L'IA d'entreprise se heurte à un obstacle : le savoir sur la façon de travailler ne vit que dans la tête des employés

Les entreprises investissent des milliards dans l'IA d'entreprise, mais butent sur un problème fondamental : l'essentiel du savoir sur la façon dont le travail se fait réellement ne vit pas dans les bases de données et les documents, mais dans la tête des employés. Et extraire ce savoir est bien plus difficile qu'il n'y paraît.

Le savoir invisible de l'entreprise

Les systèmes d'entreprise formels, comme CRM, ERP, Jira et Confluence, enregistrent les résultats et les processus formels. Mais ils ne capturent presque jamais ce qui compte vraiment : comment, précisément, un manager expérimenté a réglé un litige avec un client clé, pourquoi une équipe contourne depuis des années un goulet d'étranglement du pipeline de cette façon-là, quelles nuances sont déterminantes avec tel partenaire.

On appelle ce phénomène la « connaissance tacite », ou tacit knowledge, terme introduit par le philosophe Michael Polanyi. Son principe : l'expert ne peut souvent pas expliquer pourquoi il prend telle décision ; il le sait, tout simplement. Un cuisinier expérimenté sent au toucher que la pâte est prête. Un avocat chevronné repère instantanément la clause problématique d'un contrat. Sans ce contexte, l'IA reste aveugle, quelle que soit la puissance de son architecture.

Pourquoi c'est difficile à numériser

L'IA d'entreprise se heurte à ce problème sur plusieurs fronts à la fois :

• Articulation : les employés ne peuvent souvent pas décrire eux-mêmes ce qu'ils font ; ils agissent selon une intuition forgée au fil des ans
• Volatilité : le savoir informel est constamment mis à jour par les événements, et la documentation n'arrive pas à suivre
• Incitations : l'employé n'a aucune motivation directe à expliquer précisément comment il travaille, car c'est son avantage concurrentiel au sein de l'entreprise
• Contexte : une même règle fonctionne de manière totalement différente selon le client, l'échéance et la composition de l'équipe
• Échelle : dans une grande organisation, des milliers de personnes détiennent un savoir unique, et chacune a sa propre version des mêmes processus

Même un modèle de langage puissant, entraîné sur les documents officiels de l'entreprise, donnera des conseils qui marchent sur le papier mais s'écartent de la réalité. C'est ce que Bloomberg qualifie de principal défi non résolu de l'IA d'entreprise aujourd'hui.

Ce que les entreprises essaient déjà

Plusieurs approches gagnent du terrain. Certaines entreprises lancent des programmes de « knowledge mining » : des séries d'entretiens structurés avec des experts clés, dont les enregistrements servent ensuite à affiner (fine-tuning) des modèles internes ou à alimenter des bases de connaissances. C'est laborieux, mais la qualité est élevée.

D'autres déploient des outils de process mining, qui analysent automatiquement les journaux des systèmes ERP et CRM et reconstituent les processus réels : ce qui se passe effectivement, et non ce que prévoient les règlements. L'écart entre les deux peut être saisissant.

Enfin, toute une catégorie de logiciels est apparue : des « ombres » d'IA qui observent en arrière-plan les actions de l'employé et construisent peu à peu un modèle de son comportement. Cela soulève de sérieuses questions sur la vie privée et sur la propriété du savoir qu'une personne a accumulé au fil de ses années de travail.

« Le vrai défi n'est pas d'entraîner un modèle sur les données de l'entreprise.

Le défi est d'abord d'extraire ces données des gens ».

Ce que cela signifie

L'IA d'entreprise bute moins sur la technologie que sur l'anthropologie organisationnelle. Les entreprises qui sauront extraire et numériser systématiquement le savoir informel de leurs employés obtiendront un véritable avantage concurrentiel, non pas grâce à des modèles plus intelligents, mais grâce à de meilleures données sur le fonctionnement réel de leur activité. La concurrence se déplace ainsi de la question « quelle IA est la plus puissante » vers « qui se connaît le mieux ».