Un expert corrige son document quand l'IA répond faux en le citant. Encore faut-il qu'il l'apprenne

Un signalement de réponse fausse sur un assistant IA est le moment où le lien entre une erreur et le passage cité est le plus facile à établir. Ce lien est fragile : il dépend de ce que l’outil conserve, de la durée de conservation que fixent vos propres politiques, et de la mémoire de l’utilisateur qui a cliqué. Une fois perdu, il ne reste que la campagne de relecture, que les experts métier traitent après leur travail. Préparer ses documents pour l’IA tient donc à une condition rarement outillée : un chemin qui ramène chaque réponse fausse jusqu’à la personne capable de corriger sa source.

Cet article s’adresse au CDO, au CTO ou au responsable de la gestion des connaissances d’un grand groupe dont un assistant interne répond déjà à des utilisateurs à partir du patrimoine documentaire : procédures, notes juridiques, conditions commerciales, référentiels qualité. Si votre assistant est encore un pilote fermé, sans moyen de signaler une réponse, l’argument tiendra le jour où il s’ouvrira.

La personne pour qui ce texte est inconfortable est l’experte qui a rédigé la source. Disons la juriste du pôle contrats, auteure en 2023 de la note qui fixe les conditions de résiliation des contrats professionnels. La scène se passe en comité de pilotage de l’assistant, un trimestre après son ouverture. Quelqu’un projette un exemple de réponse fausse donnée à un commercial, avec la citation. La juriste reconnaît son paragraphe, et la règle qu’elle a remplacée depuis par une note plus récente. Elle demande depuis quand l’équipe le sait. Le silence qui suit a une explication simple : le signalement est arrivé dans le tableau de bord de l’équipe IA, qui a ajusté une consigne, et personne n’a pensé à le lui transmettre.

Le geste que propose cet article est gratuit. Reprenez les signalements négatifs du dernier mois de votre assistant, s’il en collecte, et posez pour chacun une seule question : le document cité a-t-il été modifié depuis ? Si aucun ne l’a été, le signal s’arrête à l’équipe IA. Si certains l’ont été et que le signalement en est la cause, une boucle informelle existe, à écrire avant qu’elle ne parte avec la personne qui la fait vivre. Le résultat prend la forme d’un artefact décrit plus bas, le renvoi à la source.

Deux réponses arrivent avant la fin de la lecture : « nous avons lancé un projet qualité documentaire », campagne de relecture et sensibilisation des métiers ; et « notre outillage couvre déjà le sujet », qu’il s’agisse du tableau de bord de retours de l’assistant ou du circuit de revue périodique de la GED. Les deux sont utiles et partagent un trait : elles demandent à l’expert un travail en plus du sien, à un moment choisi par quelqu’un d’autre.

Le 28 septembre, nous demandions qui signerait la correction d’un document cité par un agent. Cet article prend la question suivante, plus étroite : à supposer que quelqu’un puisse corriger, à quel moment le fait-il, et qu’est-ce qui l’y conduit ?

Ce que Gartner mesure, et jusqu’où la mesure porte

Le 21 septembre 2026, Gartner a publié les résultats d’une enquête menée en mars auprès de 223 responsables data et analytique : la résistance culturelle l’emporte sur les contraintes de financement comme première raison d’échec des programmes de gouvernance, à 60 % contre 40 %. Le cabinet en conclut qu’une donnée prête pour l’IA suppose des parties prenantes prêtes pour l’IA. Parmi ses recommandations, deux nous intéressent : établir une responsabilité partagée entre métiers et technique plutôt que de traiter la gouvernance comme un sujet de la DSI, et intégrer la gouvernance dans les opérations quotidiennes.

L’enquête porte sur la gouvernance des données et de l’analytique, pas sur le patrimoine documentaire. Nous n’en extrapolons pas le chiffre. Ce qu’elle apporte ici tient à sa recommandation : une gouvernance qui arrive en plus du travail tient mal, une gouvernance qui arrive dans le travail a une chance de tenir.

Pour un patrimoine documentaire, « culture » est un mot qui ne dit pas quoi faire lundi. Le comportement observable est plus simple. Un expert relit rarement sa note par devoir, au milieu d’une liste de documents à revoir avant la fin du trimestre. Il la corrige quand elle le met en défaut devant quelqu’un et qu’on lui montre précisément où. C’est notre lecture, nourrie par l’expérience des diagnostics et non démontrée par une étude : la correction suit l’incident quand l’incident atteint son auteur.

La position que nous défendons est indépendante de ce communiqué. La couche documentaire précède le moteur, et la gouvernance documentaire est continue, quel que soit l’artefact d’analyste publié ce trimestre.

