IA en entreprise : valoriser les 99 % de données encore inexploitées

L’intelligence artificielle ne manque pas toujours de modèles performants. Elle manque souvent de contexte fiable. Dans une entreprise, ce contexte est dispersé entre les bases de données, les courriels, les comptes rendus, les contrats, les documents métiers, les enregistrements ou les images. Or, une grande partie de ces informations reste hors de portée des projets d’IA générative, ou ne peut y être introduite sans préparation.

C’est le paradoxe souligné par IBM en juin 2025 : moins de 1 % des données d’entreprise seraient utilisées par l’IA générative, alors que plus de 90 % de ces données appartiendraient à la vaste catégorie des données non structurées. Derrière la formule des « 99 % restants », il ne faut donc pas imaginer un simple réservoir à verser dans un assistant conversationnel. Le défi est de transformer des informations éparses en ressources fiables, pertinentes, sécurisées et autorisées pour un usage donné.

Les données d’entreprise, un actif encore difficile à mobiliser

Les entreprises ont depuis longtemps recours aux données structurées pour suivre leurs ventes, leurs stocks, leurs budgets ou leurs relations clients. Ces informations sont rangées dans des champs prédéfinis : une date, un montant, une référence produit, un identifiant client. Elles se prêtent naturellement aux tableaux de bord, aux requêtes et aux analyses statistiques.

Mais une organisation ne travaille pas seulement avec des lignes et des colonnes. Elle produit aussi des contenus riches en contexte : comptes rendus de réunion, notices techniques, présentations, tickets de support, échanges avec des fournisseurs, photographies de produits, appels enregistrés ou publications sur les réseaux sociaux. Ces informations peuvent contenir une réponse précise à une question métier, un signal de satisfaction client ou une expertise acquise au fil des années.

Henrique Lemes, responsable de la plateforme de données pour les Amériques chez IBM, met en avant cette complexité des données d’entreprise. L’enjeu ne consiste pas seulement à accumuler plus d’informations. Il s’agit de comprendre ce que l’organisation possède, où cela se trouve, qui peut y accéder et dans quelles conditions ces contenus peuvent servir à l’IA.

Pourquoi les données non structurées comptent autant pour l’IA générative

Une IA générative peut rédiger, résumer, classer ou répondre à des questions. Mais la qualité de ses résultats dépend largement des informations auxquelles elle a accès. Un modèle généraliste connaît des éléments issus de son entraînement, mais il ne connaît pas spontanément les règles internes, les fiches produits à jour, les procédures de maintenance ou les conditions contractuelles propres à une entreprise.

C’est là que les données non structurées deviennent stratégiques. Un assistant destiné au service client peut avoir besoin de consulter une documentation technique. Un outil interne pour les équipes commerciales peut devoir retrouver les clauses d’un contrat. Une application destinée à la maintenance peut s’appuyer sur des rapports d’intervention et des manuels. Dans chacun de ces cas, la valeur ne réside pas dans le volume brut des fichiers, mais dans la possibilité de retrouver l’information exacte au bon moment.

Le chiffre de moins de 1 % ne doit pas être interprété comme une mesure universelle applicable à toutes les organisations. Il traduit surtout l’ampleur du décalage entre le patrimoine informationnel disponible et la fraction effectivement mobilisée dans les projets d’IA générative. Une entreprise peut disposer de millions de documents sans qu’ils soient indexés, correctement classés ou accessibles selon des règles claires.

Les conséquences sont concrètes. Si l’IA travaille sur une base incomplète, elle peut fournir des réponses lacunaires. Si elle s’appuie sur des contenus obsolètes ou contradictoires, elle peut orienter les équipes vers de mauvaises décisions. Et si elle reçoit des données auxquelles l’utilisateur ne devrait pas avoir accès, le problème devient aussi un enjeu de sécurité et de conformité.

