L'IA dans la gestion documentaire d'entreprise : périmètre, versions et droits d'accès

Le stock de fichiers n'est pas un système documentaire : le diagnostic à poser avant l'IA

Une responsable qualité demande la version en vigueur d'une procédure de contrôle. Elle obtient trois fichiers portant le même nom, deux dates différentes et aucune indication sur celui qui a été approuvé. Un moteur de recherche classique aurait renvoyé la même chose ; un assistant IA aurait répondu avec assurance en citant le document le plus proche sémantiquement, ce qui est pire. C'est précisément là que les projets de gestion documentaire échouent : personne n'a défini en amont quel document fait foi, qui en est propriétaire et combien de temps il doit être conservé.

L'IA apporte trois choses concrètes à la gestion documentaire : elle lit des documents que personne n'a le temps d'ouvrir, elle en extrait des champs et des résumés vérifiables, et elle répond en citant la source. Elle n'apporte pas, en revanche, la propriété des documents, les règles de conservation, la hiérarchie des versions, ni la validité juridique d'une signature. Un projet solide commence donc par un diagnostic organisationnel, pas par le choix d'un modèle.

Quatre questions suffisent à révéler le niveau de maturité réelle d'un corpus, avant toute démonstration commerciale. Si l'entreprise ne peut pas y répondre sur son périmètre pilote, aucune interface de dialogue ne compensera le vide.

• Qui est propriétaire de ce document et de sa mise à jour ?
• Quelle copie fait foi, et comment le sait-on sans ouvrir le fichier ?
• Que devient le document quand son auteur quitte l'entreprise ?
• Quelles catégories de documents ne doivent jamais entrer dans un index IA ?

Cartographier le corpus avant d'indexer : périmètre, volume et propriétaires

Avant d'indexer, il faut inventorier. Dans la plupart des organisations, les documents vivent à la fois dans une GED, des partages réseau, des pièces jointes d'ERP, des boîtes mail partagées et des dossiers personnels. Tous n'ont pas la même valeur : un contrat signé, une politique approuvée et un dossier d'audit relèvent du registre documentaire ; un brouillon, un export intermédiaire ou une présentation de réunion relèvent du travail courant. Indexer les seconds avec la même autorité que les premiers revient à noyer les réponses justes sous du contexte.

La méthode la plus rentable reste l'échantillonnage. Prélevez cent à deux cents documents par famille, puis mesurez ce que la machine peut réellement en tirer : texte natif ou scan, tableaux, annexes liées, annotations manuscrites, langues multiples. Ce test produit deux informations décisives, la part du corpus exploitable sans retraitement et le volume de reprise nécessaire, bien plus utiles qu'une estimation de stockage en gigaoctets.

Enfin, chaque famille de documents doit avoir un propriétaire nommé, côté métier et côté technique. Sans ce nom, personne ne tranchera les cas ambigus, et les exceptions s'accumuleront jusqu'à rendre l'index incohérent.

• Lister les sources, avec pour chacune un propriétaire métier et un propriétaire technique.
• Séparer le registre documentaire (ce qui fait foi) des fichiers de travail (ce qui donne du contexte).
• Échantillonner par famille : contrats, procédures, RH, fournisseurs, qualité, dossiers clients.
• Écrire noir sur blanc les exclusions, notamment les corpus sensibles ou en litige.

Métadonnées, versions et taxonomie : l'IA propose, l'entreprise décide

L'IA lit beaucoup mieux un document quand une couche de métadonnées existe déjà : type de document, entité concernée, contrepartie, date d'effet, échéance, classe de conservation, niveau de confidentialité, langue, statut de version. Sans vocabulaire contrôlé, le même objet devient « contrat », « Contrat », « CTR » et « convention », et chaque variante fragmente les réponses. L'IA peut proposer ces valeurs et signaler les incohérences ; elle ne doit pas les inventer sans seuil de confiance ni validation sur les champs critiques.

