Le savoir-faire de nos meilleurs n'est écrit nulle part — l'IA peut-elle seulement s'en servir ?
Les pilotes d'IA générative échouent, mais on peut diffuser le savoir tacite en formant les équipes à coder leur expertise dans des agents — et lever le « décalage d'impédance » entre l'institution et l'outil, qui gaspille jetons et temps.
La question
Notre savoir opérationnel le plus précieux est tacite, porté par une poignée de personnes expérimentées, et ce qui est écrit est éparpillé dans des documents que personne n'entretient. Pouvons-nous rendre ce savoir opérationnel pour qu'un système d'IA puisse réellement s'en servir, qu'est-ce que cela demande, et faut-il le faire avant d'investir davantage dans l'outillage IA ?
La position de Counsel
Oui, priorisez l'opérationnalisation du savoir tacite et dispersé en une base structurée avant d'investir davantage dans l'outillage IA.
Verdict
Le verdict: Oui, priorisez l'opérationnalisation du savoir tacite et dispersé en une base structurée avant d'investir davantage dans l'outillage IA.
Ce qui fait pencher la décision
5 critère(s) sur 5 tranché(s) sur des preuves citées.
| Critère | Penche vers | Preuves |
|---|---|---|
| capturer les connaissances tacites | Les deux à égalité | Les experts peinent à articuler leurs connaissances tacites dans l'abstrait Experts are notoriously poor at articulating tacit knowledge in the abstract, because they know far more than they can say when asked directly to document it. Les experts sont notoirement mauvais pour articuler les connaissances tacites dans l'abstrait, car ils en savent bien plus qu'ils ne peuvent en dire lorsqu'on leur demande directement de les documenter. L'automatisation des décisions nécessite une méthode en sept étapes The more important part was learning how to convert years of business judgement into instructions that an AI could understand, test and eventually repeat. La partie la plus importante a été d'apprendre à convertir des années de jugement commercial en instructions qu'une IA pouvait comprendre, tester et finalement répéter. Intelligence artificielle sur Medium Les modèles d'IA génériques ignorent le contexte opérationnel de l'entreprise The big challenge is how do you then take the special sauce of what the company knows how to do and then make that legible, not just to its people, but machine readable to its agents? Le grand défi est de savoir comment prendre la sauce secrète de ce que l'entreprise sait faire et la rendre lisible, non seulement pour ses employés, mais aussi lisible par machine pour ses agents ? |
| structurer les documents dispersés | Les deux à égalité | La recherche d'informations coûte près d'un cinquième de la semaine knowledge workers spend close to a fifth of the working week simply hunting for and gathering information les travailleurs du savoir passent près d'un cinquième de la semaine de travail à simplement chercher et collecter des informations L'absence de contexte institutionnel provoque des cascades de corrections The bottleneck to effective agentic software development is not model capability but knowledge architecture. Le goulot d'étranglement au développement efficace de logiciels agentiques n'est pas la capacité du modèle, mais l'architecture des connaissances. Mises à jour cs.SE sur arXiv.org Les modèles d'IA génériques ignorent le contexte opérationnel de l'entreprise The big challenge is how do you then take the special sauce of what the company knows how to do and then make that legible, not just to its people, but machine readable to its agents? Le grand défi est de savoir comment prendre la sauce secrète de ce que l'entreprise sait faire et la rendre lisible, non seulement pour ses employés, mais aussi lisible par machine pour ses agents ? |
| maintenir la base de connaissances | Les deux à égalité | L'absence de contexte institutionnel provoque des cascades de corrections The bottleneck to effective agentic software development is not model capability but knowledge architecture. Le goulot d'étranglement au développement efficace de logiciels agentiques n'est pas la capacité du modèle, mais l'architecture des connaissances. |
| intégration avec les systèmes d'IA | Les deux à égalité | L'automatisation des décisions nécessite une méthode en sept étapes The more important part was learning how to convert years of business judgement into instructions that an AI could understand, test and eventually repeat. La partie la plus importante a été d'apprendre à convertir des années de jugement commercial en instructions qu'une IA pouvait comprendre, tester et finalement répéter. Intelligence artificielle sur Medium L'absence de contexte institutionnel provoque des cascades de corrections The bottleneck to effective agentic software development is not model capability but knowledge architecture. Le goulot d'étranglement au développement efficace de logiciels agentiques n'est pas la capacité du modèle, mais l'architecture des connaissances. Mises à jour cs.SE sur arXiv.org Les modèles d'IA génériques ignorent le contexte opérationnel de l'entreprise The big challenge is how do you then take the special sauce of what the company knows how to do and then make that legible, not just to its people, but machine readable to its agents? Le grand défi est de savoir comment prendre la sauce secrète de ce que l'entreprise sait faire et la rendre lisible, non seulement pour ses employés, mais aussi lisible par machine pour ses agents ? |
| analyse coûts-avantages | Les deux à égalité | La recherche d'informations coûte près d'un cinquième de la semaine knowledge workers spend close to a fifth of the working week simply hunting for and gathering information les travailleurs du savoir passent près d'un cinquième de la semaine de travail à simplement chercher et collecter des informations L'absence de contexte institutionnel provoque des cascades de corrections The bottleneck to effective agentic software development is not model capability but knowledge architecture. Le goulot d'étranglement au développement efficace de logiciels agentiques n'est pas la capacité du modèle, mais l'architecture des connaissances. |
Les experts peinent à articuler leurs connaissances tacites dans l'abstrait
Les agents d'IA échouent lorsqu'ils sont déployés sans directives structurées, car ils ne peuvent pas déduire le contexte organisationnel à partir de documents éparpillés.
L'automatisation des décisions nécessite une méthode en sept étapes
La conversion du jugement métier en instructions compréhensibles par l'IA exige de tester les hypothèses et de gérer l'exposition à l'automatisation selon le niveau d'autorité.
La recherche d'informations coûte près d'un cinquième de la semaine
La consolidation des connaissances institutionnelles via la génération augmentée par la recherche (RAG) permet de créer un assistant d'entreprise unifié qui surmonte la fragmentation documentaire.
L'absence de contexte institutionnel provoque des cascades de corrections
Les unités de connaissances atomiques (AKU) permettent de structurer les connaissances tacites en directives prêtes à l'action pour les agents d'IA, réduisant ainsi les erreurs récursives.
Les modèles d'IA génériques ignorent le contexte opérationnel de l'entreprise
La véritable valeur de l'IA réside dans la traduction de l'expertise tacite de vos employés en formats lisibles par les machines avant de déployer des agents.
Lire un autre verdict
- Par où commencer avec l'IA : des outils pour tous, une formation, ou un premier chantier ?
- Commencer par un petit essai, ou traiter le processus en entier ?
- Nos concurrents affichent de l'IA, pas nous — s'aligner ou tenir sa ligne ?
- Nos équipes mettent déjà des dossiers clients dans ChatGPT — interdire, encadrer, ou fournir ?
- Notre sachant part dans deux ans — comment garder ce qu'il sait ?
- On ne trouve plus les profils confirmés dont on a besoin — automatiser, former, ou sous-traiter ?
- Ralentir notre préparation au règlement IA maintenant que l'échéance passe à 2027 ?
- Utiliser l'IA pour aplatir l'encadrement intermédiaire cette année ?