De la donnée brute à la donnée prête pour l’IA

IBM présente une transformation en trois temps : l’ingestion à grande échelle, la curation accompagnée d’une gouvernance solide, puis la disponibilité contrôlée des données pour l’IA générative. Ces étapes paraissent techniques, mais elles répondent à des questions très concrètes : comment faire entrer les documents dans le bon système, comment vérifier leur fiabilité et comment empêcher un accès inapproprié ?

1. Automatiser l’ingestion des informations

L’ingestion désigne le passage des données depuis leurs emplacements d’origine vers des systèmes capables de les stocker, les indexer et les analyser. Elle peut concerner des répertoires documentaires, des outils de gestion de la relation client, des archives, des applications métiers ou des flux plus continus.

L’automatisation est centrale car une organisation ne peut pas préparer manuellement chaque document à mesure qu’il est créé ou modifié. Elle permet de traiter les flux à grande échelle et de réduire les délais entre la production d’une information et son éventuelle utilisation. Mais automatiser ne veut pas dire tout déplacer sans distinction. Les règles d’ingestion doivent tenir compte de la nature des données, de leur sensibilité et de leur durée de conservation.

2. Curater les contenus et appliquer une gouvernance

La curation consiste à améliorer l’utilité des informations : identifier les doublons, repérer des versions périmées, compléter des métadonnées, signaler les contenus sensibles ou encore classer les documents par thème et par métier. Ce travail est indispensable lorsque les fichiers sont nombreux, de qualité inégale et produits par des équipes différentes.

La gouvernance des données fixe, elle, le cadre de confiance. Elle répond notamment aux questions suivantes :

• Qui est responsable d’un jeu de données ou d’un document ?
• Quelles personnes ou quels services peuvent y accéder ?
• Les informations contiennent-elles des données personnelles, confidentielles ou soumises à une obligation réglementaire ?
• Comment vérifier l’actualité, l’origine et la qualité du contenu ?
• Que faut-il conserver, anonymiser, supprimer ou exclure des usages d’IA ?

Ce cadre doit être pensé dès le début d’un projet, et non ajouté une fois l’application déjà déployée. Dans les secteurs les plus réglementés, cette exigence est particulièrement forte : banque, assurance, santé, industrie critique ou administration ne peuvent pas traiter leurs données comme de simples fichiers interchangeables.

3. Rendre l’information disponible avec les bons garde-fous

Une fois les données ingérées et préparées, elles peuvent être mobilisées pour des applications d’IA générative. Cela ne signifie pas nécessairement qu’il faut entraîner un modèle sur tous les documents internes. Dans de nombreux cas, l’objectif est plutôt de permettre à l’outil de retrouver des passages pertinents au moment où une question est posée, puis de produire une réponse à partir de ce contexte.

Cette méthode limite les risques liés à l’utilisation de données anciennes ou trop larges. Elle permet aussi d’appliquer des autorisations : deux salariés posant la même question ne doivent pas obligatoirement voir la même réponse si leurs droits d’accès diffèrent. La qualité de l’expérience utilisateur dépend alors autant du modèle d’IA que de l’architecture de données qui l’entoure.

Une approche unifiée plutôt qu’une accumulation d’outils

IBM défend une approche unifiée associant compréhension du parcours d’IA de l’entreprise, logiciels et expertise sectorielle. L’objectif est de traiter les données structurées et non structurées comme des actifs complémentaires, au lieu de les enfermer dans des silos techniques ou métiers.

Cette approche répond à un problème fréquent : beaucoup d’initiatives d’IA débutent avec un cas d’usage limité, par exemple le résumé de documents ou un assistant pour une équipe. Lorsque l’entreprise souhaite étendre le dispositif à d’autres services, elle découvre que les données sont dispersées, que les règles d’accès ne sont pas harmonisées et que les formats ne se prêtent pas tous aux mêmes traitements.

