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

Teamly a publié une mise à jour majeure de sa plateforme de gestion des connaissances d'entreprise. L'assistant IA puise désormais ses données non plus dans des jeux d'entraînement généraux, mais dans la base interne à jour de l'entreprise. Les auteurs y voient ouvertement la solution au principal problème de l'IA d'entreprise et, au vu des statistiques, ils n'ont pas tort.

Pourquoi l'IA d'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 d'entreprise. À l'été 2025, les chiffres étaient décevants : selon diverses estimations, 95 % des déploiements n'ont apporté ni gain de temps mesurable ni amélioration des résultats financiers. L'argent est dépensé, les communiqués de presse sont rédigés, mais les indicateurs restent muets.

La cause est rarement le modèle lui-même. Un nouvel employé ouvre l'assistant de l'entreprise et pose une question simple : comment faire valider un déplacement professionnel dans un autre fuseau horaire. L'assistant répond avec assurance et en détail. Mais de travers. Le règlement en vigueur se trouve dans les échanges de la directrice des RH. La version de l'an dernier prend la poussière dans l'archive d'une collègue partie, où personne n'a mis les pieds depuis son départ. Et les subtilités clés du processus n'existent que dans la tête d'une spécialiste actuellement en congé maternité, à qui personne n'a demandé d'extraire ses connaissances avant son départ.

C'est dans cet environnement qu'arrivent la plupart des assistants IA d'entreprise : connectés, mais sans rien à se mettre sous la dent.

Ce qui change dans la mise à jour d'avril

Teamly s'est concentré sur une couche qui reste d'ordinaire dans l'ombre : l'infrastructure de connaissances située sous l'assistant. La mise à jour ne touche pas à l'interface de chat, mais à la façon dont l'entreprise stocke, structure et met à jour ses documents internes.

Principales fonctions :

• Organisation automatique des contenus par thèmes et par rôles des employés
• Détection des documents obsolètes, avec recommandations de mise à jour
• Liaison des règlements et consignes connexes en chaînes uniques
• Diagnostic des lacunes : la plateforme indique quelles connaissances manquent dans la base
• Génération de parcours de formation à partir des contenus existants

Résultat : l'assistant reçoit non pas une archive chaotique de textes épars, mais une base vivante et structurée. C'est ce qui lui permet de donner des réponses pertinentes plutôt que de se tromper avec aplomb.

L'onboarding, cas d'usage principal

Les premières semaines d'un nouvel employé sont un flot continu des mêmes questions : comment poser des congés, où trouver le modèle de l'entreprise, à qui s'adresser en cas de problème technique. Jusqu'ici, cela voulait dire faire la queue chez les RH ou passer des heures à fouiller Confluence et les chats internes, où la dernière réponse date d'il y a deux ans.

Désormais, Teamly construit un parcours d'onboarding personnalisé à partir des contenus de la base de connaissances : instructions pas à pas, politiques clés de l'entreprise, listes de contrôle pour les 30 premiers jours. L'assistant IA répond en s'appuyant sur des documents internes à jour, et non sur les connaissances générales issues du préentraînement.

«

Les connaissances existent quelque part, l'assistant est connecté, mais il n'a nulle part où puiser des données » : c'est là, selon les auteurs, la racine du problème de la plupart des déploiements d'IA d'entreprise.

Selon l'entreprise, une base de connaissances bien construite ramène le délai avant pleine productivité de plusieurs semaines à quelques jours.

Ce que cela signifie

Les budgets d'IA d'entreprise sont déjà alloués, et les sociétés cherchent maintenant à comprendre pourquoi le rendement ne répond pas aux attentes. La réponse ne tient le plus souvent ni au choix du modèle ni à la qualité de l'assistant, mais à l'absence, en dessous, d'une base de connaissances correctement organisée. Si les données sont dispersées entre messageries, archives et têtes d'employés, aucun modèle ne pourra aider.

Teamly mise sur une thèse simple : des connaissances structurées multiplient la valeur de n'importe quel outil d'IA, et sans elles, même un modèle puissant donnera des réponses assurées mais inutiles.