Gestion des connaissances et IA : pourquoi Copilot se trompe et ce qu’il faut corriger

La gestion des connaissances pour l’IA consiste à veiller à ce que les connaissances utilisées par les assistants et les agents IA soient exactes, à jour, suivies par un responsable et correctement protégées. Quand Microsoft 365 Copilot ou un agent IA se trompe sur votre entreprise, regardez d’abord le document qu’il a trouvé : dans une étude publiée en 2026 par The Lancet Digital Health, les modèles de langage ont accepté une fausse recommandation glissée dans un vrai document hospitalier dans 46 % des cas. Le modèle, vous l’achetez ; les connaissances qu’il lit, c’est vous qui pouvez les corriger.

Ce guide s’adresse aux responsables IA et data, aux DSI qui déploient Copilot ou un agent, et au knowledge manager qu’ils appellent quand les réponses dérapent. Pour l’IA intégrée aux outils de gestion des connaissances, consultez notre comparatif des logiciels de base de connaissances.

Pourquoi Copilot donne-t-il de mauvaises réponses ?

Au travail, un assistant répond rarement de mémoire. Copilot, ChatGPT relié aux fichiers de l’entreprise ou un agent maison commencent par chercher des passages dans les contenus de l’organisation, puis rédigent leur réponse à partir de ces passages. On parle de génération augmentée par la recherche (RAG, pour retrieval-augmented generation), et d’ancrage quand la réponse s’appuie sur des sources désignées. Les auteurs du RAG l’ont conçu en 2020 pour qu’une réponse ait une source identifiable et que les connaissances puissent changer sans réentraîner le modèle. La méthode fonctionne, mais le point faible se déplace : une réponse ne vaut plus que ce que valent les passages retrouvés.

Plusieurs études relues par des pairs, publiées en 2026, ont mesuré ce qui se passe quand ces passages sont faux.

Le résultat du Lancet parle le plus aux entreprises : une information fausse passe environ cinq fois plus souvent quand elle figure dans un document clinique réel que quand elle vient des réseaux sociaux. Selon les auteurs, les modèles acceptent surtout les erreurs rédigées dans une prose clinique qui fait autorité. Une procédure ou une fiche produit ont la même allure officielle.

Les documents périmés

Le test le plus récent porte sur les contenus dépassés. Des chercheurs de l’université du Danemark-du-Sud ont réuni 317 cas où la bonne réponse avait changé, en médecine, en droit, en informatique et dans les règles de plateformes en ligne (prépublication de septembre 2026, pas encore relue par des pairs). Un seul document périmé a fait basculer 30 % à 37 % des réponses que deux modèles ouverts donnaient correctement sans lui, et 66 % à 75 % quand on leur demandait de suivre le document. Avec le document à jour, les modèles l’ont suivi dans 97 % à 100 % des cas. Une simple date sur le document n’a guère aidé. En revanche, indiquer clairement la date à laquelle l’ancienne consigne a cessé de s’appliquer a suffi pour que les grands modèles retrouvent presque toujours la bonne réponse.

C’est une leçon de gestion des connaissances. Une date sur un document ne suffit pas. Un document remplacé doit dire clairement qu’il ne s’applique plus, et à partir de quelle date.

Les contenus manquants

Une étude de 2024 portant sur trois systèmes RAG réels place le contenu manquant en tête des sept points de défaillance qu’elle recense : quand la réponse n’est pas dans les documents, le système en produit une quand même. Elle conclut qu’un tel système ne se valide vraiment qu’une fois en service.

Les entreprises adoptent l’IA, les gains restent limités

Début 2026, 67 % des entreprises françaises de 20 salariés ou plus utilisaient l’IA générative, selon la Banque de France, mais seules 31 % d’entre elles avaient déjà constaté des gains de productivité. Parmi les entreprises utilisatrices, 24 % citent l’incertitude sur la fiabilité des résultats comme un obstacle. Chez les entreprises qui n’utilisent pas l’IA, l’Insee relève qu’en 2025, 29 % évoquent des difficultés liées aux données nécessaires, et 49 % parmi celles de 250 salariés ou plus.

