Pour la direction générale, les RH, la qualité et les chefs de département qui voient chaque jour leur équipe perdre du temps à chercher de l'information dans une documentation interne dispersée entre SharePoint, partages réseau, Teams, Outlook et Wikis. Un assistant conversationnel qui répond en quelques secondes avec citation du document source, embarqué dans Microsoft Teams et depuis un navigateur.
Dans la plupart des PME, la documentation interne existe, mais elle est éclatée. Manuels produit sur SharePoint, procédures qualité dans un dossier partagé du serveur, contrats fournisseurs dans un dossier du directeur des opérations, précédents de projets dans des fils Teams d'il y a deux ans, FAQ non écrites uniquement dans la tête de trois personnes, décisions prises il y a six mois discutées par e-mail et dont personne ne se souvient de l'emplacement. L'information est là, mais elle ne se trouve pas.
Les nouveaux collaborateurs font le raisonnable : ils demandent aux seniors. Chaque senior consacre entre trente et soixante minutes par jour à répondre à des questions dont la réponse est déjà documentée quelque part dans le corpus corporatif. C'est du temps de personnes chères pour répéter la même chose plusieurs fois par semaine. Pour le senior, c'est frustrant ; pour le nouveau, c'est lent ; pour la direction, c'est invisible jusqu'à ce qu'on le mesure.
Le problème structurel est la dépendance à des personnes concrètes. Si un responsable de département s'en va, une partie du fonctionnement part avec lui. Si le technicien expérimenté prend des vacances, des doutes restent sans réponse jusqu'à son retour. La connaissance opérationnelle de l'entreprise, sans le vouloir, est logée dans des têtes, pas dans des documents consultables. Cela transforme chaque onboarding en une course lente et coûteuse, et chaque départ en risque silencieux.
Le quatrième front est la qualité uniforme de la réponse. Quand la consultation dépend du senior disponible, chaque réponse varie : le critère change, la mémoire du précédent change, la patience du jour change. La direction ne peut pas garantir que deux collaborateurs posant la même question à des personnes différentes recevront des réponses équivalentes. Ce bruit, multiplié par tout le fonctionnement, a un coût réel en conformité, en formation et en qualité de service au client final.
Le cœur du cas est un assistant conversationnel RAG (Retrieval-Augmented Generation) entraîné sur la documentation corporative du client. Le collaborateur pose une question en langage naturel (« Quelle est la procédure pour créer un nouveau fournisseur ? », « Que disait le contrat avec le fournisseur Y sur les garanties ? », « Comment gérons-nous les retenues de garantie en Andalousie ? ») et obtient une réponse immédiate, rédigée dans la même langue que la question, avec citations explicites des documents sources.
Techniquement, chaque document du corpus corporatif est découpé, vectorisé avec embeddings Azure OpenAI et indexé dans Azure AI Search. Quand une question arrive, le moteur récupère les passages les plus pertinents par similarité sémantique (pas seulement par mots-clés : il comprend les synonymes, paraphrases et contexte), les passe à un modèle de langage avec la question, et celui-ci génère une réponse synthétique basée exclusivement sur ce que dit la documentation. Si l'information n'est pas dans le corpus, l'assistant le dit : il n'invente pas.
L'accès à l'assistant est là où se trouve l'utilisateur. L'intégration principale est comme application Microsoft Teams : le collaborateur pose sa question depuis le chat habituel, sans ouvrir de nouveaux outils, sans formation préalable. Il est également disponible depuis un navigateur web (pour invités ou collaborateurs sans Teams) et, en option, depuis Outlook comme complément pour résoudre des doutes pendant la rédaction d'un e-mail ou la préparation d'une réponse client.
Chaque réponse de l'assistant inclut les citations des documents sources, avec lien direct vers le fichier original sur SharePoint. C'est clé pour la confiance : le collaborateur peut vérifier la réponse avant de l'appliquer, surtout sur les consultations critiques (contrats, procédures légales, normes internes). Et pour la direction, c'est de la traçabilité : il reste enregistré ce qui a été demandé, ce qui a été répondu et quelles sources ont été utilisées, sans stocker de données sensibles hors du tenant.
En option, nous connectons l'assistant aux données transactionnelles de Business Central via l'intégration native de l'AI Studio. Dans ce mode étendu, l'assistant ne répond pas seulement sur de la documentation statique (« Comment gère-t-on X ? ») mais peut aussi consulter les données vivantes de l'ERP (« Quel est le solde dû du client Y ? », « Quels projets sont ouverts pour la délégation de Séville ? »). C'est optionnel car cela ajoute de la complexité et nous le recommandons seulement après que le RAG documentaire soit stabilisé.