Unifier ne signifie pas nécessairement centraliser physiquement tous les fichiers dans un seul endroit. Il s’agit avant tout d’obtenir une vue cohérente des ressources, des règles de gestion et des droits d’accès. Une entreprise doit pouvoir savoir quelles données alimentent quelle application, selon quelles autorisations et avec quel niveau de fiabilité.

IBM indique proposer des outils permettant de faire fonctionner des charges de travail d’IA, y compris dans des secteurs fortement réglementés. L’enjeu pour les organisations n’est toutefois pas de choisir une technologie pour elle-même. Il est de vérifier qu’elle s’intègre aux systèmes existants, qu’elle respecte les obligations de confidentialité et qu’elle permet une traçabilité suffisante pour les équipes métiers, informatiques et conformité.

La confiance, condition de la valeur métier

L’IA générative peut accélérer la recherche d’information et aider à produire des réponses, mais elle ne résout pas mécaniquement les problèmes de qualité de données. Une réponse formulée avec assurance peut être erronée si le document récupéré est obsolète, incomplet ou mal interprété. La confiance doit donc être construite à plusieurs niveaux.

D’abord, l’entreprise doit s’assurer que le contenu est pertinent pour la question posée. Ensuite, elle doit pouvoir déterminer d’où vient l’information et si elle est suffisamment récente. Enfin, elle doit éviter que des données personnelles, confidentielles ou protégées par des règles contractuelles soient exposées à des utilisateurs non autorisés.

Les biais constituent également un point de vigilance. Un ensemble de données peut refléter des pratiques historiques, des catégories incomplètes ou des points de vue déséquilibrés. L’usage de ces contenus dans une IA peut alors reproduire ou amplifier ces défauts. Préparer les données pour l’IA implique donc aussi de questionner ce qu’elles représentent et ce qu’elles omettent.

Comment commencer sans viser un chantier démesuré

Pour une entreprise, l’ambition de valoriser des données non structurées peut sembler immense. La démarche est plus efficace lorsqu’elle commence par un besoin précis. Il peut s’agir de réduire le temps de recherche des équipes de support, d’aider les commerciaux à retrouver une information validée ou de rendre une documentation technique plus accessible.

Le choix du premier cas d’usage doit être associé à un périmètre documentaire clair. Il faut identifier les contenus réellement nécessaires, leurs propriétaires, leur niveau de qualité et les personnes qui peuvent y accéder. Cette première étape permet de tester les mécanismes d’ingestion, de classement et de gouvernance sans prétendre résoudre d’emblée toute la gestion de l’information de l’entreprise.

La publication d’origine évoque la possibilité d’un retour sur investissement supérieur à 40 % pour une intégration bien menée, en renvoyant à des études non précisées. Ce chiffre ne peut pas servir de référence générale : les gains dépendent du cas d’usage, du coût de préparation des données, du niveau d’automatisation et de l’adoption réelle par les équipes. Un indicateur plus utile consiste souvent à mesurer le temps économisé, les erreurs évitées, la vitesse d’accès à l’information et le niveau de satisfaction des utilisateurs.

Ce qu’il faut surveiller pour passer à l’échelle

À mesure que les projets d’IA se multiplient, la gestion des données non structurées devient un enjeu d’organisation autant que de technologie. Les entreprises devront éviter de créer une collection d’assistants isolés, chacun connecté à ses propres documents et doté de règles différentes. Sans cadre commun, les risques de doublons, de réponses incohérentes et de failles d’accès augmentent rapidement.

La priorité est donc de maintenir l’équilibre entre ouverture et contrôle. Exploiter davantage de données peut améliorer la pertinence d’une IA, mais seulement si la sélection est utile, les règles sont explicites et les responsabilités bien définies. Les organisations qui réussiront ne seront pas forcément celles qui feront entrer le plus de fichiers dans leurs systèmes. Ce seront celles qui sauront rendre leurs informations fiables, contextualisées et accessibles aux bonnes personnes, pour les bons usages.