Une IA peut rédiger une proposition commerciale convaincante tout en se trompant sur une condition essentielle de l’offre. Elle sait construire un argumentaire, mais ignore peut-être ce que les équipes peuvent réellement promettre. Selon Max Levy, cofondateur de Sinone, relier l’IA au savoir de l’entreprise commence donc par un travail concret sur les informations qui font autorité.
Dans un exemple fictif, un prospect demande si une prestation comprend l’accompagnement au démarrage. Le commercial dispose d’une ancienne présentation, le site décrit une offre générale et une exception figure dans un échange avec son responsable. Demander à une IA de « faire une réponse professionnelle » ne règle pas ce désaccord : il faut d’abord retrouver la bonne règle, en vérifier le périmètre et savoir si elle s’applique à ce prospect.
Commencer par un besoin fréquent et délimité
Le point de départ consiste à interroger les équipes sur les informations qu’elles cherchent avant de répondre à un client, et sur les demandes qui les obligent à interrompre un collègue. Pour le marketing, il peut s’agir de retrouver les preuves autorisées à l’appui d’une promesse ; pour les commerciaux, de vérifier les prestations incluses dans une offre. Mieux vaut, selon l’auteur, choisir un besoin fréquent et délimité que vouloir connecter toutes les archives de l’organisation.
Il conseille ensuite de constituer un petit jeu de questions réelles. Pour chacune, on note la réponse attendue et le document qui la justifie, puis on ajoute des questions auxquelles l’outil ne devrait pas répondre sans clarification. Ce travail définit le périmètre du projet et permet de l’évaluer sans se fier à une démonstration préparée à l’avance.
Choisir les documents qui font autorité
Une entreprise possède souvent plusieurs traces d’une même décision : une présentation reprend une ancienne offre, un compte rendu décrit un arbitrage récent, un message ajoute une exception. Pour chaque sujet, il faut désigner un document de référence et une personne capable de le valider, en précisant sa date de mise à jour et les situations où il s’applique. Une grille tarifaire, par exemple, doit permettre de distinguer le tarif public d’une condition particulière accordée à un client.
Une réponse utile doit indiquer la règle applicable, le document dont elle provient et les réserves éventuelles. Si deux documents se contredisent, cette contradiction doit être signalée. La présence d’une source ne suffit pas toutefois : le passage cité peut être ancien, incomplet ou concerner une autre offre.
Encadrer les accès et mesurer le résultat
Les accès doivent suivre les responsabilités. Un argumentaire validé peut circuler largement, alors qu’un contrat client ou une remise négociée relève d’un accès limité. Dans ses recommandations pour déployer une IA générative, la CNIL invite à partir d’un besoin concret, à encadrer les usages et à former les utilisateurs. Elle rappelle que les résultats peuvent être inexacts tout en paraissant plausibles.
Pour évaluer l’essai, il est conseillé de mesurer le temps jusqu’à une réponse réellement utilisable, le nombre de corrections et les sollicitations adressées au collègue référent. Le nombre de messages échangés avec l’IA indique une activité, mais ne suffit pas à démontrer un gain pour l’équipe. Une base de connaissances vieillit dès que l’activité évolue : un tarif change, une procédure est remplacée. Il faut donc un moyen de publier une nouvelle version et de retirer l’ancienne.
Product offers are temporarily unavailable.
