Passer du chatbot à votre propre système d’intelligence
Passer du chatbot à votre propre système d’intelligence
Vous changez de chatbot et vous voilà à refaire la visite des lieux : votre activité, vos clients, les exceptions négociées, les mots à éviter. À force de tout expliquer dans une conversation, vous avez meublé un appartement dont une autre entreprise garde les clés. Le problème n’est pas de louer un bon outil. C’est d’avoir laissé votre organisation dans ses placards.
Pour ne plus être locataire de votre contexte, séparez ce que votre entreprise sait du modèle qui l’utilise. Vos références, vos données du jour et vos méthodes de travail doivent rester exploitables ailleurs. Claude, ChatGPT ou un modèle local peuvent alors devenir des moteurs que vous évaluez, plutôt que le seul endroit où votre équipe retrouve son intelligence accumulée.
Changer de chatbot sans refaire toute la visite
La métaphore du déménagement a une limite utile : les meubles ne sont pas nécessairement bloqués. Des services permettent d’exporter les conversations ; Claude documente notamment cette possibilité dans ses réglages. Mais récupérer un historique n’équivaut pas à retrouver un assistant prêt à travailler. Il reste à distinguer une décision validée d’une proposition abandonnée, à rétablir les accès et à vérifier les connexions.
Une règle commerciale enfouie dans un ancien échange n’est pas encore une référence d’entreprise. Elle le devient lorsqu’elle possède une formulation claire, un responsable, une date de validité et un lien avec les dossiers concernés. C’est ce travail qui rend votre contexte réutilisable, même si vous continuez à utiliser des services hébergés.
Le bon test n’est donc pas « puis-je télécharger mes messages ? », mais « puis-je confier ce même dossier à un autre moteur sans demander à l’équipe de tout réexpliquer ? ». Une migration demandera encore des adaptations : formats d’outils, consignes, limites de contexte et qualité des réponses varient. Vous cherchez à conserver le travail de fond, pas à promettre un changement sans effort.
Trois piliers pour garder votre contexte et le mettre au travail
Un dossier utilisable par l’IA doit réunir trois choses différentes : ce qui fait référence, ce qui a changé et ce que l’assistant sait faire. Les mélanger dans une longue conversation rend chaque mise à jour difficile à vérifier. Les séparer permet de corriger une source sans reconstruire tout le système.
1. Le contexte statique : vos références, pas un grenier de documents
Ce premier pilier rassemble vos procédures validées, votre offre, vos choix de vocabulaire et les décisions qui doivent durer. « Statique » ne veut pas dire immuable : ces références évoluent, mais elles ne changent pas à chaque vente ou ticket de support.
Quelques notes tenues à jour valent mieux qu’un dépôt où tout est conservé sans tri. Reliez chaque règle aux bons concepts : client, contrat, produit, procédure, décision. Cette organisation des catégories et de leurs relations constitue une ontologie. Elle aide à distinguer, par exemple, le tarif général de l’exception accordée à un seul client.
Votre Company Brain, ou mémoire d’entreprise, donne une méthode pour retrouver ces références, leur origine et leur validité. L’enjeu n’est pas de faire mémoriser toute l’entreprise au modèle : le système lui fournit les passages autorisés et pertinents pour la demande.
2. Le contexte dynamique : ce qui est vrai aujourd’hui
Une politique de remboursement ne dit pas si ce client a déjà été remboursé. Pour cela, l’assistant doit consulter l’état du dossier : commande, facture, échange de support ou information du CRM. C’est le deuxième pilier, celui des données qui changent.
Vous n’avez pas besoin de supprimer vos logiciels de vente ou de support pour le construire. Commencez par identifier la source qui fait foi, puis prévoyez une consultation autorisée par API ou une synchronisation contrôlée. Une copie actualisée chaque nuit ne décrit pas les ventes de la dernière heure : l’heure de mise à jour doit accompagner l’information.
La requête doit aussi respecter les droits de la personne qui la lance. Un assistant destiné au support ne doit pas accéder aux marges ou à tous les comptes clients sous prétexte qu’une base commune existe. Ces restrictions se règlent dans les accès aux outils et aux données, pas seulement dans une consigne écrite au modèle.
3. Les capacités : des procédures que l’assistant peut exécuter
Avec les deux premiers piliers, l’IA peut comprendre un dossier. Les capacités lui permettent de le faire avancer : rechercher les pièces manquantes, calculer un montant avec un outil, préparer une réponse ou créer une tâche. Une skill décrit une méthode réutilisable ; un agent organise les étapes ; une automatisation déclenche ou transmet le travail selon des règles définies.