Aucune de ces enquêtes ne dit pourquoi les gains manquent, et aucune ne mesure la part des erreurs d’assistants due à des connaissances fausses, absentes ou périmées. Le chiffre de 89 % est un avis de dirigeants, pas un taux d’échec mesuré des projets d’IA. Notre article sur l’échec des projets d’IA en entreprise examine la part qu’y prennent les connaissances.

Ce que l’IA lit dans une entreprise

Un assistant d’entreprise puise en général dans quatre types de contenus, qui posent chacun un risque différent.

Microsoft 365 Copilot est l’exemple le plus parlant d’un assistant qui lit les fichiers d’une équipe. Microsoft appelle Work IQ la couche d’intelligence qui l’alimente. Sa documentation pour les développeurs liste ce qu’il peut utiliser : e-mails, messages Teams, réunions, documents OneDrive et SharePoint, organigramme. Chaque requête s’exécute au nom de la personne connectée : la réponse ne s’appuie que sur ce qu’elle peut déjà ouvrir. La documentation explique comment Work IQ applique les droits d’accès, les étiquettes de confidentialité et les règles de conformité, mais ne décrit aucun contrôle de l’exactitude des contenus. Notre guide Work IQ et Copilot détaille chaque point.

Le 14 octobre 2026, Microsoft a annoncé une base de connaissances d’équipe dans SharePoint, en préversion pour les clients du programme d’accès anticipé Frontier de Microsoft : Copilot rédige et organise des pages reliées entre elles à partir des e-mails, messages, réunions et fichiers que l’équipe lui indique. Microsoft écrit lui-même que Copilot et les agents donnent leurs meilleurs résultats sur des contenus bien gouvernés. Une page rédigée par Copilot reste un nouveau document : quelqu’un doit en être responsable, la vérifier et la corriger. Notre article sur la base de connaissances d’équipe de Microsoft présente la fonction, et notre guide SharePoint comme base de connaissances aide à choisir entre compléter SharePoint et le remplacer.

Les droits d’accès suivent la personne qui pose la question, pas la qualité du contenu : un site SharePoint ouvert par erreur à toute l’entreprise nourrira aussi les réponses de l’assistant.

Les quatre conditions d’une connaissance prête pour l’IA

Une connaissance est prête pour l’IA quand elle est exacte, à jour, suivie par un responsable et protégée par les bons droits d’accès. Ces exigences ne sont pas nouvelles en gestion des connaissances. L’IA rend simplement plus visible ce que coûte une lacune, car l’assistant répète ce qu’il trouve à tous ceux qui l’interrogent.

L’AI Act après l’omnibus numérique

Le règlement européen sur l’IA est entré en vigueur le 1er août 2024. L’omnibus numérique sur l’IA, le règlement (UE) 2026/1744, l’a modifié : signé le 8 juillet 2026, publié au Journal officiel le 24 juillet, il s’applique depuis le 27 juillet 2026. Il repousse les échéances des systèmes à haut risque. Voici le calendrier qui en résulte (article 113 et article 111 du texte consolidé).

Pour une entreprise qui utilise un assistant sur ses propres documents, trois points comptent.

1. Elle est déployeur, pas fournisseur. Selon les lignes directrices de la Commission, une entreprise qui modifie un modèle n’en devient fournisseur que si la modification mobilise plus d’un tiers de la puissance de calcul de l’entraînement d’origine.
2. L’article 4 s’applique déjà, comme obligation de moyens. Fournisseurs et déployeurs doivent prendre des mesures pour développer la maîtrise de l’IA de leurs équipes. Les questions-réponses de la Commission précisent qu’aucun certificat n’est exigé.
3. Pour un assistant de bureau ordinaire, le texte ne dit rien des documents qu’il va chercher. L’article 10, sur les données et leur gouvernance, vise les données d’entraînement, de validation et de test des systèmes à haut risque. L’article 26 demande aux déployeurs de systèmes à haut risque d’organiser un contrôle humain, de veiller à la pertinence des données d’entrée qu’ils maîtrisent et de conserver les journaux au moins six mois. La règle sur la qualité des documents qu’un assistant de bureau consulte, c’est donc à vous de l’écrire.

