Qu'est-ce qu'une base de connaissances IA, et qu'est-ce que votre agent doit y trouver ?
Une base de connaissances IA est l'endroit où sont écrits, une fois, les faits de votre entreprise qu'un agent doit connaître : qui sont vos clients et comment ils sont nommés dans chaque outil, quels documents font foi, quelles règles s'appliquent, où aller chercher le reste. Cela commence par une décision : écrire ce que trois personnes de votre équipe savent sans se le dire. Aucun logiciel ne le fera à votre place.
Le mot technique que vous croiserez est « RAG » : l'agent va chercher l'information dans vos documents avant de répondre, au lieu de répondre de mémoire. Ce qui compte est l'ordre des opérations : on écrit d'abord ce qui fait foi, on branche ensuite. Une base bâtie sur des documents contradictoires produit des réponses contradictoires, plus vite qu'avant.
Ce que coûte le fait de laisser les documents éparpillés
Le coût ne se voit dans aucun tableau de bord, et c'est ce qui le rend dangereux. Il prend trois formes.
L'agent redécouvre tout, à chaque fois. Faute de savoir où regarder, il cherche : plusieurs requêtes là où une suffirait, de l'attente à chaque étape, une facture qui grimpe avec le nombre de documents parcourus. C'est le problème que décrit OpenAI dans le cas publié le 21 septembre 2026 avec l'éditeur V7 : les agents doivent « redécouvrir le contexte à chaque requête ».
Les réponses sont plausibles et fausses. Le plus coûteux. Un agent qui compose un prix à partir d'un tarif périmé produit un devis crédible, propre, envoyable, et faux. Aucun modèle ne devine qu'un fichier de 2024 a été remplacé.
La tâche revient chez un humain. À la troisième réponse à corriger, votre équipe reprend la main. Le système reste branché, plus personne ne s'en sert.
Ce que fait une plateforme comme V7, et ce que ça nous apprend
Le cas publié par OpenAI vaut pour son mécanisme, pas pour ses chiffres. V7 Go se connecte aux répertoires de documents d'une entreprise (SharePoint, Google Drive), en extrait les entités, les relations et les faits, et range le tout dans un « Context Graph » : un registre structuré que l'agent interroge directement, sources conservées. Alberto Rizzoli, cofondateur et dirigeant de V7, résume la thèse ainsi : « pour résoudre les cas d'usage difficiles en entreprise dans la finance et l'assurance, l'IA doit apprendre comment votre activité fonctionne aussi bien qu'elle a appris d'Internet. » Les taux mis en avant, 89 % d'exactitude sur les requêtes les plus dures et 78 % de coût en moins par document, sont annoncés par l'éditeur et son client, non mesurés indépendamment.
Cette plateforme vise la finance, l'assurance et l'immobilier, sur des millions de fichiers : elle n'est pas pour vous. Ce qu'elle démontre l'est : la performance vient de l'organisation du contexte, pas de la puissance du modèle. À votre échelle, ce travail coûte quelques pages.
La fiche de contexte : ce qu'on écrit avant tout outil
Une fiche par activité (les demandes entrantes, les devis, la prospection), tenue par la personne qui fait le travail. Cinq rubriques, et une règle : chaque ligne indique sa source, sinon elle n'y figure pas.
| Rubrique | Ce qu'on y écrit | Exemple de question à laquelle elle répond |
|---|---|---|
| Ce qui fait foi | Pour chaque type d'information, le seul document ou logiciel qui a raison, et qui le tient à jour | « Le tarif applicable est dans le logiciel de gestion, pas dans le tableur du commercial » |
| Les noms | Les entreprises, produits et références qui portent plusieurs noms selon l'outil, avec le nom retenu | « Dupont SARL, DUPONT S.A.R.L. et Ets Dupont sont le même client » |
| Les règles | Ce que l'équipe applique sans y penser, et que personne n'a écrit | « Au-delà de trois semaines de délai, on prévient avant de chiffrer » |
| Ce qui est périmé | Les documents qui traînent et ne doivent plus servir de référence | « La grille 2024 est archivée » |
| Qui tranche | La personne à qui remonte le cas quand deux sources se contredisent | « Une remise au-delà du barème : c'est le dirigeant » |
Comptez une à deux heures par activité, en interrogeant la personne qui la fait. C'est par là que commence notre travail d'automatisation, et c'est souvent le moment où le dirigeant découvre deux règles contradictoires appliquées par deux salariés. Le même principe tient chez nous : nos agents ne recopient de mémoire ni un nom, ni une adresse ; ils les lisent dans un fichier de référence unique. C'est aussi ce que lisent nos agents demandes et devis, qui préparent la proposition avec ses sources avant qu'une personne valide l'envoi.