Chaque capacité doit préciser ses entrées, ses actions permises et son point d’arrêt. « Préparer un avoir » et « émettre un avoir » ne donnent pas le même pouvoir. La seconde action exige un droit spécifique et, selon votre organisation, une validation humaine avant écriture dans le logiciel comptable.
Un dossier client fait travailler les trois piliers ensemble
Imaginez qu’un client demande un remboursement. Le contexte statique fournit les conditions applicables. Le contexte dynamique apporte la date d’achat, le paiement et les échanges déjà intervenus. La capacité assemble ces éléments, signale une pièce manquante et prépare une réponse avec les références utilisées. Le responsable vérifie le montant et autorise la suite.
Si vous remplacez le modèle, les conditions de vente, les connexions et la procédure de préparation ne devraient pas disparaître avec lui. Vous testez le nouveau moteur sur ce dossier : retrouve-t-il les bonnes sources, distingue-t-il l’exception et s’arrête-t-il au même point ? C’est une vérification de continuité du travail, pas un concours de belles réponses.
Notre article sur les sept couches d’une IA d’entreprise détaille les composants techniques autour du moteur. Ici, la décision est en amont : quels éléments de votre contexte doivent survivre au changement d’outil, et pour quelle tâche ? Les trois piliers permettent de faire cet inventaire sans commencer par une liste de logiciels.
Les prompts restent utiles ; ils ne portent pas l’entreprise à eux seuls
Un bon prompt précise le travail attendu, le format et les questions à poser avant de conclure. Les documentations d’OpenAI et d’Anthropic continuent d’ailleurs à expliquer comment rédiger et tester ces consignes. Mais aucun prompt sophistiqué ne transforme un ancien tarif en tarif actuel ni n’accorde un accès fiable à votre CRM.
Vous gagnez donc à travailler les consignes avec les sources et les capacités. Lorsqu’une réponse est fausse, cherchez où la chaîne a cédé : référence périmée, donnée non actualisée, instruction ambiguë ou outil mal utilisé. Acheter un autre abonnement avant ce diagnostic risque de déplacer le problème.
Posséder le système, c’est aussi prévoir son entretien
Garder la maîtrise de votre contexte n’impose pas de tout héberger vous-même. Vous pouvez conserver des références exportables et des accès documentés tout en choisissant un modèle hébergé. À l’inverse, un serveur dans vos locaux ne protège pas automatiquement les données : comptes, mises à jour, sauvegardes, journalisation et restauration restent à organiser.
Le code open source peut faciliter l’inspection et le changement de prestataire. Il n’annule ni les conditions de licence, ni les coûts de calcul, d’intégration et de maintenance. Votre choix doit tenir compte de la sensibilité des dossiers, des compétences disponibles et de la personne qui interviendra lorsqu’un connecteur cessera de fonctionner.
Avant d’élargir, désignez qui valide les références, qui suit la fraîcheur des données et qui entretient les capacités. Conservez quelques dossiers de test pour repérer une régression après un changement de modèle ou de procédure. Suivez les tâches réellement terminées, les corrections demandées et le temps de contrôle : ce sont ces observations qui justifient la suite.
Avec SAY, passer du contexte accumulé à un AI Worker utile
Le premier chantier peut tenir dans une question : quel dossier votre équipe doit-elle encore réexpliquer chaque semaine ? À partir de ce dossier, SAY peut vous accompagner pour organiser les références, connecter les données utiles et définir les actions d’un AI Worker. Le cadrage précise les sources, les accès, les étapes de validation et les tests de réception avant d’étendre son périmètre.
Vous ne cherchez plus seulement un chatbot plus convaincant. Vous construisez un système dont votre équipe sait entretenir les connaissances et contrôler le travail, avec la possibilité de choisir un autre moteur quand cela devient pertinent.
Quel contexte mérite de rester chez vous, quel que soit votre prochain outil ? Échangez avec SAY pour cadrer votre premier AI Worker autour d’un dossier concret. SAY Go Big Online.
Sources et lectures utiles
- Anthropic — exporter ses données Claude : possibilité d’export, distincte d’une migration complète du fonctionnement.
- OpenAI — prompt engineering et Anthropic — prompt engineering : consignes, contexte et évaluation.
- Ollama — FAQ : fonctionnement local, configuration réseau et services cloud à distinguer.
