Combien de temps votre équipe perd-elle chaque semaine à rechercher des informations qui existent déjà quelque part ?
Une étude réalisée en 2001 estimait qu’un salarié consacrait un tiers de sa journée à la recherche d’informations. Ces chiffres, qui ont depuis été remis en cause, doivent être interprétés avec prudence. Mais le constat qualitatif reste valable en 2026 : malgré des décennies d’investissements dans la gestion documentaire, la recherche d’entreprise, les plateformes collaboratives et les méthodologies modernes de documentation, la gestion de l’information reste problématique dans la plupart des organisations.
Il existe de nombreux cas de figure, selon une taxonomie fondée sur 878 exemples concrets de documentation: une documentation inexistante, obsolète, incomplète, en contradiction avec les processus ou le code, illisible ou introuvable. Les risques ne se limitent pas à la seule productivité. Le non-respect de la réglementation peut avoir de graves conséquences. Le départ d’un « expert local » peut paralyser l’ensemble d’une activité.
Les limites des approches antérieures
Chaque génération d'outils a apporté sa contribution. Aucune n'a toutefois résolu un problème dont les causes restent remarquablement stables.
Le déséquilibre entre l'effort fourni et les avantages retirés. La personne qui s'occupe de la documentation n'est pas celle qui en tire profit, et la documentation est considérée comme une perte de temps par rapport à des tâches plus productives.
L'absence de boucle de rétroaction. Un test qui échoue déclenche une alerte immédiate. En revanche, on ne se rend compte que plus tard, sans aucun avertissement, que la documentation est devenue inexacte.
Le cercle vicieux de la confiance. Une documentation obsolète sape la confiance dans l'information et démotive ceux qui ont pris la peine de la mettre à jour.
La culture prime sur les processus. De graves problèmes de documentation persistent malgré des processus formellement bien définis. Aucun outil n'a jamais permis d'y remédier.
Le coût humain. Diátaxis [4] est une méthodologie solide, mais elle repose sur une discipline éditoriale constante, et la vérification manuelle d'un corpus existant devient rapidement ingérable.
Les avantages et les limites de l'intelligence artificielle
Parmi ces cinq causes, l'intelligence artificielle n'en traite que deux : celles liées au temps et à la détection. L'asymétrie des bénéfices et l'influence de la culture organisationnelle lui sont totalement étrangères. Elle ne fait pas de miracles : elle ne génère pas de connaissances qui n'existent pas et, étant non déterministe, elle ne garantit pas l'exactitude de ce qu'elle produit. Sa fiabilité n'est donc jamais absolue.
Ce critère doit toutefois être appliqué avec discernement. Une réponse obtenue auprès d’un collègue n’est pas plus fiable : celui-ci peut se tromper, avoir à l’esprit une version plus ancienne du système ou raisonner dans un cadre connexe. Il en va de même pour un document trouvé sur l’intranet ; rien ne garantit qu’il soit à jour ou qu’il ait été révisé. Les organisations ont toujours fonctionné avec des informations incertaines. Elles ont appris à les évaluer en fonction de leur contexte : qui les a rédigées, quand et dans quel but. L’intelligence artificielle ne résout pas ce problème, et prétendre le contraire reviendrait à commettre une erreur d’analyse.
Ce qui change, en revanche, c’est le temps nécessaire pour accéder à l’information. Interroger un système en langage naturel plutôt que de naviguer dans des arborescences de répertoires, recevoir une réponse formulée plutôt qu’une liste de résultats, lire une règle métier reformulée plutôt que quatre cents lignes de conditions : le temps nécessaire pour accéder à l’information change d’un ordre de grandeur pour une activité qui occupe une part importante de la journée de travail.
Ce gain de temps rend également possible ce qui a toujours constitué la meilleure protection contre les erreurs : la vérification croisée. Comparer le code, un ticket et une note d’architecture est un réflexe que tout le monde connaît, mais que presque personne ne met en pratique, car cela représente un effort disproportionné par rapport à la question posée. Une fois automatisée, cette opération devient routinière, et les divergences entre les sources elles-mêmes constituent des informations précieuses, indiquant où la documentation n’est plus synchronisée avec le système réel.
Deux réserves subsistent.
La première concerne la nature de ce qui est accessible : les compromis, les contraintes historiques et les choix architecturaux restent tacites chez les individus et ne peuvent être extraits d’aucun référentiel.
La seconde concerne la forme des réponses obtenues : une réponse fluide et bien structurée inspire davantage confiance que l’hésitation d’un collègue. La traçabilité jusqu’à la source devient une nécessité, permettant au lecteur d’exercer le même jugement que celui qu’il applique, sans même s’en rendre compte, aux réponses d’un collègue.
Le premier ne peut être extrait d’aucun référentiel. Le second découle de la forme même des réponses obtenues : une réponse fluide et bien construite inspire davantage confiance que les hésitations d’un collègue. La traçabilité jusqu’à la source devient alors une nécessité ; elle permet au lecteur d’exercer le même jugement que celui qu’il applique, sans même y penser, aux réponses d’un collègue.
Vers une documentation évolutive
La documentation n'est « vivante » que si elle est le fruit naturel du système plutôt qu'un artefact parallèle, si les écarts sont détectés automatiquement et si l'on s'accorde à ne documenter que ce qui présente un risque réel pour l'entreprise. Produire dix mille pages que personne ne lira reviendrait, à plus grande échelle, à reproduire l'échec des wikis.
Chez 5th floor, nous mettons en œuvre des solutions fondées sur cette approche. Celle-ci consiste tout d’abord à définir le périmètre critique — c’est-à-dire les processus et les composants dont la méconnaissance représenterait un risque réel pour la continuité des activités, le chiffre d’affaires ou la conformité —, puis à constituer une base documentaire à partir de sources existantes (code, tickets, notes, communications) plutôt que de partir d’une page blanche. Cette base est ensuite rendue consultable en langage naturel, avec une attribution systématique des sources, et la vérification croisée est automatisée à chaque mise à jour du système, de sorte que les incohérences soient signalées avant même qu’un lecteur ne les découvre.