Séparez ce que l'agent doit décider de ce qu'il doit rédiger
Une nouveauté de la même semaine éclaire ce point. Le 21 septembre 2026, Simon Willison a décrit Jev, dévoilé la semaine précédente par TypeSafe AI : un modèle qui ne rédige rien. Il accepte du texte en entrée et renvoie des nombres : oui ou non avec un degré de confiance, un choix parmi des options, une note sur une échelle. C'est tout, et c'est très bon marché : l'éditeur facture 0,042 dollar par million de tokens en entrée, la sortie étant gratuite. Willison émet une réserve nette : là où on peut au moins demander à un modèle classique de justifier sa réponse, Jev ne renvoie qu'un nombre, ce qui rend ses biais difficiles à débusquer, d'où sa recommandation d'évaluations systématiques. Nous en tirons autre chose : gardez une personne sur les cas qui engagent l'entreprise.
Dans votre processus, une partie des tâches sont des décisions (cette demande est-elle dans notre périmètre, ce devis doit-il être relancé) et l'autre de la rédaction. Les coûts diffèrent. Faire cette séparation avant de choisir un outil vous évite de payer un modèle de rédaction pour trier des messages, et elle se fait sur le papier, avec la fiche de contexte sous les yeux.
Ses limites : quand ce n'est pas la peine
Cette préparation ne remplace pas un choix technique : à un moment il faudra brancher les outils, et certains modèles sont meilleurs que d'autres sur certaines tâches. Elle ne règle pas non plus un processus incohérent : si la même demande suit trois chemins selon la personne qui la traite, il faut d'abord trancher.
Et parfois le travail ne se justifie pas. Si votre activité tient dans un seul logiciel bien tenu, vous avez déjà votre base de connaissances. Si le processus visé arrive trois fois par mois, la préparation coûtera plus que la tâche. C'est ce que disent nos cadres d'intervention : quand il n'y a rien d'utile à construire, nous le disons avant de commencer.
FAQ
Faut-il un outil pour créer une base de connaissances IA ?
Pas pour commencer. Les premières fiches de contexte tiennent dans un document partagé ou un tableur. L'outil devient utile quand le volume dépasse ce qu'une personne peut tenir à jour à la main, et vous saurez alors précisément ce que vous lui demandez.
Changer de modèle ne résoudra-t-il pas le problème ?
Pas celui-là. Un modèle plus performant raisonne mieux sur ce qu'on lui donne ; il ne devine pas quel tarif est en vigueur ni que deux orthographes désignent le même client. Quand un agent se trompe, regardez d'abord ce qu'il avait sous les yeux.
Faut-il tout centraliser dans un même endroit ?
Non, et c'est rarement possible. Ce qui compte est qu'il soit écrit lequel fait foi et où le trouver. Les documents peuvent rester là où ils sont.
On examine une tâche, vos outils, et les décisions qui doivent rester humaines. Verdict écrit à la fin : automatisation simple, agent IA, ou rien d'utile à construire.
Sources : « How V7 gives AI agents institutional memory », OpenAI, 21 septembre 2026 (openai.com), la description du Context Graph et la citation d'Alberto Rizzoli en proviennent ; les taux de 89 % et de 78 % y sont annoncés par l'éditeur et son client, et non mesurés de façon indépendante. · « Jev introduces a new shape of LLM, System One, aka Decision Models », Simon Willison, 21 septembre 2026 (simonwillison.net), nature des sorties, tarif d'entrée et réserve sur l'absence de justification. · Volumes de recherche : Ahrefs, France, relevé du 22 septembre 2026. Les pratiques décrites comme étant les nôtres sont celles de notre charte d'équipe et de nos fiches de poste. Aucun client n'est nommé et aucun chiffre de résultat n'est avancé.