Comment créer un assistant IA interne pour ses employés ?
Déployer ChatGPT à toute l'entreprise et déployer un assistant IA interne sont deux projets différents. Le premier donne à chacun un rédacteur généraliste compétent mais amnésique, qui ignore vos procédures, vos clients et vos règles. Le second connaît la note de service de mars sur les frais de déplacement, sait où se trouve le modèle de contrat de sous-traitance, et répond en citant la source. La différence n'est pas dans le modèle — souvent le même — mais dans tout ce qu'on met autour.
Qu'est-ce qu'un assistant IA interne, concrètement
C'est un point d'entrée unique — dans Teams, Slack, l'intranet ou une application dédiée — derrière lequel on assemble trois choses.
Un modèle, qui fournit la capacité de compréhension et de rédaction. Un socle documentaire indexé : vos procédures, contrats types, notes internes, comptes rendus, documentation produit, rendus interrogeables et cités dans les réponses — c'est le RAG. Et, optionnellement, des connecteurs vers vos systèmes : annuaire, CRM, gestionnaire de tickets, ERP, pour les questions dont la réponse n'est pas dans un document mais dans une base.
L'écart avec un assistant générique tient en une phrase. À la question « quelle est notre politique de télétravail pour les cadres ? », ChatGPT produit une réponse générale et plausible ; l'assistant interne cite l'accord d'entreprise signé en 2024, avec le lien vers le document. La seconde réponse est actionnable, la première est un risque.
Les usages les plus rentables
Helpdesk interne. RH, IT, comptabilité, achats : ces équipes passent une part réelle de leur temps à répondre aux mêmes questions. Combien de jours de RTT me reste-t-il ? Comment demander un accès à tel outil ? Quel est le circuit de validation d'une facture au-dessus de 5 000 € ? Ces réponses existent, écrites, quelque part. L'assistant les rend accessibles à toute heure et sourcées. Meilleur rapport valeur/effort du lot — c'est presque toujours par là qu'il faut commencer.
Onboarding. Les premières semaines d'un nouvel arrivant sont un enchaînement de questions qu'il n'ose pas toujours poser deux fois. Un assistant qui a en mémoire toute la documentation interne joue le rôle du collègue patient et disponible. Bénéfice moins visible mais réel : il révèle les trous de votre documentation, en exposant les questions auxquelles il ne sait pas répondre.
Recherche documentaire. Retrouver la version en vigueur d'une procédure, un contrat signé il y a trois ans, une note technique sur un produit arrêté. La recherche par mots-clés échoue dès qu'on ne connaît pas le vocabulaire exact du document ; la recherche sémantique répond à l'intention, pas à la formulation.
Préparation de réunions. Ordre du jour à partir des points ouverts du dernier compte rendu, synthèse d'un dossier avant un comité, relevé de décisions après coup. Utile, mais entièrement dépendant de la discipline documentaire de vos équipes : si les comptes rendus ne sont pas écrits, l'assistant n'a rien à lire.
Rédaction métier. Courriers types, réponses commerciales, propositions, réponses à appels d'offres — calibrés sur vos formulations à partir de vos documents existants. C'est ici que la différence avec un outil générique est la plus immédiatement sensible pour l'utilisateur : le brouillon ressemble à ce que l'entreprise produit, pas à un texte anonyme à retravailler entièrement.
Les briques techniques
Le modèle. Cloud ou auto-hébergé. Le cloud — Claude, GPT, Mistral, Gemini — offre le meilleur niveau de performance sans infrastructure à opérer, facturé à l'usage. L'auto-hébergement garantit que rien ne sort de votre réseau, au prix d'une infrastructure GPU à acquérir et maintenir, et d'un niveau de qualité en retrait sur les tâches complexes. Le critère de choix n'est pas idéologique mais factuel : que se passe-t-il si le contenu d'un prompt fuite ? Pour la plupart des entreprises, un contrat cloud sérieux — sans réutilisation des données pour l'entraînement, hébergement européen — suffit. Pour les secteurs régulés ou les périmètres très sensibles, l'auto-hébergement se justifie.
Le RAG. L'indexation de vos documents est la brique qui fait la valeur, et celle qui prend le plus de temps : collecter les sources, les découper intelligemment, les vectoriser, maintenir l'index à jour. C'est là que se joue la qualité perçue — un modèle excellent sur un corpus mal préparé donne un assistant médiocre.
Les connecteurs. Optionnels au démarrage, souvent réclamés ensuite. Ils font passer de « je sais ce que dit la procédure » à « je sais où en est ton dossier ». À traiter comme une phase distincte, avec ses propres exigences de sécurité.
L'interface. Le meilleur assistant est celui qui se trouve là où les gens travaillent déjà. Un bot Teams ou Slack sera utilisé ; une application dédiée à ouvrir dans un onglet de plus sera oubliée. Ce choix pèse davantage sur l'adoption que la qualité du modèle.