La question de la version est la plus coûteuse et la moins traitée. Un assistant doit distinguer un projet, une version signée et un avenant, et refuser de dire « voici la version en vigueur » s'il ne dispose pas d'une preuve de signature ou de validation. En pratique, on introduit un champ de statut, on déduplique les quasi-doublons et on documente une convention de nommage — en sachant que la métadonnée primera toujours sur le nom du fichier.

Cette couche de structuration est aussi ce qui rend les réponses vérifiables : un utilisateur doit pouvoir remonter du résumé à la page, puis à la version, puis au responsable. Sans ce chemin, l'assistant produit des affirmations élégantes que personne ne peut défendre en audit.

• Champs minimaux : type, propriétaire, statut de version, date d'effet, échéance, confidentialité, conservation.
• Un seuil de confiance explicite par champ, avec revue humaine en dessous du seuil.
• Détection des quasi-doublons, avec une seule copie déclarée « faisant foi ».
• Un référentiel de valeurs fermé plutôt que des libellés libres saisis au fil de l'eau.

Droits d'accès, résidence des données et traçabilité : trois conditions non négociables

Un index IA est une seconde porte d'entrée vers les documents, et une porte souvent moins surveillée que la première. Les droits doivent être appliqués au moment de la requête, avec l'identité réelle de l'utilisateur, et non une fois pour toutes à l'indexation. Les partages réseau héritent fréquemment de groupes imbriqués dont plus personne ne connaît la composition : le test à réaliser est simple — se connecter avec le compte d'un utilisateur métier et vérifier ce qu'il voit, y compris en posant une question formulée indirectement.

La résidence des données n'est pas un détail administratif. Pour les documents RH, juridiques ou clients, l'entreprise doit savoir où l'index est stocké, qui peut y accéder, combien de temps les questions et les réponses sont conservées et à qui elles sont restituées. Une architecture sur site ou hébergée dans le pays — c'est le cas de Pilardin pour les opérations en Iran via pilardin.ir — reste un critère de sélection légitime face à un service public dans le cloud.

La traçabilité complète cet ensemble : journal des requêtes, sources citées, version utilisée, décision de l'utilisateur. C'est ce journal qui transforme un assistant bavard en outil opposable le jour où un contrôle interne demande pourquoi une réponse a été donnée.

• Tester les droits avec des comptes utilisateurs réels, jamais avec un compte administrateur.
• Documenter la localisation de l'index et la durée de conservation des journaux.
• Exclure explicitement les corpus à risque : dossiers de rupture, litiges en cours, secrets industriels.
• Prévoir une procédure de révocation : que se passe-t-il quand un accès est retiré dans la source ?

Intégration, coût total et conduite du changement

Le coût d'un projet documentaire se joue rarement sur la licence et presque toujours sur l'intégration. Les connecteurs doivent suivre les évolutions de la GED, resynchroniser les droits, gérer les renommages et rattraper les fichiers déposés pendant l'indexation initiale. Un index rafraîchi une fois par nuit suffit pour des politiques internes ; il ne suffit pas pour des dossiers clients qui changent en cours de journée. Il faut aussi désigner un responsable du pipeline, faute de quoi les connecteurs s'arrêtent en silence et l'assistant cite des documents périmés sans que personne ne s'en aperçoive.

Côté adoption, la formation générique ne produit presque rien. Trois scénarios réels — retrouver la procédure applicable à un poste, préparer un audit en rassemblant les preuves, constituer un dossier client — suffisent à ancrer l'usage. Les indicateurs doivent rester mesurables sans maquillage : temps pour retrouver la version qui fait foi, part des documents dont les métadonnées sont complètes, nombre de demandes récurrentes adressées à l'équipe documentaire, durée de préparation d'un audit.

Un démarrage raisonnable tient en quelques étapes simples, à condition de les tenir dans l'ordre et de ne pas élargir le périmètre avant d'avoir mesuré les premiers résultats.

