Rob Hanna : l'IA d'entreprise n'a pas besoin de percées mais de gestion de contenu

Rob Hanna, cofondateur et PDG de Precision Content, une entreprise de conseil spécialisée dans la communication technique, a déclaré à The Next Web en juin 2026 que de nombreuses initiatives d'entreprise pour mettre en œuvre l'intelligence artificielle perdent leur élan non pas en raison d'un manque de nouveaux modèles révolutionnaires, mais en raison de l'absence de systèmes de gestion de contenu qui rendent les connaissances d'entreprise fiables.

Pourquoi les projets d'IA d'entreprise stagnent

Selon l'observation de Hanna, les organisations continuent à traiter le langage comme s'il s'agissait de données structurées — comme des lignes dans un tableau de base de données — tout en ignorant les systèmes qui devraient assurer la précision, la pertinence et la cohérence des connaissances sur lesquelles les outils d'IA d'entreprise s'appuient ou dont ils tirent le contexte. En conséquence, même le modèle le plus puissant connecté à la base de connaissances interne d'une entreprise hérite de tous les problèmes de cette base : des versions de documents obsolètes, des instructions conflictuelles et des sources de vérité éparpillées dans différents départements. De l'extérieur, cela ressemble à un "problème de modèle" — l'assistant se confond ou donne une réponse inexacte — alors que la racine du problème se situe au niveau des données, que personne n'a systématiquement organisées bien avant l'apparition même de l'outil d'IA.

"Les équipes de communication technique possèdent déjà de nombreuses compétences nécessaires pour construire..." —

Rob Hanna, PDG de Precision Content.

De quoi les entreprises ont besoin pour une IA d'entreprise fiable

Hanna souligne que les équipes de documentation technique font depuis des années exactement ce qui est maintenant critique pour la qualité des systèmes d'IA : une source unique de vérité pour le contenu, des taxonomies, des métadonnées, des normes stylistiques et des processus de vérification des faits avant la publication. Sans cette discipline, tout modèle qui s'appuie sur les documents d'entreprise pour répondre aux employés ou aux clients — qu'il s'agisse de recherche avec génération augmentée par récupération (RAG) à partir d'une base de connaissances interne ou d'un réglage fin sur les textes d'entreprise — risque de fournir des informations contradictoires ou obsolètes, quelle que soit la puissance du modèle sous-jacent.

Pourquoi cela est ignoré lors de la mise en œuvre de l'IA

Les dirigeants investissent plus souvent dans le choix du modèle, le paiement des licences d'abonnement et la formation des employés aux prompts que dans la reconsidération de la manière dont l'entreprise crée, assure le contrôle des versions et approuve les documents. Les rédacteurs techniques et les spécialistes du contenu sont traditionnellement considérés comme une fonction de support plutôt que comme un composant clé qui détermine la précision des réponses de l'assistant d'IA d'entreprise. Hanna appelle à repenser cette hiérarchie des priorités et à inclure les équipes de contenu parmi les premiers à être impliqués dans les initiatives d'IA d'entreprise.

Precision Content, en tant qu'entreprise de conseil, a passé des années à aider les organisations à construire exactement ces types de processus — des référentiels de documentation unifiés, le contrôle de version et la terminologie cohérente — et la position de Hanna s'appuie essentiellement sur l'expérience professionnelle propre de son entreprise comme réponse toute prête au nouveau problème créé par l'IA d'entreprise.

Qu'est-ce que cela signifie

La conclusion de Hanna déplace l'accent de la conversation sur l'IA d'entreprise de la sélection du modèle aux investissements dans les opérations de contenu : les organisations qui ont déjà des équipes matures de documentation technique n'ont peut-être pas besoin d'un nouveau modèle, mais plutôt d'une restructuration des processus de gestion du contenu pour que les outils d'IA s'appuient sur des données fiables.