinguer une source d’informations d’une autorité habilitée à donner des instructions.
La hiérarchie documentaire ne remplace pas la sécurité technique
Il y a ici une distinction fondamentale.
Une entreprise peut décider que sa stratégie approuvée prime sur un ancien brouillon.
C’est une règle d’autorité interne.
Elle n’équivaut pas à des permissions techniques.
Elle ne signifie pas non plus qu’un texte étiqueté « prioritaire » peut modifier légitimement les instructions d’un modèle ou ses contrôles de sécurité.
Nous devons combiner gouvernance documentaire et mécanismes techniques adaptés.
Le contexte explique ce que l’IA doit respecter. Les permissions et contrôles déterminent ce qu’elle peut réellement faire dans le système.
La responsabilité doit croître avec l’impact
Nous pouvons autoriser un système à classer des documents internes selon des règles définies.
Il peut peut-être aussi préparer des brouillons de réponse.
Mais publier une offre, modifier un contrat, envoyer des communications commerciales ou effacer des informations peut demander des autorisations supplémentaires.
Aucun niveau universel de supervision ne convient à toutes les tâches.
Le cadre de gestion des risques liés à l’IA générative du NIST souligne qu’il faut considérer les risques durant la conception, le développement, l’utilisation et l’évaluation des systèmes. [6]
Le degré d’autonomie doit être choisi selon la fonction et ses conséquences possibles.
L’IA peut accroître la capacité opérationnelle. L’entreprise doit garder le contrôle des risques et des décisions qu’elle délègue.
9. Des connaissances dispersées au Contexte IA gouverné
Beaucoup d’entreprises possèdent déjà les connaissances dont elles ont besoin pour mieux travailler avec l’intelligence artificielle.
Elles connaissent leurs clients.
Elles ont développé une proposition de valeur.
Elles disposent d’une expérience commerciale.
Elles ont décidé quels services proposer et lesquels écarter.
Elles connaissent aussi leurs processus, leurs limites et leurs priorités.
Mais une part importante de ce savoir reste dispersée.
Elle se trouve dans la mémoire du dirigeant.
Dans des conversations avec les salariés.
Dans d’anciens e-mails.
Dans des documents difficiles à retrouver.
Ou dans des décisions qui n’ont jamais été consignées.
Organiser les connaissances a une valeur avant même d’utiliser l’IA
Imaginons que le cabinet d’architecture décide de bien documenter son offre, son positionnement et ses critères commerciaux.
Ce travail aide une nouvelle personne de l’équipe à comprendre l’entreprise.
Il peut aussi aider un prestataire extérieur à préparer des supports cohérents.
Et il permet de conserver les décisions quand les responsables d’un projet changent.
L’intelligence artificielle peut tirer parti de cette documentation.
Mais elle n’en est pas la seule bénéficiaire.
La première valeur d’une connaissance stratégique documentée est de permettre à l’entreprise de partager et maintenir un cap.
De la stratégie au contexte opérationnel
Le module Stratégie digitale de PhiStudio répond précisément à ce besoin de direction.
Il organise la connaissance de l’entreprise et la transforme en décisions documentées sur le modèle, la proposition de valeur, les clients, le positionnement, la communication et les priorités. Le guide Comment définir la stratégie digitale d’une entreprise explique ce processus.
Au sein de ce système documentaire, le Contexte IA gouverné prépare une référence pour utiliser ces connaissances dans des travaux assistés par l’intelligence artificielle.
Cette distinction est importante.
La stratégie établit la direction.
La documentation conserve et communique ses décisions.
Le contexte pour l’IA sélectionne les références et conditions nécessaires pour les appliquer à certaines tâches.
Nous ne parlons pas de trois systèmes indépendants qu’il faudrait toujours développer séparément.
Nous parlons de fonctions liées par un même besoin : rendre les connaissances de l’entreprise utilisables avec cohérence.
Un contexte gouverné doit être entretenu
Créer une bonne documentation ne résout pas le problème une fois pour toutes.
Les entreprises évoluent.
Elles ajoutent des services, modifient leurs conditions, voient changer leurs publics et remplacent leurs outils.
