RAG : brancher une IA sur les documents de votre PME

Un RAG, ou génération augmentée par récupération, branche une intelligence artificielle sur les documents de l’entreprise : elle va chercher les passages utiles au moment de la question, puis répond en citant sa source. Pour une PME, un RAG en entreprise transforme des fichiers dormants en réponses vérifiables, sans déplacer le savoir hors de la maison.

Le savoir de l’entreprise dort dans ses fichiers

Dans une PME, l’information existe presque toujours. Elle est simplement éparpillée : un devis de l’an dernier sur le serveur, une procédure de sécurité au fond d’une boîte mail, un compte rendu de chantier dans un dossier partagé, une fiche technique imprimée dans le classeur de l’atelier. Retrouver la bonne version prend quelques minutes quand la personne sait où chercher, bien davantage quand elle vient d’arriver.

Cette dépense ne figure sur aucune ligne comptable, ce qui explique sa longévité. Elle se manifeste par à-coups : un chiffrage refait parce que le précédent reste introuvable, un client qui redemande une pièce déjà envoyée, deux collaborateurs qui reconstruisent chacun de leur côté la même réponse technique.

La seconde perte est plus sourde. L’expertise vit dans la tête de quelques personnes : le conducteur de travaux qui connaît les contraintes de chaque client, l’assistante qui sait quelle mention doit figurer sur tel document, le technicien qui a déjà résolu la panne trois fois. Un départ, un arrêt long, et cette connaissance quitte l’entreprise avec la personne.

Troisième symptôme, plus risqué : les versions périmées continuent de circuler. Une procédure modifiée il y a huit mois reste appliquée dans son état ancien, parce que la nouvelle dort dans un sous-dossier et que personne ne sait laquelle fait foi. Sur un sujet de sécurité ou de conformité, l’écart devient un problème, pas une gêne.

Les devis et les comptes rendus subissent le même sort. Rédigés avec soin, ils servent une fois, puis rejoignent une archive que personne ne rouvre, alors qu’ils contiennent l’historique des prix pratiqués, les réserves émises par les clients et les décisions prises en réunion.

Ce qu’un assistant documentaire fait concrètement

Le point de départ tient à une différence de méthode. Une recherche classique compare des chaînes de caractères : le mot demandé figure dans le fichier, ou il n’y figure pas. La recherche sémantique travaille sur le sens, et une question posée avec les mots du terrain retrouve un passage qui emploie un autre vocabulaire, dans un document dont le titre n’évoque rien.

La réponse change aussi de nature. Au lieu d’une liste de fichiers à ouvrir un par un, l’assistant restitue un paragraphe qui répond à la question et indique le document d’origine, sa date et l’endroit exact du passage. Cette traçabilité fait la valeur du dispositif en contexte professionnel : une information invérifiable n’a pas sa place dans un devis ni dans un échange avec un client. Ces réponses sourcées séparent un assistant documentaire d’un assistant conversationnel généraliste.

La question à poser en premier porte donc sur le sort du corpus et des données. Les entreprises de terrain qui veulent remettre la main sur leur information s’orientent vers des solutions d’analyse documentaire IA conçues pour leur réalité, comme celles que développe Métio : la réponse provient des seuls fichiers reconnus comme fiables par l’entreprise, le document d’origine est cité, les données ne servent pas à entraîner le modèle, l’hébergement reste en France et le déploiement avance par étapes à partir d’un premier cas d’usage.

Ce fonctionnement change le rapport au savoir interne. L’information cesse de dépendre de la mémoire de deux ou trois personnes : un nouvel arrivant retrouve seul la procédure applicable, un chargé d’affaires prépare un chiffrage en s’appuyant sur des dossiers comparables déjà traités, un responsable obtient en quelques secondes la précision qu’il aurait demandée par téléphone. Le savoir reste dans l’entreprise, daté et rattaché à son document d’origine.

Les questions auxquelles il répond le mieux

Les demandes les plus rentables ressemblent à celles qu’un collègue expérimenté traiterait de mémoire :

• quelle est la dernière version de la procédure de réception de chantier et ce qui a changé depuis ;
• ce qui a été convenu avec ce client lors de la dernière réunion, et par qui ;
• quels devis comparables ont déjà été chiffrés pour ce type de prestation ;
• ce que le rapport d’intervention du printemps disait du matériel en défaut ;
• quelles pièces le dossier d’appel d’offres réclame et lesquelles existent déjà.

Synthétiser, comparer, préparer

Au-delà de la recherche, trois traitements reviennent dans les entreprises de terrain. Le résumé d’un rapport long, qui donne les points de décision sans lecture intégrale. La comparaison de plusieurs devis ou de plusieurs versions d’un contrat, qui fait ressortir les écarts de périmètre et les oublis. La préparation d’une réunion ou d’un chiffrage, enfin, où l’assistant rassemble en une note les éléments dispersés dans cinq documents. Ces usages prolongent ceux, plus généraux, décrits dans notre repère sur les usages de l’IA générative en petite structure.

RAG et entraînement d’un modèle : ce qui reste chez vous

La confusion la plus fréquente porte sur le sort des documents confiés. Entraîner un modèle consiste à modifier le modèle lui-même à partir d’un corpus : les informations se diluent dans ses paramètres et ne se reprennent plus. Un RAG ne touche pas au modèle. Il interroge une base documentaire au moment de la question, en extrait les passages pertinents et les fournit au modèle comme contexte de lecture, le temps de formuler la réponse.

