Que se passe-t-il lorsqu’un membre expérimenté de votre service desk est malade ou en congé ? Bien souvent, ses collègues doivent eux-mêmes partir à la recherche de réponses. Résultat : certaines demandes restent en attente, les client·e·s doivent patienter plus longtemps, alors que l’information nécessaire existe déjà quelque part dans un système. Le véritable problème est que tout le monde ne sait pas où la trouver.
Vous vous demandez si c’est le cas dans votre organisation ? Observez la fréquence à laquelle la qualité, le service ou les processus internes dépendent de la disponibilité d’une personne en particulier. Si la réponse est « trop souvent », il est sans doute temps d’examiner de plus près la manière dont est structurée votre infrastructure de connaissances, aussi appelée company brain.
Six signes que votre infrastructure de connaissances pourrait être optimisée
Inutile de lancer un audit complet pour savoir si les connaissances détenues par certaines personnes représentent un risque pour votre organisation. Les signes apparaissent souvent dans les activités du quotidien. Les situations suivantes vous semblent-elles familières ? Si oui, il y a probablement une marge d’amélioration.
Les tickets du service desk portent régulièrement sur les mêmes questions
Les collaborateur·rice·s ouvrent un ticket parce qu’ils ne trouvent pas la réponse à leur question, ou pas assez rapidement. Il s’agit souvent de questions simples, pour lesquelles les connaissances existent déjà quelque part dans l’organisation. Le véritable problème est leur accessibilité.
Les nouveaux collaborateur·rice·s ne sont réellement productifs qu’après plusieurs semaines
Si une grande partie de leur période d’onboarding consiste à apprendre à naviguer entre différentes sources d’information, c’est un signal clair que votre infrastructure de connaissances ne fonctionne pas de manière optimale.
Les collaborateur·rice·s utilisent trop peu les systèmes de gestion des connaissances à leur disposition
Si les outils contenant des informations pertinentes sont peu utilisés, cela indique généralement que ces connaissances ne sont pas suffisamment accessibles ou exploitables dans la pratique.Des problèmes simples à résoudre reviennent régulièrement
Lorsqu’une personne bien informée peut apporter rapidement une réponse à une grande partie des problèmes rencontrés, cela peut révéler un manque d’accessibilité ou de visibilité de l’information au sein de l’organisation.Les connaissances sont recréées au lieu d’être réutilisées
Une nouvelle documentation est-elle produite pour chaque projet ? Il est alors probable qu’une part importante du temps et des ressources soit consacrée à un travail redondant. Lorsque les projets sont correctement documentés, centralisés et faciles à retrouver, les équipes peuvent avancer beaucoup plus rapidement.Les agents IA fournissent des réponses auxquelles les collaborateur·rice·s ne font pas confiance
Le problème ne vient pas toujours du modèle d’IA lui-même. Dans de nombreux cas, il réside dans les informations utilisées pour générer les réponses. Si celles-ci sont obsolètes ou dispersées entre différents systèmes, l’agent ne peut pas fournir des réponses fiables. Tout comme les collaborateur·rice·s, l’IA a besoin d’accéder à la bonne information, au bon endroit et au bon moment.
Pourquoi la discoverability est souvent sous-estimée dans les organisations en croissance
Dans de nombreuses organisations, l'écosystème de connaissances s'est développé de manière organique au fil des années. Les documents étaient d'abord stockés sur un disque partagé, puis les équipes ont progressivement adopté une multitude d'outils : SharePoint, Confluence, CRM, systèmes de ticketing, logiciels RH, etc. Chaque système remplit son rôle et répond à un besoin spécifique. Cependant, peu d'attention a généralement été accordée aux liens entre ces différents outils, ce qui a pour conséquence de disperser les connaissances dans toute l'organisation.
Sur le papier, toutes les informations sont disponibles. Dans la pratique, les collaborateur·rice·s dépendent souvent de leurs propres dossiers, de documents isolés ou de collègues qui savent où trouver une information précise. Cette approche fonctionne tant que tout le monde est disponible et connaît bien l'organisation. Mais à mesure que les équipes grandissent ou que certaines personnes quittent l'entreprise, il devient de plus en plus difficile de retrouver et de transmettre ces connaissances.
Ce qui fait alors défaut, c'est la discoverability, c'est-à-dire la capacité à retrouver, comprendre et exploiter facilement les connaissances réparties dans différents systèmes. Et cela n’impacte pas seulement vos collaborateur·rice·s, mais aussi vos client·e·s et les assistants IA. Cela peut sembler évident, mais dans les organisations en croissance, cet enjeu est souvent sous-estimé.
Les chiffres montrent pourtant l'ampleur du temps perdu. Selon la Gartner Digital Worker Experience Survey, 47 % des travailleur·euse·s digitales·aux rencontrent des difficultés à trouver les informations dont ils ont besoin pour effectuer leur travail correctement. Par ailleurs, le Microsoft Work Trend Index indique que les collaborateur·rice·s consacrent en moyenne 27 % de leur journée de travail à rechercher des informations. Cette perte de temps affecte non seulement la productivité, mais aussi la qualité, la capacité opérationnelle et le potentiel de croissance de l'organisation.