Si les informations ne sont pas mises à jour, le système risque de continuer à utiliser d’anciennes décisions.
Il faut donc établir des procédures proportionnées.
Quand une décision importante change, sa référence doit être actualisée.
Quand une version en remplace une autre, il faut savoir clairement laquelle est en vigueur.
Et quand un outil utilise des documents historiques, il doit pouvoir les distinguer des conditions actuelles.
Il convient également de vérifier périodiquement que les systèmes d’IA retrouvent et utilisent toujours les bonnes sources.
Inutile de reconstruire toute la documentation chaque semaine.
Il faut tenir à jour les décisions qui influencent réellement le travail.
Préparer le contexte n’est pas déployer une plateforme d’IA
Ce point demande une précision commerciale.
Une entreprise peut disposer d’un Contexte IA gouverné sans avoir développé d’assistant personnalisé, de base de connaissances automatisée ou d’agent connecté à ses applications.
La documentation stratégique prépare des connaissances utilisables de différentes façons.
Le déploiement d’outils, d’intégrations ou d’agents est un travail supplémentaire qui exige d’évaluer les fonctions, les coûts, la sécurité et les responsabilités.
Toutes les entreprises n’en ont pas besoin.
Certaines tireront de la valeur en fournissant manuellement des informations bien organisées pour certaines tâches.
D’autres pourront justifier des systèmes plus avancés.
La décision dépendra du volume de travail, des processus et des possibilités à développer.
Il faut d’abord comprendre quelles connaissances permettent à l’entreprise de travailler avec cohérence. Ensuite, nous pourrons choisir les outils pertinents pour les utiliser.
10. L’IA accroît la capacité de travail ; la direction en fixe le but
L’intelligence artificielle peut aider une entreprise à réaliser des tâches qui demandaient auparavant davantage de temps, de ressources ou de connaissances spécialisées.
Elle peut structurer des informations, rédiger des contenus, comparer des options, préparer des analyses et assister des processus.
Mais sa capacité à produire ne signifie pas qu’elle connaisse automatiquement la réalité de chaque organisation.
Une réponse peut convaincre sans représenter correctement l’entreprise.
Une recommandation peut paraître raisonnable tout en contredisant une décision en vigueur.
Et une automatisation peut exécuter parfaitement une action qui n’aurait jamais dû être autorisée.
Nous avons donc besoin de plus que de technologie.
Il nous faut un but, des informations pertinentes, des décisions documentées, des instructions claires, des limites adaptées et des critères de vérification.
Cela ne signifie pas que chaque tâche nécessite une grande documentation stratégique.
Pour des travaux simples, nous pouvons utiliser l’IA simplement.
Mais lorsque nous voulons l’intégrer à des processus importants, la cohérence et la responsabilité comptent davantage.
Le contexte aide l’outil à comprendre ce qu’il doit faire et quelle réalité il doit respecter.
La documentation conserve et partage ces informations.
Les contrôles limitent les accès et les actions.
Et l’évaluation vérifie que les résultats remplissent la fonction attendue.
Rien de cela n’élimine complètement les erreurs.
Une documentation ordonnée ne garantit pas non plus, à elle seule, la sécurité d’un système.
Mais elle crée de meilleures conditions pour utiliser l’IA dans un véritable processus d’entreprise.
En outre, les connaissances organisées gardent de la valeur même si la technologie change.
Une proposition de valeur claire ne dépend pas d’un modèle particulier.
Une décision commerciale documentée peut guider différents professionnels.
Et une architecture d’information cohérente peut faciliter le travail humain comme celui de nouveaux outils.
Chez PhiStudio, nous abordons la Direction digitale des actifs dans cette perspective.
Il ne s’agit pas d’ajouter l’intelligence artificielle à chaque tâche simplement parce qu’elle est disponible.
Il s’agit de comprendre ce que l’entreprise doit obtenir et de décider comment les capacités numériques peuvent servir cette direction.
L’IA peut produire davantage de travail. Un contexte adapté et une direction claire aident à faire en sorte que ce travail ait du sens pour l’entreprise.