Cette différence commande le reste. Un fichier retiré du périmètre cesse d’être cité dès la synchronisation suivante, une procédure corrigée remplace l’ancienne sans réapprentissage, un dossier sensible reste simplement hors du champ couvert.

Les droits d’accès méritent une attention particulière au moment du raccordement. Un assistant bien construit reprend les habilitations déjà en place : chaque utilisateur obtient uniquement ce qu’il aurait le droit d’ouvrir lui-même dans l’arborescence. Sans cette reprise, le dispositif ouvrirait une porte discrète vers les dossiers du personnel ou les contrats commerciaux.

Côté conformité, le règlement général sur la protection des données s’applique sans régime particulier : minimisation des données traitées, information des personnes concernées, encadrement contractuel du prestataire qui héberge et traite les fichiers. La Commission nationale de l’informatique et des libertés publie des ressources régulières sur l’intelligence artificielle et les données personnelles, utiles avant de raccorder un espace qui contient des dossiers de salariés. Un hébergement en France simplifie ces échanges et répond à une question que des clients posent désormais dans leurs propres consultations.

Cadrer un projet de RAG en entreprise

La réussite se joue avant la technique, sur trois décisions que personne ne prendra à la place du dirigeant : ce que l’assistant a le droit de lire, à quelle question il doit répondre, et comment sa réponse sera jugée. France Num, le dispositif public d’accompagnement au numérique des TPE et PME, consacre d’ailleurs un repère à la génération augmentée par récupération et aux conditions de son déploiement.

Inventorier les sources et leur état

Le premier travail consiste à lister les endroits où vit l’information : serveur de fichiers, espace de stockage en ligne, logiciel de gestion, boîtes partagées, dossiers papier numérisés. Pour chaque source, trois questions suffisent : qui la tient à jour, à quelle fréquence, et quelle part des documents reste valable aujourd’hui. Un corpus restreint et propre vaut mieux qu’un fonds volumineux où cohabitent quatre versions du même contrat.

Choisir un cas d’usage étroit et fréquent

Le bon candidat se reconnaît à sa répétition : une question que les équipes posent chaque semaine, dont la réponse existe dans un ensemble de documents identifiable. Le périmètre restreint accélère tout, du raccordement aux tests utilisateurs. Un cas d’usage étroit produit des résultats jugeables en quelques semaines, là où un projet global reste en chantier pendant des mois.

Mesurer, itérer, raccorder

L’indicateur se définit avant le démarrage : temps moyen pour obtenir une réponse fiable, part des demandes traitées sans déranger un collègue, nombre de réponses jugées exactes par les utilisateurs sur un échantillon connu. Les itérations courtes avec les personnes concernées valent mieux qu’une longue recette finale, car les premières semaines révèlent surtout les documents manquants et les formulations métier que le dispositif comprend mal.

Vient le raccordement aux outils déjà en place, pour que l’assistant travaille sur les fichiers là où ils sont produits plutôt que sur une copie qui vieillit. Cette logique de connexion entre applications rejoint celle décrite dans notre repère sur les outils d’automatisation accessibles. Pour la conduite du projet et les questions à poser avant d’engager un budget, le repère sur le paysage des prestataires spécialisés fournit la trame d’un cahier des charges tenable.

Les erreurs de démarrage qui coûtent le plus

Cinq maladresses reviennent dans les projets qui s’enlisent :

• ouvrir l’ensemble du serveur d’un seul coup, sans tri ni périmètre défini ;
• laisser des documents périmés dans le corpus, puis s’étonner des réponses dépassées ;
• attendre une réponse juste à tous les coups et supprimer toute vérification ;
• ne désigner personne comme gardien du périmètre documentaire ;
• juger le dispositif sur une démonstration bâtie avec des documents de vitrine.

La qualité des documents en entrée décide de la qualité des réponses. Un corpus où traînent trois versions d’un même contrat produira des réponses contradictoires, et le reproche en reviendra injustement au dispositif. Le tri initial prend quelques jours et se rentabilise dès les premières semaines d’usage.

La relecture humaine garde son rôle sur tout ce qui engage l’entreprise : un chiffrage, une clause reprise dans une offre, une consigne de sécurité transmise à un intervenant. La réponse cite son document d’origine, ce qui rend cette vérification rapide, puisque le passage indiqué s’ouvre en un clic.

Reste la question du propriétaire. Un responsable du corpus, même à temps très partiel, vaut mieux qu’une responsabilité partagée par tout le monde : quelqu’un décide quelle version fait foi, retire les documents caducs et arbitre les demandes d’accès. Sans ce rôle, le périmètre se dégrade en silence et les équipes reviennent à leurs anciennes habitudes.

La dernière maladresse est commerciale. Une démonstration menée sur des documents choisis rassure sans rien prouver, alors qu’un essai conduit sur un échantillon réel de l’entreprise, fichiers mal numérisés et tableaux bancals compris, dit en deux jours ce qu’une présentation ne dira jamais. Les arbitrages voisins, du premier essai à la mise en production, sont réunis dans la rubrique IA pour les entreprises.

Prochaine étape : relever les dix questions que les équipes posent le plus souvent, noter pour chacune le document qui contient la réponse, puis vérifier que ce document est à jour. Ce relevé tient sur une page, se fait en une matinée et décide du périmètre du premier assistant.