Rob Hanna : l'IA en entreprise ne manque pas de percées technologiques, mais de gestion de contenu

Rob Hanna, cofondateur et directeur général de Precision Content, un cabinet de conseil spécialisé dans la communication technique, a déclaré à The Next Web en juin 2026 que de nombreuses initiatives d'intelligence artificielle en entreprise perdent de leur élan. En cause, selon lui : non pas l'absence de nouveaux modèles révolutionnaires, mais l'absence de systèmes de gestion de contenu capables de rendre fiables les connaissances de l'entreprise.

Pourquoi les projets d'IA en entreprise patinent-ils ?

D'après Rob Hanna, les organisations continuent de traiter le langage comme s'il s'agissait de données structurées — à la manière de lignes dans une table de base de données. Elles ignorent au passage les systèmes censés garantir l'exactitude, l'actualité et la cohérence des connaissances sur lesquelles les outils d'IA de l'entreprise sont entraînés ou dans lesquelles ils puisent leur contexte. Résultat : même le modèle le plus puissant, une fois branché sur la base de connaissances interne, hérite de tous ses défauts — versions obsolètes de documents, instructions contradictoires, sources de vérité éparpillées entre les services.

Vu de l'extérieur, cela ressemble à un « problème de modèle » : l'assistant s'emmêle ou fournit une réponse inexacte. En réalité, le problème se situe au niveau des données, que personne n'a mises en ordre de façon systématique bien avant l'arrivée de l'outil d'IA lui-même.

«

Les équipes de communication technique possèdent déjà bon nombre des compétences nécessaires pour bâtir... » — Rob Hanna, CEO de Precision Content.

De quoi les entreprises ont-elles besoin pour une IA fiable ?

Rob Hanna souligne que les équipes de documentation technique pratiquent depuis des années exactement ce qui est aujourd'hui critique pour le bon fonctionnement des systèmes d'IA : une source unique de vérité pour le contenu, des taxonomies, des métadonnées, des normes rédactionnelles et des processus de vérification des faits avant publication. Sans cette discipline, tout modèle qui s'appuie sur les documents de l'entreprise pour répondre aux salariés ou aux clients — que ce soit via la génération augmentée par récupération sur une base interne (RAG) ou via un fine-tuning sur des textes de l'entreprise — risque de fournir des informations contradictoires ou obsolètes, quelle que soit la puissance du modèle sous-jacent.

Pourquoi cet aspect est-il négligé lors du déploiement de l'IA ?

Les dirigeants investissent plus volontiers dans le choix du modèle, les licences d'abonnement et la formation des salariés au prompting que dans une refonte de la manière dont les documents sont créés, versionnés et validés au sein de l'entreprise. Les rédacteurs techniques et les spécialistes du contenu sont par ailleurs traditionnellement perçus comme une fonction support, et non comme un maillon clé dont dépend la justesse des réponses de l'assistant d'IA de l'entreprise. Rob Hanna appelle à revoir cette hiérarchie des priorités et à intégrer les équipes contenu parmi les premières impliquées dans le lancement des initiatives d'IA en entreprise.

En tant que cabinet de conseil en rédaction technique, Precision Content aide depuis des années les organisations à mettre en place précisément ce type de processus — référentiels documentaires uniques, contrôle des versions, terminologie harmonisée. La position de Rob Hanna revient de fait à présenter l'expertise métier de son propre cabinet comme une réponse toute prête au nouveau problème posé par l'IA en entreprise.

Ce que cela signifie

La conclusion de Rob Hanna déplace le débat sur l'IA en entreprise du choix du modèle vers l'investissement dans les opérations de contenu. Les organisations qui disposent déjà d'équipes de documentation technique matures n'auront peut-être pas besoin d'un nouveau modèle, mais d'une refonte de leurs processus de gestion de contenu, afin que leurs outils d'IA s'appuient sur des données fiables.