La gouvernance. Permissions : chaque utilisateur ne voit que les documents auxquels il a droit, l'assistant ne créant jamais de chemin de contournement. Journalisation : qui a demandé quoi, quelles sources ont servi. Cadrage : ce que l'assistant refuse de traiter, et ce qu'il dit quand il ne sait pas. Ces éléments ne sont pas des raffinements de fin de projet, ils conditionnent le passage en production.
Les quatre erreurs qui plombent le projet
1. Indexer toute la base sans tri. L'erreur la plus fréquente et la plus coûteuse. On pointe l'indexeur sur le serveur de fichiers et on lance. Résultat : l'assistant cite une procédure abrogée en 2022, propose deux réponses contradictoires issues de deux versions du même document, ou restitue à un stagiaire le contenu d'un dossier prud'homal mal rangé. Un corpus restreint, à jour et validé produit un assistant bien meilleur qu'un corpus exhaustif et sale. Le tri est une tâche de projet à part entière, portée par les métiers — pas par l'IT.
2. Ignorer la conduite du changement. Un assistant techniquement excellent sans accompagnement plafonne autour de 5 % d'utilisateurs actifs. Les gens ne savent pas quoi lui demander, ont essayé une fois avec une question mal formulée, ont obtenu une réponse décevante et n'y sont pas revenus. Il faut de la formation courte et concrète, des exemples de questions qui marchent, et surtout des référents dans chaque service qui l'utilisent visiblement.
3. Sur-promettre. « L'IA va répondre à tout » crée une attente qu'aucun système ne tient. Chaque réponse en deçà de la promesse érode la confiance, et la confiance perdue ne revient pas. Annoncez un périmètre précis — « il répond aux questions RH et IT sur la base des procédures internes » — et laissez la réalité dépasser l'annonce.
4. Ne rien mesurer. Sans métriques, le projet est indéfendable au premier arbitrage budgétaire et impossible à améliorer intelligemment. Quatre indicateurs suffisent : utilisateurs actifs hebdomadaires, nombre de requêtes, taux de réponses jugées utiles (un simple pouce), et volume de questions restées sans réponse. Ce dernier est le plus riche : il désigne exactement ce qu'il faut ajouter au corpus.
Le plan en quatre phases
Phase 1 — Cadrage (2 à 4 semaines). Un usage prioritaire, un département pilote, un indicateur clair. La discipline consiste à résister à l'élargissement : quand chaque service veut son cas d'usage dans la V1, le projet devient long, flou, et livre tard quelque chose de moyen partout. Cette phase inclut l'inventaire et le tri des sources — souvent le poste le plus consommateur, et le plus déterminant.
Phase 2 — MVP (4 à 8 semaines). Un assistant qui fonctionne réellement sur le périmètre retenu, avec authentification, permissions et journalisation en place dès le départ : on ne rétrofitte pas la sécurité. Objectif : mettre l'outil entre les mains d'utilisateurs réels le plus tôt possible, pas le perfectionner en vase clos.
Phase 3 — Adoption (2 à 3 mois). La phase la plus déterminante et la plus souvent négligée. Formation, identification des référents, itérations hebdomadaires sur les usages observés. Les questions sans réponse pilotent l'enrichissement du corpus. C'est ici qu'on passe de « ça marche » à « c'est utilisé ».
Phase 4 — Extension. Nouveaux usages, nouveaux départements, éventuellement premiers connecteurs métier — sur la base de ce que les données d'usage ont démontré, pas de ce que le comité de pilotage imagine. Et gouvernance pérenne : qui maintient le corpus, qui arbitre les nouvelles sources, qui suit les indicateurs.
Coûts et délais types
Fourchettes indicatives, à ajuster selon le volume documentaire et l'état de vos sources.
PME de 20 à 100 salariés. MVP : 15 à 35 k€, 6 à 10 semaines. Run annuel : 5 à 12 k€, incluant consommation du modèle, hébergement et maintenance du corpus. La consommation modèle reste modeste à cette échelle, souvent quelques centaines d'euros par mois.
Entreprise de 100 à 500 salariés. MVP : 35 à 80 k€, 8 à 14 semaines. Run annuel : 15 à 40 k€. L'écart tient moins au nombre d'utilisateurs qu'à la complexité des permissions, à l'hétérogénéité des sources et aux exigences d'intégration au SI existant.
Au-delà. Le projet change de nature : intégration IAM, corpus multiples cloisonnés, gouvernance formalisée, conformité documentée. On sort des fourchettes standard.
Deux postes à ne pas oublier au budget : le nettoyage documentaire, qui peut représenter un tiers de l'effort du MVP quand les sources sont en désordre, et la conduite du changement, dont le sous-financement est la première cause d'échec d'un projet techniquement réussi.
Aller plus loin
Pour la partie « documents qui répondent », voyez la page Systèmes RAG. Pour brancher l'assistant sur vos outils métier, voyez les Connecteurs IA. Et pour préparer vos équipes à l'adoption, des formations IA sur-mesure sont disponibles en Bretagne.