Ce que les retours de l’assistant corrigent, et ce qu’ils laissent en ligne

Il faut décrire l’outillage existant dans sa meilleure forme. Les assistants d’entreprise recueillent un retour négatif sur une réponse, souvent avec une catégorie et les sources utilisées. Les meilleurs tableaux de bord permettent à l’équipe IA de regrouper ces retours, d’en tirer des ajustements de recherche ou de consigne, et de vérifier leur effet. C’est un vrai travail, et il améliore l’assistant.

Sa frontière est précise : ces outils changent la façon dont l’assistant lit le corpus, et laissent le corpus tel qu’il est. Quand la source est fausse, l’équipe IA a trois options : exclure le document, ajouter une consigne qui le contourne, ou attendre. Aucune ne touche la note de la juriste. Elle reste en ligne, citée par les autres outils qui la lisent, et lue telle quelle par les collaborateurs qui l’ouvrent directement. L’assistant s’améliore en apparence pendant que le corpus reste faux.

Le circuit de revue périodique de la GED a la frontière inverse. Il atteint bien l’auteur, mais à date fixe, sans lien avec un incident, et sous la forme d’une liste. C’est exactement la gouvernance « en plus du travail » que décrit l’enquête.

L’alternative qu’on entend le plus souvent est la campagne : un projet qualité documentaire, un sponsor, une liste, une échéance. C’est à cette frontière que la juriste réapparaît. Pendant la dernière campagne, elle a reçu une liste de documents à confirmer avant la clôture trimestrielle, a validé ceux qu’elle connaissait par cœur et remis les autres à plus tard. La note de 2023 figurait dans la liste. Rien ne lui signalait alors qu’elle posait problème. Trois mois plus tard, un assistant la citait à tort : la raison de la relire existait enfin, et elle ne lui est jamais parvenue.

Une autre discipline a réglé cette question par écrit depuis longtemps. Le management de la qualité, dans la norme ISO 9001, organise la correction autour de la non-conformité : réagir, en déterminer la cause, vérifier si des non-conformités similaires existent ailleurs, contrôler l’efficacité de l’action et en conserver la trace. La réponse fausse d’un assistant est une non-conformité qui attend encore son circuit d’action corrective jusqu’au document. Le rattrapage est modeste, et la transposition porte sur la méthode, pas sur l’objet : il ne s’agit pas de certifier un corpus, et la direction qualité n’est pas l’acheteur visé.

Corriger un document après une réponse fausse de l’IA : le renvoi à la source

Le geste de l’introduction produit un artefact, le renvoi à la source. C’est le seul nom nouveau de cet article.

Ce qu’il contient. Une ligne par signalement de réponse fausse : la date, la question posée, reformulée sans identifiant d’utilisateur ni donnée client, la réponse donnée, le passage cité (document et version), le rédacteur ou le service rédacteur de ce passage, la suite donnée et sa date. La suite prend l’une de trois valeurs : document corrigé, document confirmé exact (l’erreur venait alors de la lecture de l’assistant, et la ligne retourne à l’équipe IA), ou transmis à un autre service.

Son domicile. La file où arrivent déjà les signalements de l’assistant, tenue par l’équipe qui l’exploite : son outil de tickets, son tableau de bord de retours ou, à défaut, un fichier partagé. Le renvoi ajoute deux colonnes à ce qui existe, « rédacteur » et « suite », et une transmission par le canal que le rédacteur utilise déjà. La colonne rédacteur se remplit depuis ce que le document porte lui-même : sa page de garde, son cartouche ou les métadonnées de la GED.

Le moment où ses premières lignes s’écrivent. Au prochain signalement de réponse fausse, au fil de l’eau. Jamais pendant une campagne de relecture, qui est précisément le moment où l’auteur n’a aucune raison de regarder.

Une ligne remplie. Date : un mardi d’octobre. Question : quelles sont les conditions de résiliation d’un contrat professionnel ? Réponse donnée : les conditions de l’ancienne note. Passage cité : note juridique « Résiliation des contrats pro », version 2023, paragraphe sur le préavis. Rédacteur : direction juridique, pôle contrats. Suite : transmis à la juriste, en attente.

Sa règle de lecture. Après un mois, deux issues. Si la plupart des lignes portent la suite « document corrigé » ou « confirmé exact », la boucle fonctionne et le renvoi entre dans la procédure de support de l’assistant. Si la plupart restent « en attente » ou sans rédacteur identifiable, c’est le chemin de transmission qui manque : le document ne dit pas qui l’a écrit, ou la transmission n’arrive nulle part. La correction porte alors sur ce chemin avant de porter sur les documents. La question de savoir qui signe, quand personne n’est identifiable, est celle que nous traitions le 28 septembre.

