Teamly : comment un assistant AI transforme une base de connaissances chaotique en onboarding en quelques jours

Teamly a publié une mise à jour majeure de sa plateforme de gestion des connaissances d'entreprise. Maintenant, l'assistant IA extrait les données non pas de jeux de données d'entraînement généraux, mais de la base de connaissances interne actuelle de l'entreprise. Les créateurs qualifient directement cela de solution au problème principal de l'IA en entreprise — et à en juger par les statistiques, ils ont raison.

Pourquoi l'IA en Entreprise Ne Fonctionne Pas

Au cours des deux dernières années, les entreprises ont investi entre 30 et 40 milliards de dollars dans des solutions d'IA en entreprise. À l'été 2025, les chiffres se sont avérés décourageants : selon diverses estimations, 95 % des implémentations n'ont apporté ni économies de temps mesurables ni gains financiers. Argent dépensé, communiqués de presse rédigés — les métriques restent silencieuses.

La raison réside rarement dans le modèle lui-même. Un nouvel employé ouvre l'assistant corporatif et pose une question simple — comment organiser un voyage d'affaires dans un fuseau horaire différent. L'assistant répond avec confiance et en détail. Mais incorrectement. Les réglementations actuelles sont enfouies dans la correspondance électronique du directeur RH. La version de l'année dernière s'accumule dans les archives d'une collègue partie, que personne n'a visitées depuis son départ. Et les nuances clés du processus n'existent que dans l'esprit d'une spécialiste actuellement en congé parental — et personne ne lui a demandé de documenter ses connaissances avant de partir.

C'est dans un tel environnement que la plupart des assistants IA en entreprise arrivent : connectés, mais sans rien pour se nourrir.

Ce Qui a Changé dans la Mise à Jour d'Avril

Teamly s'est concentré sur la couche qui reste généralement dans l'ombre — l'infrastructure de connaissance sous-jacente à l'assistant. La mise à jour ne modifie pas l'interface de chat, mais plutôt la façon dont l'entreprise stocke, structure et maintient les documents internes à jour.

Capacités clés :

• Organisation automatique des matériaux par sujet et rôle d'employé
• Détection des documents obsolètes avec recommandations de mise à jour
• Liaison des réglementations et instructions connexes en séquences unifiées
• Diagnostic des lacunes : la plateforme montre quelles connaissances manquent dans la base
• Génération de parcours de formation à partir de matériaux existants

Résultat : l'assistant reçoit non pas une archive chaotique de textes éparpillés, mais une base de connaissances vivante et structurée. C'est ce qui permet des réponses significatives au lieu d'erreurs confiantes.

Onboarding comme Cas d'Usage Principal

Les premières semaines d'un nouvel employé sont un flux continu de questions identiques : comment prendre du temps libre, où trouver un modèle corporatif, à qui s'adresser en cas de problème technique. Jusqu'à présent, cela signifiait faire la queue auprès des RH ou passer des heures à chercher dans Confluence et les chats internes, où la dernière réponse date d'il y a deux ans.

Maintenant, Teamly crée un parcours d'intégration personnalisé à partir de matériaux de la base de connaissances : instructions étape par étape, politiques clés de l'entreprise, listes de contrôle pour les 30 premiers jours. L'assistant IA répond en se basant sur les documents internes actuels, et non sur les connaissances générales de la formation préalable.

«

Le savoir existe quelque part, l'assistant est connecté — mais il n'y a nulle part d'où extraire les données » — c'est là que les créateurs voient la racine du problème pour la plupart des implémentations d'IA en entreprise.

Selon l'entreprise, une base de connaissances correctement structurée réduit le délai pour atteindre la pleine productivité de plusieurs semaines à seulement quelques jours.

Ce que Cela Signifie

Les budgets d'IA en entreprise ont déjà été alloués — maintenant les entreprises essaient de comprendre pourquoi les retours ne répondent pas aux attentes. La réponse ne réside généralement pas dans le choix du modèle ou la qualité de l'assistant, mais dans l'absence d'une base de connaissances correctement organisée en dessous. Si les données sont dispersées entre les messagers, les archives et les esprits des employés — aucun modèle ne pourra aider.

Teamly mise sur une prémisse simple : le savoir structuré multiplie la valeur de tout outil IA, et sans lui, même un modèle puissant livrera des réponses confiantes mais inutiles.