À cela s'ajoute le fait qu'un nombre croissant d'organisations optent délibérément pour une architecture composable. Elles combinent différents outils spécialisés afin de conserver leur flexibilité et de bâtir un environnement IT évolutif. Ce choix est pertinent, mais il présente également un revers. Chaque système possède sa propre façon de stocker, d'organiser, de rechercher et de partager l'information. Plus une organisation utilise de systèmes, plus elle dispose de connaissances, mais plus il devient difficile de les centraliser et de les exploiter efficacement.
C'est tout le paradoxe : les organisations n'ont jamais eu autant d'informations à leur disposition, mais cela ne signifie pas pour autant qu'il est plus facile de les trouver et de les utiliser.
Comment Enterprise AI Search apporte une réponse structurelle
Bonne nouvelle : il n'est pas nécessaire de remplacer l'ensemble de vos systèmes existants pour résoudre ce problème. C'est précisément le rôle d'Enterprise AI Search. La plupart des organisations disposent déjà d'une infrastructure IT dans laquelle applications, bases de données et systèmes existants sont reliés via des API et des flux d'événements (event streams). Cette base peut être conservée telle quelle. Enterprise AI Search s'appuie sur cet environnement existant et rend les informations issues de différents systèmes consultables depuis un point d'accès unique.
On peut comparer cela à Google, mais pour votre propre organisation. Au lieu de devoir parcourir différents systèmes et documents, vous accédez aux informations pertinentes depuis un seul endroit, même lorsqu'elles sont réparties entre plusieurs sources.
Comment ça marche ? D'un point de vue technique, Enterprise AI Search repose sur deux composants clés :
Les modèles d'embedding
Ils convertissent les questions et les informations en représentations mathématiques de leur signification. Le système peut ainsi effectuer ses recherches en fonction de l'intention de l'utilisateur·rice, et pas uniquement sur la base de mots-clés exacts. Il est donc capable de retrouver des informations pertinentes même lorsqu'une question n’est pas formulée de la même manière que dans le document d'origine.RAG (Retrieval-Augmented Generation)
Cette approche connecte l'IA aux sources de connaissances propres à l'organisation, telles que les documents, les bases de données ou les systèmes métiers. L'IA extrait les informations pertinentes de ces sources pour formuler sa réponse. Elle s'appuie ainsi sur les connaissances réelles de l'organisation, plutôt que sur les seules informations apprises par le modèle lors de son entraînement.
Pourquoi Enterprise AI Search est fiable
Pour que vos équipes aient confiance dans l'IA, elles doivent pouvoir compter sur l'exactitude des réponses qu'elle fournit. Cela implique que les informations sur lesquelles l'IA s'appuie soient fiables et que chacun·e puisse comprendre d'où provient une réponse. Trois caractéristiques du système jouent un rôle essentiel à cet égard :
Précision : la recherche hybride (hybrid retrieval) est une méthode de recherche qui combine deux approches : la recherche sémantique, basée sur le sens, et la recherche par mots-clés. Ainsi, même lorsque les collaborateur·rice·s formulent une même question de différentes manières, le système est capable de comprendre leur intention et d'identifier l'information pertinente.
Contrôle des accès : les agents IA doivent tenir compte des droits d'accès propres à chaque utilisateur·rice. Grâce au Model Context Protocol (MCP), les autorisations définies dans les systèmes sources connectés déterminent précisément quelles informations un utilisateur·rice ou un agent peut consulter.
Traçabilité des sources : chaque réponse peut être reliée à sa source. Les collaborateur·rice·s peuvent voir sur quels documents ou systèmes une réponse s'appuie, vérifier l'information, consulter le document d'origine ou approfondir leurs recherches si nécessaire. Cette transparence contribue également à renforcer la confiance dans les agents IA.
Le résultat ? Les collaborateur·rice·s trouvent plus rapidement les informations dont ils ont besoin et peuvent consacrer davantage de temps à des tâches à plus forte valeur ajoutée. Les nouveaux collègues gagnent plus vite en autonomie, sans dépendre constamment des membres les plus expérimenté·e·s de l'équipe. Et parce que chacun·e travaille à partir des mêmes informations, toujours à jour, la qualité du service dépend moins de la disponibilité d'une personne en particulier.
Concrètement, cela se traduit par moins de demandes inutilement réorientées, une meilleure expérience client et une plus grande maîtrise du respect des processus, des règles et des procédures en place.
Enterprise AI Search ne doit pas nécessairement s'inscrire dans un vaste programme de transformation
Les six signaux présentés dans cet article vous aideront à évaluer l'efficacité de l'infrastructure de connaissances de votre organisation. Vous en reconnaissez plusieurs et souhaitez savoir comment y remédier ? Commencez par cartographier les connaissances au sein de votre organisation et analysez dans quelle mesure elles sont faciles à trouver pour vos collaborateur·rice·s.
Quelles informations sont stockées dans quels systèmes ? Qui y a accès ? Et à quels endroits les collaborateur·rice·s perdent-ils inutilement du temps à les chercher ou à les vérifier ? Une fois cette situation clarifiée, vous pourrez identifier plus précisément les principales opportunités d'amélioration, définir les règles et processus nécessaires, puis avancer étape par étape vers une solution capable d'évoluer au même rythme que votre organisation.
Vous voulez savoir où en est votre organisation ?
Lors d'une session dédiée, nous faisons le point ensemble sur votre niveau de maturité. Vous repartez avec une vue claire des possibilités, des priorités et des prochaines étapes concrètes, sans engagement de votre part.