Vos outils IA ne tiennent pas 30 jours ? Le problème n'est pas l'outil

« On a testé trois outils IA cette année. Aucun n’a tenu plus de trente jours. »

Cette phrase, je l’entends sous des formes variées chez des dirigeants de PME très différentes. Le scénario est toujours le même : un abonnement souscrit avec enthousiasme, deux semaines d’essais prometteurs, puis un usage qui s’effiloche. Au bout d’un mois, plus personne ne s’y connecte, et personne n’ose vraiment dire pourquoi.

La tentation est alors de conclure que « l’IA n’est pas mûre » ou que « ce n’était pas le bon outil ». Ma conviction, après avoir observé ce cycle de près : dans la grande majorité des cas, l’outil n’y est pour rien.

Ce qui se passe réellement pendant ces trente jours

Un assistant IA ne produit rien à partir de rien. Il reformule, croise et restitue la connaissance qu’on lui donne. Or dans la plupart des organisations de 20 à 200 personnes, cette connaissance vit à quatre endroits à la fois : un Notion ou un Confluence partiellement à jour, des fils Slack ou Teams où les vraies décisions se prennent, un Drive avec trois versions du même document, et, surtout, les têtes de quelques personnes clés.

Posez-vous une question simple : quand quelqu’un part en congés trois semaines, est-ce que certains dossiers s’arrêtent ? Si oui, votre connaissance critique n’est pas dans vos outils. Elle est dans vos gens.

Branchez un assistant IA là-dessus, et voici ce qu’il voit : des documents contradictoires, des pages obsolètes que personne n’a marquées comme telles, des trous là où vivent les savoir-faire les plus précieux. Il répond donc à côté, avec assurance. La première réponse fausse amuse. La deuxième agace. À la troisième, la confiance est morte, et elle ne revient pas. Voilà vos trente jours.

Le problème n’est pas la qualité du modèle. C’est la qualité du socle.

Pourquoi ce diagnostic est difficile à poser de l’intérieur

Personne, dans l’organisation, n’a une vue complète de l’état réel de la connaissance. Chaque équipe voit son coin de Notion, son canal Slack, son dossier partagé. L’éparpillement est invisible depuis l’intérieur précisément parce que chacun a développé ses stratégies de contournement : on sait qui demander, on connaît « le bon document ». Ça fonctionne, jusqu’au départ d’un collaborateur, ou jusqu’au jour où on demande à une machine de s’y retrouver sans ces raccourcis humains.

C’est un travail de cartographie, pas un travail d’outillage. Et il gagne à être fait par un regard extérieur, avant tout nouvel abonnement.

Ce que m’ont appris 20 musées et 15 langues

Ce n’est pas un problème nouveau, et ce n’est pas un problème d’IA. Entre 2018 et 2021, j’ai piloté pour la RMN-Grand Palais et le Ministère de la Culture la refonte de l’écosystème digital de 20 musées nationaux : un projet de 800 000 € sur 18 mois, avec des contenus de médiation traduits en 15 langues.

Le défi technique était réel, mais ce n’est pas lui qui a décidé du succès. Ce qui a tout déterminé, c’est le travail amont : inventorier ce que chaque institution possédait comme contenus, identifier ce qui était à jour, ce qui était dupliqué, ce qui n’existait que dans la mémoire des équipes. Une fois ce socle mis en ordre, chaque musée a pu produire sa propre application mobile d’aide à la visite en autonomie, sans dépendre de moi, ni d’un prestataire, ni d’une personne clé.

Remplacez « musée » par « équipe » et « application de visite » par « assistant IA » : la mécanique est exactement la même. L’autonomie et l’automatisation ne se décrètent pas en souscrivant un abonnement. Elles se construisent sur une connaissance inventoriée, puis gouvernée dans la durée.

Cartographier avant d’outiller

C’est le principe de la Cartographie Company Brain que je propose aux organisations de 20 à 200 personnes : deux à quatre semaines pour établir où vit réellement votre connaissance, identifier les cinq zones critiques où elle se perd, et livrer une feuille de route à 90 jours, avant de choisir le moindre outil.

Le livrable est volontairement anti-spectaculaire : des fichiers Markdown versionnés dans Git, lisibles par un humain comme par une machine, hébergés où vous voulez. Si PostHack disparaît demain, votre cartographie vous appartient à 100 %. C’est aussi ce qui rend un futur assistant IA fiable : il raisonne alors sur une source ordonnée plutôt que sur un grenier.

Une précaution d’honnêteté : cette démarche ne rendra pas un outil IA « magique », et si votre besoin se limite à un chatbot de démonstration pour rassurer un conseil d’administration, elle ne vous servira à rien. Elle s’adresse aux organisations qui veulent que le troisième essai soit le bon, parce qu’il reposera enfin sur un socle solide.

Par où commencer

Avant tout investissement, trois questions à poser à votre équipe de direction :

1. Si notre personne la plus expérimentée partait demain, quels dossiers s’arrêteraient ?
2. Pour une question métier donnée, tout le monde chercherait-il la réponse au même endroit ?
3. Notre dernier essai d’outil IA a-t-il échoué à cause de l’outil, ou de ce qu’on lui a donné à lire ?

Si la troisième question vous fait hésiter, parlons-en. Je réponds sous 48 heures, et le premier échange sert précisément à déterminer si une cartographie vous serait utile, ou pas.