Le NIST et l’ISO/IEC 42001

Aux États-Unis, le cadre de gestion des risques de l’IA du NIST (version 1.0, janvier 2023) est d’application volontaire, et le NIST annonce sa révision. Il range les données d’entraînement qui deviennent périmées parmi les risques que l’IA crée ou aggrave. Son profil consacré à l’IA générative (NIST AI 600-1, juillet 2024) suggère notamment de vérifier l’ancrage des données utilisées par le RAG et de réévaluer les risques une fois le RAG ajouté.

La norme ISO/IEC 42001:2023 fixe les exigences d’un système de management de l’IA, pour tout organisme qui fournit ou utilise l’IA. Elle n’est obligatoire que si un client ou un contrat l’exige, et le catalogue de l’ISO n’annonce aucune révision.

Le besoin d’en connaître : l’ANSSI et les agences de sécurité

L’ANSSI a publié en avril 2024 ses recommandations de sécurité pour un système d’IA générative, 35 au total, toujours présentées comme en vigueur. Elle demande de traiter le besoin d’en connaître dès la conception et de contrôler les autorisations sur chaque échange entre le système d’IA et les applications métier. Elle demande aussi de revoir les droits des outils d’IA sur la messagerie, les espaces documentaires et le code à leur activation, puis régulièrement, par exemple chaque mois. Un système d’IA générative ne doit pas prendre de décision critique sans contrôle humain.

Le guide conjoint sur la sécurité des données de l’IA, publié en mai 2025 par des agences des États-Unis, du Royaume-Uni, d’Australie et de Nouvelle-Zélande, demande de tracer l’origine des données, de les classer et d’en contrôler l’accès. Il ajoute qu’une réponse d’IA doit recevoir le même niveau de classification que ses données d’entrée. La CNIL, de son côté, recommande depuis 2024 de vérifier les réponses et de préférer les systèmes qui citent leurs sources.

Aucun de ces textes ne dit quoi faire quand une même réponse combine des documents aux droits différents, ou quand un droit est retiré après l’indexation d’un document.

Comment les agents IA se connectent aux connaissances

Les agents accèdent souvent aux connaissances de l’entreprise par le Model Context Protocol (MCP), une norme ouverte qui relie une application d’IA à des systèmes extérieurs. Concrètement, l’application d’IA (Claude, ChatGPT, Copilot Studio) est l’hôte ; le système qui détient les connaissances fait tourner un serveur ; ce serveur propose à l’application des contenus à lire et des outils à utiliser. Chaque version de la spécification porte une date ; la version en cours est celle du 28 juillet 2026.

Depuis le 9 décembre 2025, MCP est hébergé par la Linux Foundation, dans son Agentic AI Foundation, et les décisions techniques reviennent à des mainteneurs nommés à titre personnel. L’annonce de la Linux Foundation faisait état de plus de 10 000 serveurs MCP publiés.

Trois points intéressent le responsable des connaissances :

• Le consentement est prévu, la sécurité non. L’application doit demander l’accord de l’utilisateur avant d’appeler un outil ou de transmettre ses données. La spécification reconnaît que le protocole ne peut pas imposer lui-même ces principes de sécurité : chaque mise en œuvre doit s’en charger.
• L’autorisation est facultative. Quand elle est utilisée sur le web, la spécification recommande qu’elle repose sur OAuth 2.1 et que le client demande le minimum d’accès nécessaire.
• Les droits document par document restent à la charge de la source. La spécification raisonne en jetons d’accès et en périmètres. Elle ne décrit pas comment un serveur doit filtrer ce qu’il renvoie selon les droits de chaque personne dans le système d’origine : c’est au système qui détient les connaissances de le faire.