| Aspect du processus | Avant (sans assistant) | Après (avec RAG IA) |
|---|---|---|
| Temps de réponse à une question interne | Le collaborateur demande à un senior, attend des heures ou des jours selon la disponibilité. Parfois ne demande pas et résout mal. | Réponse en secondes depuis Teams ou le navigateur, avec citation du document source pour vérifier. |
| Dépendance aux personnes clés | Si le responsable de département ou le technicien expérimenté part, une partie du savoir part avec lui. | Le savoir reste dans le corpus indexé. Les personnes restent importantes ; elles ne sont plus uniques. |
| Onboarding des nouveaux | Deux à trois mois de questions constantes aux seniors pour comprendre procédures et précédents. | Le nouveau pose ses questions de base à l'assistant dès le jour 1. Les seniors traitent uniquement le complexe. |
| Qualité uniforme de la réponse | Chaque senior répond selon son critère, sa mémoire et son niveau de patience du jour. | Même procédure, même réponse. L'interprétation humaine reste pour les cas limites. |
| Traçabilité de la consultation | Aucun registre de ce qui a été demandé, à qui, avec quelle réponse. La même question se répète mille fois. | Chaque conversation est enregistrée avec citation des sources. On détecte les documents incompris. |
| Connaissance structurée | Documents dispersés entre SharePoint, partages, Teams, Outlook, Wikis. Personne ne sait où est quoi. | Un point d'entrée conversationnel unique. La structure physique des fichiers n'importe plus. |
| Charge sur les seniors | Entre 30 et 60 minutes par jour à traiter des doutes déjà documentés. | Ce temps récupéré pour du travail de fond. Les seniors ne traitent que la question qui escalade. |
Audit des sources documentaires (SharePoint, partages réseau, Teams, Wikis), cartographie des domaines de consultation les plus fréquents, identification des doublons et de la documentation obsolète, proposition d'une curation minimale viable et dimensionnement du corpus initial.
Déploiement d'Azure AI Search et Azure OpenAI dans le tenant, indexation initiale du corpus pilote, configuration de l'agent avec Copilot Studio, intégration comme application Teams, formation d'un groupe pilote, ajustement des prompts et seuils avec du retour réel.
Extension à plus de domaines et de documentation, intégration optionnelle avec les données vivantes de Business Central, complément Outlook, monitoring de la qualité des réponses, réentraînement incrémental avec le feedback des utilisateurs.
Il y a des scénarios où le cas ne compense pas ou n'est pas viable. Nous le disons directement.
RAG sectoriel pour la construction : situations, retenues, postes critiques à pied de chantier.
Cas IAUne note mensuelle rédigée par IA sur le comportement financier, avec écarts expliqués.
Cas IACopilote technique pour votre équipe IT qui diagnostique les incidents BC et propose des customisations.
Extension BCVisionneuse documentaire sur BC. Quand le RAG doit se connecter à la documentation gérée dans l'ERP.
Secteur IACas IA spécifiques aux gestionnaires patrimoniaux : clôture, anomalies, consultation documentaire.
HubCatalogue complet des cas, secteurs, méthode et Discovery de l'AI Studio.
Ce n'est pas bloquant, mais cela conditionne le périmètre. Le moteur RAG apprend à chercher dans ce qui existe ; si la documentation est dispersée, dupliquée ou obsolète, les réponses héritent de ce bruit. Lors du Discovery, nous auditons les sources (SharePoint, partages réseau, Teams, Wikis), détectons les chevauchements et proposons une curation minimale viable avant le pilote : marquage de la version en vigueur, retrait des brouillons, étiquetage par département. Il ne s'agit pas de tout réécrire : c'est ranger juste ce qu'il faut pour que l'assistant soit fiable dès le premier jour.
Non. Le déploiement tourne sur Azure OpenAI Service et Azure AI Search dans votre abonnement Azure, avec les index vectoriels hébergés dans votre tenant. Ni les documents ni les embeddings ne sont envoyés à OpenAI public, et ne servent pas à entraîner des modèles tiers. Les réponses de l'assistant sont générées avec les passages récupérés de vos documents et renvoyées avec citation explicite du fichier source, pour que l'utilisateur puisse vérifier.
L'indexation initiale d'un corpus typique de PME (de quelques centaines à quelques milliers de documents entre SharePoint et partages réseau) prend entre un et trois jours. Chaque fois qu'un nouveau document est téléchargé ou qu'un document existant est modifié, l'index est mis à jour automatiquement en quelques minutes. Il n'y a pas d'entraînement de modèle : le moteur RAG n'apprend pas les documents par cœur, il les consulte en direct via l'index vectoriel. Cela permet à tout changement dans la documentation d'impacter immédiatement les réponses.
Oui, ce sont les deux intégrations natives principales. SharePoint agit comme source primaire de documents (indexation automatique des bibliothèques sélectionnées, en respectant les permissions de l'utilisateur qui pose la question). Teams héberge l'assistant comme application conversationnelle, accessible depuis le chat habituel du collaborateur, sans installation. Il est aussi disponible depuis un navigateur web et, en option, comme complément Outlook pour résoudre des doutes pendant la rédaction d'un e-mail.
L'assistant comprend et répond en français, espagnol, catalan, galicien, basque, anglais, allemand, portugais et italien sans configuration supplémentaire. La documentation peut être dans n'importe quelle langue prise en charge par Azure OpenAI : l'utilisateur pose la question dans sa langue, le moteur récupère dans la langue originale du document et traduit la réponse. Utile lorsqu'il y a des procédures héritées en anglais ou des contrats en plusieurs langues.
Nous inscrivons l'assistant dans votre relation actuelle avec le tenant Microsoft et la documentation que nous gérons déjà. Votre conseiller habituel coordonne avec l'AI Studio.
Parler à l'équipe →Nous commençons par le Discovery de 5 jours. Nous auditons l'état réel de votre documentation, dimensionnons le corpus pilote et vous livrons un plan de curation minimale viable.
Demander un Discovery IA →