Avant de devenir AI-first, choisis ce que l’IA a le droit de comprendre

En travaillant à rendre Pilostra et Evolussance de plus en plus AI-first, une question m’est souvent revenue : jusqu’où est-ce que je veux vraiment laisser l’IA comprendre mon entreprise?

Au début, la tentation est forte. On se dit que plus l’IA aura accès à nos fichiers, plus elle sera utile. Donnons-lui les dossiers, les procédures, les comptes rendus, les anciens plans et les discussions d’équipe. Elle pourra enfin nous répondre avec notre contexte.

Sur papier, c’est logique.

Mais imagine maintenant qu’un employé lui demande de résumer les salaires de l’équipe, les discussions entourant une acquisition ou les raisons du départ d’un collègue. L’IA répond.

Elle n’a rien piraté. Elle n’a contourné aucune protection. Elle a simplement retrouvé, en quelques secondes, un fichier que l’entreprise avait oublié de protéger correctement.

C’est là que la discussion devient plus sérieuse. Le vrai enjeu n’est pas seulement de choisir entre ChatGPT, Claude, Gemini ou Copilot. Il faut d’abord décider ce que ces outils ont le droit de comprendre, à partir de quelles sources et pour qui.

AI-first ne veut pas dire tout donner à l’IA

Une entreprise ne devient pas AI-first parce qu’elle ajoute un assistant dans ses logiciels. Elle le devient lorsqu’elle apprend à organiser son travail, ses décisions et ses connaissances pour mieux collaborer avec l’IA, sans perdre le contrôle de son contexte. Microsoft décrit une évolution semblable avec ses « Frontier Firms » (nouvelle fenêtre) : des organisations qui ne se contentent pas d’utiliser l’IA, mais qui réorganisent le travail autour de la collaboration entre humains et agents.

Autrement dit, la transformation ne commence pas avec l’outil. Elle commence avec la mémoire de l’entreprise.

Cette mémoire comprend ce que tu vends, à qui tu t’adresses, les décisions que tu as prises, tes priorités, tes contraintes, tes processus et ce que ton équipe a appris. Une partie est dans les fichiers. Une autre est dans les conversations, dans la tête des employés ou dans des systèmes qui ne se parlent pas.

Donner accès à tout le disque ne règle pas ce problème. C’est un peu comme remettre la clé de toutes les armoires à un nouvel employé en lui disant : « Tout ce que tu dois savoir est là-dedans. Débrouille-toi. »

Oui, il trouvera beaucoup d’information. Mais trouvera-t-il la bonne?

L’IA peut ouvrir le mauvais tiroir très rapidement

Les assistants connectés à Google Drive, SharePoint ou à d’autres espaces documentaires s’appuient normalement sur les permissions déjà en place. Google précise, par exemple (nouvelle fenêtre), que Gemini ne peut utiliser dans Drive que les fichiers auxquels l’utilisateur a déjà accès. C’est rassurant en théorie. Si une personne ne peut pas ouvrir un fichier, l’IA ne devrait pas pouvoir le lui résumer.

Le problème, c’est que les permissions techniques ne correspondent pas toujours au réel besoin de savoir.

Avec le temps, des dossiers sont partagés à des équipes complètes. Des employés changent de rôle. Des liens demeurent actifs.

Des fichiers sont copiés ailleurs sans reprendre les mêmes restrictions. Une personne peut donc avoir accès à une information qu’elle ne consulte jamais et dont elle ignore même l’existence.

Avant l’IA, il fallait connaître le nom du fichier et savoir où chercher. Maintenant, il suffit de poser une question.

L’IA transforme donc une permission passive en capacité active de recherche et de synthèse. Elle n’a pas créé le problème de gouvernance. Elle l’a rendu beaucoup plus facile à découvrir, et parfois à exploiter.

Pour une petite organisation, on peut encore faire le ménage assez rapidement. Dans une structure qui accumule des milliers ou des millions de fichiers, c’est une autre histoire. Les accès historiques, les copies et les exceptions finissent par former un réseau que plus personne ne comprend vraiment.

Une vieille information peut produire une réponse très convaincante

Il existe un autre risque, plus discret. On crée énormément de fichiers. Puis les prix changent, les politiques évoluent, les stratégies sont remplacées et les hypothèses sont abandonnées.

Les anciennes versions, elles, restent souvent dans les dossiers. Microsoft recommande d’ailleurs (nouvelle fenêtre) de réduire les données périmées dans les sources utilisées par les agents afin d’éviter des réponses inexactes ou dépassées.

Imagine deux plans stratégiques portant presque le même nom. Le premier contient une orientation abandonnée. Le second présente la décision actuelle.

Pour toi, la différence est claire parce que tu as vécu la discussion. Pour l’IA, ce sont deux sources disponibles.