Les normes formelles sont en chantier : l’IETF, l’organisme qui élabore les normes d’Internet, a créé un groupe de travail sur la communication entre agents, avec des jalons jusqu’en mars 2028. Aux États-Unis, le NIST a lancé le 17 février 2026 une initiative de normalisation des agents IA. En France, la CNIL et le Conseil de l’IA et du numérique ont publié le 20 juillet 2026 une note exploratoire sur l’IA agentique : les agents restent soumis au RGPD, et la note propose un contrôle humain pour les décisions les plus critiques, une mémoire cloisonnée par agent et un moyen d’arrêter l’agent.

Par où commencer

Les sources s’accordent sur la direction, pas sur le détail. Cet ordre place d’abord les vérifications les moins coûteuses.

1. Mesurez ce que l’assistant répond aujourd’hui. Réunissez 20 à 30 questions réellement posées, avec la réponse qu’un expert donnerait. Posez-les à l’assistant, ouvrez la source de chaque réponse et classez la réponse : juste, périmée, fausse, absente, ou hors des droits de la personne. Vous obtenez un point de départ et la liste des domaines à traiter en premier. Notre score de maturité IA prend environ trois minutes et aide à choisir où commencer.
2. Donnez un responsable à chaque domaine et une date de révision à chaque document. Quand un document en remplace un autre, écrivez-le dans les deux, avec la date à laquelle l’ancien a cessé de s’appliquer : dans l’étude sur les documents périmés, indiquer cette date a suffi pour que les grands modèles retrouvent presque toujours la bonne réponse.
3. Vérifiez les droits avant d’activer l’assistant. Cherchez les sites et dossiers ouverts à tous par erreur. Revoyez ce que l’assistant peut lire à son activation, puis régulièrement, comme le conseille l’ANSSI. Décidez du niveau de confidentialité d’une réponse qui s’appuie sur plusieurs documents.
4. Gardez une seule source gouvernée par domaine. Supprimez les doublons, archivez ce qui n’est plus vrai et signalez la version qui fait foi. Les modèles gèrent mal les contradictions : mieux vaut en avoir moins.
5. Testez avant de déployer, puis continuez à tester. Reposez les mêmes questions après chaque changement de contenu, de modèle ou de connexion, et comparez. Le vrai test se fait en service.

Trois questions sans réponse

1. À quel rythme réviser les contenus. Aucun régulateur ni aucune norme consultée ne fixe de cycle de révision pour les documents dont se sert un assistant. Les pratiques publiques varient : le site du NHS, le service de santé britannique, revoit tous ses contenus éditoriaux au moins tous les trois ans, tandis que les consignes de GOV.UK demandent de surveiller régulièrement les contenus et laissent chaque rédacteur fixer une date de révision, sans donner de fréquence.
2. Qui répond d’un contenu quand les personnes et les équipes changent, et comment les droits suivent une réponse construite à partir de documents aux accès différents.
3. Comment mesurer l’exactitude d’une base de connaissances. La recherche indique qu’un système RAG ne se valide vraiment qu’en service, et le NIST propose des tests et des évaluations. Aucun organisme public ne donne d’indicateur ni de seuil pour un assistant qui répond à partir de connaissances internes.

Tant qu’aucune norme n’y répond, écrivez votre propre règle pour chacune et appliquez-la de la même façon dans tous les domaines.

Notre approche chez Elium

Elium est une plateforme européenne de gestion des connaissances, et ces trois questions sont celles sur lesquelles nous travaillons avec nos clients. Dans Elium, chaque espace a ses administrateurs et chaque article, son responsable. Un article peut porter une date de vérification : quand elle approche, il apparaît dans la liste de tâches de ce responsable. Un flux d’approbation peut s’intercaler entre le brouillon et la version publiée. Les agents IA se connectent par MCP, et chaque appel s’exécute avec les droits de la personne connectée : un agent ne retrouve que ce qu’elle peut déjà ouvrir.