• Choisir un périmètre restreint : une entité, deux familles de documents, un processus.
• Nommer un propriétaire de corpus et un propriétaire de métadonnées avant le premier test.
• Définir la copie qui fait foi et le champ de statut avant toute évaluation d'outil.
• Vérifier les droits avec des comptes réels, puis documenter les exclusions.
• Mesurer une ligne de base avant le pilote, pour pouvoir comparer honnêtement ensuite.
• Prévoir la reprise des documents dégradés dans une file dédiée, visible des utilisateurs.

Ce que l'entreprise doit décider avant de choisir un outil

La bonne question n'est donc pas « quel modèle comprend le mieux le français », mais « quel cycle de vie documentaire voulons-nous rendre lisible et opposable ». Un assistant branché sur un corpus sans propriétaire, sans statut de version et sans synchronisation des droits produira des réponses rapides et invérifiables. Le même assistant, connecté à un registre documentaire propre, transforme la recherche en opérations auditables, avec sources, dates et responsables identifiés.

Concrètement, cela suppose de traiter la couche IA comme un composant de la gestion documentaire, et non comme un produit isolé. Pilardin s'inscrit dans cette logique avec un espace unique combinant dialogue sur les documents, connexion aux systèmes vivants et modules Matrix spécialisés ; le cadrage, lui, reste celui de l'entreprise. Avant de comparer les offres, écrivez vos règles de propriété, de version, de conservation et d'accès : ce document, plus que la démonstration, déterminera la réussite du projet.

Si vous voulez tester cette logique sur un périmètre réel, commencez par les modules Matrix et par un corpus limité plutôt que par un déploiement global. Un pilote court, mesuré et documenté vaut mieux qu'une promesse d'entreprise entièrement « augmentée ».

FAQ

Faut-il nettoyer tous les documents avant de démarrer un projet d'IA ?

Non, et attendre le grand nettoyage est l'une des premières causes d'enlisement. Il faut d'abord délimiter un périmètre restreint, vérifier la qualité sur un échantillon, puis traiter les documents au fil de leur usage réel. Les fichiers très dégradés peuvent rester hors index au départ, à condition que l'exclusion soit écrite et connue des utilisateurs. Le nettoyage massif ne se justifie que pour les corpus qui font foi et servent d'appui à des décisions réglementaires.

L'IA peut-elle attribuer elle-même les droits d'accès aux documents ?

Non. Les droits doivent être hérités des systèmes sources et appliqués à chaque requête avec l'identité de l'utilisateur. L'IA peut au mieux signaler une incohérence, par exemple un document confidentiel déposé dans un dossier ouvert à tous, mais la décision reste humaine. Automatiser ce point crée un risque de fuite difficile à détecter après coup, et surtout impossible à expliquer en audit.

Combien de temps faut-il pour obtenir un premier résultat utile ?

Sur un périmètre étroit — une entité, deux familles de documents, un processus —, un pilote se mesure en semaines plutôt qu'en trimestres : inventaire des sources, échantillon qualité, métadonnées minimales, tests de droits, puis scénarios réels avec des utilisateurs. La durée dépend surtout de la disponibilité des propriétaires métier et de la qualité des exports. Un pilote qui s'étale sur des mois sans utilisateurs réels signale presque toujours un périmètre trop large.

Que faire des scans de mauvaise qualité ou des documents manuscrits ?

Il faut les mesurer avant de promettre quoi que ce soit. Une reconnaissance de caractères correcte sur des scans droits donne d'excellents résultats ; une page photographiée de travers avec des annotations manuscrites demande une reprise humaine. La bonne pratique consiste à classer ces documents dans une file de reprise dédiée, à les signaler comme non fiables dans les réponses et à ne jamais les laisser alimenter une réponse présentée comme certaine.

Peut-on conserver les documents et l'index sur site ?

Oui, et c'est souvent requis pour des raisons réglementaires ou contractuelles. Une architecture sur site ou hébergée localement permet de maîtriser la résidence des données, les journaux et les accès, au prix d'une exploitation technique à assumer : mises à jour, capacité de calcul, surveillance des connecteurs. Le choix doit se faire catégorie de documents par catégorie de documents, pas sur une préférence générale pour le cloud ou le local.