Elle peut répondre à partir du mauvais document. Elle peut aussi combiner une ancienne politique, un nouveau tarif et une hypothèse abandonnée pour produire une synthèse parfaitement logique, mais qui n’a jamais été vraie.

Ce n’est même pas nécessairement une hallucination. L’IA peut citer fidèlement sa source. C’est la source qui n’est plus vraie.

Voilà pourquoi une mémoire d’entreprise ne devrait pas seulement indiquer d’où vient une information. Elle devrait aussi nous dire si cette information est actuelle, historique, remplacée, non validée ou privée.

Une archive conserve. Une mémoire aide à décider.

Quand chacun construit sa propre mémoire

Le défi augmente lorsque plusieurs employés travaillent avec leur propre assistant.

Une personne analyse un projet dans ChatGPT. Une autre conserve ses décisions dans Claude. Un gestionnaire utilise Copilot avec les dossiers Microsoft. Chaque personne développe ses propres instructions et apprend à donner le contexte à sa manière.

Au bout d’un moment, l’entreprise ne possède plus une mémoire commune. Elle possède plusieurs mémoires individuelles qui ne se parlent pas.

Ça crée trois problèmes très concrets.

La qualité du travail varie selon la capacité de chacun à reconstruire le bon contexte. Lorsqu’un employé quitte, une partie des raisonnements et des apprentissages peut partir avec son compte. Et personne ne sait vraiment quelle information a été donnée à quelle IA pour arriver à une décision.

Une mémoire commune ne veut pas dire que tout le monde voit tout. Au contraire. Elle doit permettre de distinguer le contexte partagé par l’organisation, celui d’une équipe, celui d’un rôle et ce qui doit rester privé.

La bonne question n’est donc pas : « Combien de fichiers notre IA peut-elle lire? »

La bonne question est : « Quel contexte validé doit-elle utiliser pour répondre à cette personne, dans cette situation? »

Ta mémoire ne devrait pas être prisonnière d’une IA

Il y a aussi un risque dont on parle moins : devenir captif de son outil.

Si les décisions, les instructions et les apprentissages de ton entreprise vivent uniquement dans les conversations ou les assistants personnalisés d’une plateforme, changer d’IA devient beaucoup plus compliqué. Tu ne changes plus seulement de logiciel. Tu dois reconstruire une partie de ta mémoire.

Or, les modèles vont continuer d’évoluer. Les prix vont changer. Les besoins de ton entreprise aussi.

Tu devrais pouvoir choisir l’intelligence qui convient au travail à faire sans perdre ton histoire, tes méthodes et ton contexte. L’actif durable n’est pas l’IA que tu utilises aujourd’hui. C’est la mémoire que ton entreprise a structurée et qu’elle peut conserver indépendamment de cet outil.

C’est ici que Pilostra prend sa place

Pilostra n’a pas pour rôle d’aspirer tous les fichiers de ton entreprise.

Son rôle est de structurer le contexte métier qui permet de la comprendre : tes offres, tes segments, tes objectifs, tes décisions, tes influences, tes finances, tes processus et les liens entre ces éléments.

Ce travail a de la valeur avant même que l’IA intervienne. Il aide l’entrepreneur et son équipe à voir plus clairement l’entreprise, à conserver les décisions importantes et à éviter de recommencer sans cesse la même réflexion.

Cette structure devient aussi une couche de contexte utilisable par les intelligences que l’entreprise autorise. Au lieu de laisser une IA fouiller des milliers de fichiers, Pilostra lui transmet le contexte pertinent, actuel et permis pour la tâche demandée.

La nuance est importante.

Pilostra n’est pas l’IA de l’entreprise. Pilostra aide l’entreprise à structurer une mémoire qu’elle possède, puis à travailler avec les IA qu’elle choisit.

Par où commencer, concrètement?

Pour une PME ou un OBNL, tu n’as pas besoin de bâtir demain matin une architecture technologique digne d’une multinationale.

Commence par quatre questions :

• Quelle information fait réellement autorité dans ton entreprise?
• Comment sais-tu qu’elle est encore vraie?
• Qui peut l’utiliser, et dans quel contexte?
• Pourrais-tu la conserver si tu changeais d’IA demain?

Ce simple exercice révèle souvent beaucoup de choses : une politique dépassée, une décision importante perdue dans une conversation, un dossier partagé trop largement ou un savoir essentiel qui vit seulement dans la tête d’une personne.

C’est aussi le point de départ du travail de mapping dans Pilostra (nouvelle fenêtre). On ne cherche pas à tout faire avaler à l’IA. On commence par rendre l’entreprise compréhensible, pour les humains d’abord, puis pour les intelligences qu’elle choisira d’autoriser.

Une entreprise AI-first n’est pas une entreprise qui donne tout à l’IA.

C’est une entreprise qui sait ce qu’elle veut lui permettre de comprendre.