Au Département de l’Orne, 25 informaticiens donnent une date d’expiration à chaque procédure et la revoient chaque année : 100 % de leurs procédures sont à jour. Leurs techniciens obtiennent des réponses de l’IA tirées de ces procédures, directement dans leurs tickets GLPI.

FAQ

Questions fréquentes

Qu’est-ce que la gestion des connaissances pour l’IA ?

Elle consiste à garder exactes, à jour, suivies par un responsable et bien protégées les connaissances dont se servent les assistants et les agents IA pour répondre. Elle porte sur les documents que l’assistant consulte, leurs responsables, leurs dates de révision et leurs droits d’accès.

Comment l’IA est-elle utilisée en gestion des connaissances ?

L’IA s’utilise dans les deux sens. Les assistants et les agents répondent à partir des connaissances de l’organisation, et les outils de gestion des connaissances utilisent l’IA pour chercher, résumer, classer et repérer les doublons ou les contenus périmés.

Pourquoi Copilot donne-t-il de mauvaises réponses ?

Copilot répond à partir des contenus qu’il retrouve : un document faux, périmé ou contradictoire peut donc produire une mauvaise réponse. Il s’appuie sur ce que la personne connectée peut ouvrir dans Microsoft 365, et la documentation de Microsoft ne décrit aucun contrôle de l’exactitude de ces contenus.

Qu’est-ce que l’ancrage d’une IA ?

L’ancrage consiste à faire répondre un modèle d’IA à partir de sources désignées, par exemple les documents d’une entreprise, plutôt qu’à partir de son seul entraînement. Le RAG est la méthode la plus courante. Les réponses deviennent traçables, mais ne valent que ce que valent les sources retrouvées.

L’AI Act s’applique-t-il à une entreprise qui utilise Copilot ?

Oui, en tant que déployeur. L’article 4 lui demande déjà de prendre des mesures pour la maîtrise de l’IA de ses équipes. Les règles sur le haut risque ne visent que les usages à haut risque, à partir du 2 décembre 2027 ou du 2 août 2028, et aucun article ne fixe de règle de qualité pour les documents qu’un assistant de bureau consulte.

Un assistant IA peut-il montrer à un salarié des informations auxquelles il n’a pas droit ?

Oui, si les droits d’accès sont mal réglés : l’assistant répond au nom de la personne connectée et peut donc utiliser tout ce qu’elle peut ouvrir, y compris un site SharePoint ouvert par erreur à toute l’entreprise. Pour l’éviter, repérez les sites et dossiers ouverts à tous, revoyez ce que l’assistant peut lire à son activation puis régulièrement, et décidez du niveau de confidentialité d’une réponse qui s’appuie sur plusieurs documents. Notre article sur le knowledge management headless traite des réponses qui combinent des documents aux droits différents.

Qu’est-ce que MCP, et est-ce sûr ?

Le Model Context Protocol (MCP) est une norme ouverte, hébergée par la Linux Foundation, qui relie les applications d’IA à des systèmes extérieurs. Il exige l’accord de l’utilisateur avant l’usage d’un outil, mais son volet d’autorisation est facultatif et il ne peut pas garantir la sécurité à lui seul : tout dépend de la façon dont chaque serveur vérifie l’identité et les droits.

À quel rythme faut-il réviser les connaissances utilisées par l’IA ?

Aucun régulateur ni aucune norme ne fixe de fréquence : donnez à chaque document un responsable et une date de révision, plus rapprochée pour ce qui change vite. Notre guide pour garder une base de connaissances exacte détaille les fréquences de révision et le rôle de chaque responsable.

Pour aller plus loin

• Comparer les outils : logiciels de base de connaissances avec IA et logiciels de gestion des connaissances pour l’entreprise.
• Évaluer vos connaissances : le score de maturité IA, en 15 questions.
• Avec Elium : connectez ChatGPT, Claude ou Copilot Studio à Elium, ou découvrez comment se connectent Le Chat de Mistral, Dust et Glean.