Son mode d’échec. Si l’exercice réussit, les rédacteurs reçoivent aussi des signalements sur des documents exacts, mal lus par l’assistant. C’est son coût : un peu de temps d’expert pour confirmer, que la valeur « confirmé exact » rend utile en renvoyant le cas à l’équipe IA. Si l’assistant ne collecte aucun signalement, l’exercice ne coûte rien et livre un constat : votre programme n’a pas de chemin de retour.

La pièce qu’il crée. Une ligne de renvoi établit qu’à une date donnée, l’entreprise savait qu’un document avait produit une réponse fausse. Si la correction tarde, la pièce le montre. C’est notre lecture, sans décision publiée à l’appui, qu’une trace de signalement suivie d’une suite datée reste préférable à l’absence de trace, qui ne protège de rien et empêche de corriger. La portée juridique d’une telle pièce dépend de votre contexte : l’avis de votre direction juridique s’impose avant d’en faire une règle de groupe, et celui du DPO avant d’y faire figurer la moindre question d’utilisateur.

La transmission ne crée aucun poste. Elle s’ajoute, par écrit, à la procédure de support de l’assistant et s’adosse à son budget d’exploitation plutôt qu’à une ligne nouvelle. La contrepartie est une dépendance : si l’assistant est remplacé, le renvoi doit être repris dans l’outil suivant, faute de quoi la boucle disparaît avec lui.

Ce qu’un terrain réel a montré, et ce qu’il n’établit pas

Chez TotalEnergies Retail Power & Gas, dont le retour d’expérience est public et nommé, environ 500 pages de documentation web officielle alimentaient le chatbot client en production. Lors d’un premier diagnostic mené sans migration, 19 % des pages se sont révélées à corriger, y compris des cas difficiles à repérer à l’œil à cette échelle. 53 % des cas ont été résolus en trois semaines, en priorisant les plus critiques, avec un à deux experts métier mobilisés une demi-journée à une journée par semaine. Thomas Bensoussan, Head of Digital Products, retient deux effets : faire apparaître des conflits difficilement repérables à l’œil, et indiquer vers quel expert orienter chaque cas. Les experts sont restés maîtres de la décision.

La frontière de cette preuve doit être dite. Ce retour d’expérience établit un point modeste, utile ici : quand chaque cas arrive à un expert identifié, avec le passage en cause, la correction se compte en demi-journées hebdomadaires. Il porte sur un diagnostic et ne documente aucune boucle de signalements. Il ne dit rien de la propension comparée des experts à corriger après une réponse fausse ou pendant une campagne, et nous ne lui faisons pas porter cette thèse. Le renvoi à la source cherche à reproduire au fil de l’eau la condition que le diagnostic avait réunie : le bon cas, devant le bon expert, avec le passage sous les yeux.

Ce que la DKP ajoute au renvoi, et où elle s’arrête

Une Document Knowledge Platform (DKP) est la couche de qualité et de gouvernance documentaire qui s’exécute en amont des systèmes d’IA : elle gouverne le patrimoine (Govern), détecte et traite anomalies, doublons, obsolescences et contradictions (Clean), puis n’active le corpus auprès des assistants qu’une fois ces deux étapes tenues (Activate). Elle ne remplace ni l’assistant, ni son tableau de bord de retours, ni la GED, ni le moteur de recherche d’entreprise. Elle ne se vend pas comme un outil d’observabilité ou d’évaluation des modèles, ni comme un outil de support, et n’a pas vocation à figurer dans un appel d’offres de ces catégories. Les signalements sont seulement le canal par lequel le problème documentaire devient visible.

Sa contribution au renvoi tient dans l’étape que la norme qualité appelle « vérifier si des non-conformités similaires existent ». Un signalement désigne un passage. La DKP compte les autres documents du patrimoine qui portent la même affirmation ou son contraire, ce que ni l’assistant ni la GED ne produisent. C’est son unité de travail propre : la contradiction dénombrée à travers les documents, au-delà de celui qu’on vient de citer. Sans elle, la juriste corrige sa note, et l’assistant cite le lendemain une fiche commerciale qui reprenait l’ancienne règle.

Le partage des responsabilités mérite d’être écrit. K-AI répond du dénombrement des anomalies, de leur reproductibilité et du routage de chaque cas vers l’expert concerné, avec un diagnostic préparé. La décision reste au métier : c’est la juriste qui dit quelle règle est la bonne. Sur le plan technique, l’analyse porte uniquement sur les contenus documentaires désignés, dans un périmètre d’ingestion contractuel. Les signalements, les questions des utilisateurs et les journaux de l’assistant restent dans vos outils, parce que la DKP n’en a pas besoin pour compter les contradictions. Aucune donnée n’est réutilisée pour entraîner des modèles.

Et si vous ne faites rien

Le statu quo a un résultat prévisible. L’équipe IA continuera de compenser par des consignes et des exclusions, chacune devenant une dépendance à reprendre au prochain changement d’outil. Le projet qualité documentaire suivant enverra une nouvelle liste aux experts, qui la traiteront comme la précédente.

Conclusion : auditer, nettoyer, surveiller

La séquence reste la même. Auditer : reprendre les signalements du dernier mois et poser la question unique, le document cité a-t-il changé depuis ? Nettoyer : ouvrir le renvoi à la source, transmettre chaque ligne à son rédacteur, et traiter avec lui les autres documents qui portent la même contradiction. Surveiller : faire du renvoi une étape écrite de la procédure de support, pour que chaque réponse fausse reparte vers sa source au lieu de s’arrêter à l’équipe IA.

Au prochain comité de pilotage, la juriste du pôle contrats ne découvrira pas sa note à l’écran. Elle aura reçu la ligne le mardi, avec le passage en cause, et la question qu’on lui posera sera la seule qui la concerne : quelle règle est la bonne.

Foire aux questions

Notre assistant IA a déjà un bouton de signalement. Qu’est-ce qui manque ?

Le bouton recueille le retour et l’envoie à l’équipe qui exploite l’assistant, qui peut ajuster la recherche ou les consignes. Ce qui manque le plus souvent est la suite vers le document : la transmission au rédacteur du passage cité, et la trace de ce qu’il en a fait. Le renvoi à la source ajoute ces deux colonnes à la file existante.

Comment savoir si une réponse fausse vient du document ou de l’assistant ?

On ne le sait qu’en regardant le passage cité. Si le passage est faux ou périmé, le document est en cause ; s’il est exact, l’assistant l’a mal lu. C’est pourquoi le renvoi prévoit la valeur « confirmé exact », qui retourne le cas à l’équipe IA.

Une campagne de relecture documentaire ne suffit-elle pas ?

Une campagne est utile pour traiter un stock, et elle reste nécessaire au démarrage. Elle atteint l’expert à une date choisie par quelqu’un d’autre, sans lien avec un incident, ce qui explique qu’elle laisse souvent de côté les documents qui posent problème. Le renvoi traite le flux, au moment où un document a effectivement produit une erreur.

Faut-il transmettre les questions des utilisateurs aux experts ?

Seulement sous une forme reformulée, sans identifiant d’utilisateur ni donnée client, et après avis du DPO. L’expert a besoin du passage cité et de la nature de l’erreur ; l’identité de celui qui a posé la question ne lui sert à rien.

Quel est le cadre de confidentialité d’un examen du patrimoine documentaire ?

Le périmètre d’ingestion est contractuel et limité aux contenus documentaires désignés, à l’exclusion des transcriptions, journaux d’usage et télémétrie. Aucune donnée n’est réutilisée pour entraîner des modèles. Le périmètre est validé conjointement par le Document Owner métier et le RSSI ou le DPO, jamais par la seule DSI.

Sources

• Gartner — Gartner Predicts 60% of Organizations That Ignore Data Governance Culture Challenges Will Fail to Govern AI Successfully by 2027, Mumbai, 21 septembre 2026 — enquête de mars 2026 auprès de 223 responsables D&A ; résistance culturelle 60 % contre financement 40 % ; « AI-ready stakeholders » ; recommandations sur la responsabilité partagée et l’intégration dans les opérations quotidiennes.
• ISO 9001:2015, clause 10.2 — Non-conformité et action corrective (présentation) — réagir, déterminer la cause, vérifier l’existence de non-conformités similaires, évaluer l’efficacité, conserver des informations documentées.
• K-AI — page clients et retour d’expérience TotalEnergies Retail Power & Gas — ~500 pages, 19 % à corriger, 53 % des cas résolus en trois semaines, routage de chaque cas vers l’expert.
• K-AI — RETEX TotalEnergies (PDF)

---

Pour aller plus loin

K-AI Corpus Diagnostic — 10 jours ouvrés, rapport complet des 20 anomalies les plus critiques de votre référentiel documentaire, garantie remboursement si aucune anomalie valable n’est détectée. Un échange d’une heure peut partir de quelques lignes de votre renvoi à la source, ou de vos derniers signalements : on regarde ensemble, pour chacune, si d’autres documents portent la même affirmation ou son contraire, et vers quel expert orienter chaque cas. Contactez l’équipe K-AI : contact@k-ai.ai. Le périmètre de chaque diagnostic est validé conjointement par le Document Owner métier et le RSSI/DPO, jamais par la seule DSI.

K-AI accompagne déjà CMA CGM, Veolia, PwC, BNP Paribas, TotalEnergies et CEVA Logistics. Partenaires : AWS, Snowflake, Microsoft, Wavestone, Devoteam.