Dans la même série :

• Pourquoi les projets d’IA échouent : la question des connaissances
• IA et gestion des connaissances : comment elles fonctionnent ensemble
• WYKIWYG : ce que vous savez, c’est ce que vous obtenez
• Le knowledge management headless
• Work IQ et Copilot

Sources

Chaque source a été lue entre le 9 et le 15 octobre 2026, et chaque lien a été vérifié de nouveau avant publication.

• Banque de France, L’IA s’installe dans les entreprises françaises : une diffusion rapide, mais des gains de productivité encore limités, bulletin n° 266, 3 septembre 2026.
• Insee, Les technologies de l’information et de la communication dans les entreprises en 2025, Insee Première n° 2120, 21 juillet 2026.
• Yotzov, Barrero, Bloom, Bunn, Davis et al., Firm data on AI, NBER Working Paper 34836 (page du NBER), version du 16 mars 2026.
• Lewis et al., Retrieval-augmented generation for knowledge-intensive NLP tasks, NeurIPS 2020.
• Omar et al., Mapping the susceptibility of large language models to medical misinformation across clinical notes and social media, The Lancet Digital Health 8(1), janvier 2026 (résumé lu sur PubMed).
• Mo et al., Faithfulness vs. safety, Findings of ACL 2026.
• Wallat, Nejdl et Sikdar, When facts change, Findings of ACL 2026.
• Yuan et al., Benchmarking LLM’s capability in reasoning over conflicting web references, ACL 2026.
• Ahmed, Galke Poech et Röttger, Stale-document poisoning, prépublication, 25 septembre 2026.
• Barnett et al., Seven failure points when engineering a retrieval augmented generation system, CAIN 2024.
• Microsoft, Work IQ API overview et annonce de la base de connaissances d’équipe, 14 octobre 2026.
• Union européenne, règlement (UE) 2026/1744 (omnibus numérique sur l’IA), et texte consolidé de l’AI Act sur l’AI Act Service Desk : articles 4, 10, 26, 111 et 113.
• Commission européenne, lignes directrices pour les fournisseurs de modèles d’IA à usage général (dernière mise à jour le 11 novembre 2025) et questions-réponses sur la maîtrise de l’IA.
• NIST, AI Risk Management Framework (AI 100-1, janvier 2023), Generative AI Profile (AI 600-1, juillet 2024) et AI Agent Standards Initiative, 17 février 2026.
• ISO/IEC, ISO/IEC 42001:2023, système de management de l’IA.
• ANSSI, Recommandations de sécurité pour un système d’IA générative, version 1.0, 29 avril 2024.
• NSA, CISA, FBI, ACSC (Australie), NCSC-NZ et NCSC-UK, AI data security, 22 mai 2025.
• CNIL, questions-réponses sur l’utilisation d’un système d’IA générative, 18 juillet 2024, et, avec le CIANum, note sur l’IA agentique et les données personnelles, 20 juillet 2026.
• Model Context Protocol, spécification 2026-07-28, autorisation et gouvernance ; Linux Foundation, création de l’Agentic AI Foundation, 9 décembre 2025.
• IETF, groupe de travail Agent Communication Protocols.
• NHS, politique éditoriale du site ; Government Digital Service, Manage existing GOV.UK content.

Données et sources

Ce guide s’appuie uniquement sur des sources publiques : textes de loi, régulateurs, organismes de normalisation, statistique publique, recherche relue par des pairs et documentation des produits décrits. Nous avons lu environ 70 sources entre le 9 et le 15 octobre 2026 et conservé celles qui figurent ci-dessus. Deux limites : les chiffres du Lancet Digital Health viennent du résumé publié par l’éditeur, le texte intégral ne nous étant pas accessible ; l’étude sur les documents périmés est une prépublication, signalée comme telle. Les fonctions d’Elium sont décrites d’après notre documentation produit. Si un fait est faux ou dépassé, dites-le-nous : nous le corrigerons.