Aller au contenu principal
← Tous les articles

chatbot interne · chatbot entreprise · rag · base de connaissances · sécurité

Chatbot interne : un assistant qui répond depuis vos documents

Un chatbot interne qui répond depuis les procédures et documents de l'entreprise : fonctionnement (RAG), droits d'accès et recommandations de l'ANSSI.

6 min de lectureWillys Martial

« Où est la dernière version de la procédure ? », « Quelle règle s’applique à ce cas ? » : dans beaucoup d’entreprises, les mêmes questions internes reviennent, et la réponse existe déjà quelque part dans un document. Un chatbot interne peut aller la chercher pour l’équipe. Voici comment il fonctionne, ce qu’il faut décider avant de le construire, et ce que recommande l’ANSSI pour ce type de système.

La réponse courte

Un chatbot interne utile ne « sait » rien par lui-même : à chaque question, il recherche les passages pertinents dans vos documents, puis rédige une réponse à partir de ces passages, en citant ses sources. Deux décisions comptent plus que le choix du modèle : quels documents il peut lire, et qui a le droit de voir quoi.

Comment il fonctionne : le principe du RAG

La technique s’appelle le RAG (retrieval-augmented generation). Les documents de l’entreprise sont découpés et indexés dans une base dite vectorielle. Quand un collaborateur pose une question, le système retrouve les extraits les plus proches et les transmet au modèle avec la question. L’ANSSI décrit ce fonctionnement dans son guide : une base de données vectorielle sert à enrichir les requêtes des utilisateurs avant l’envoi au modèle, et elle peut être construite à partir de sources internes ou de sources partenaires (ANSSI, recommandations de sécurité pour un système d’IA générative).

Conséquence pratique : on met à jour le chatbot en mettant à jour les documents, sans réentraîner de modèle.

Un exemple : le chatbot juridique de 41 Avocats

Pour le cabinet 41 Avocats, à Paris, j’ai conçu un chatbot de ce type, présenté dans notre portfolio : une base de connaissances qui indexe le corpus juridique du cabinet (textes, jurisprudences, notes internes), des réponses qui citent les articles et références utilisés, un périmètre limité aux domaines couverts par la base, avec renvoi vers un avocat pour les cas complexes, et une interface accessible uniquement en interne. L’intérêt des sources citées : l’avocat vérifie la référence au lieu de refaire la recherche.

Ce qu’il faut décider avant de construire

1. Le corpus. Quels documents entrent dans la base, qui les tient à jour, et que fait-on des versions anciennes ? Des sources contradictoires produisent des réponses contradictoires : c’est l’une des leçons du projet CARL’IA, où d’anciennes pages web contredisaient les publications récentes.

2. Le besoin d’en connaître. Un stagiaire et un associé n’ont pas accès aux mêmes dossiers ; le chatbot ne doit pas leur permettre de contourner cette règle. L’ANSSI recommande de traiter ce point dès la conception, en distinguant les données d’entraînement, sans gestion des droits possible, des données additionnelles utilisées en production, avec lesquelles on peut gérer des rôles et des droits d’accès (recommandation R8 du guide de l’ANSSI). C’est un argument de plus pour le RAG : les droits se gèrent sur les documents.

3. Ce qu’il a le droit de faire. Répondre, oui ; agir seul, rarement. Le même guide recommande de proscrire l’usage automatisé de systèmes d’IA pour des actions critiques et de garder un contrôle humain sur les décisions qui ont un impact fort (recommandation R9). Il demande aussi de journaliser les traitements (R29) et de prévoir un mode de fonctionnement sans le système d’IA (R15).

Les précautions d’usage

  • Revoir les droits régulièrement. L’ANSSI recommande de vérifier les droits d’accès des outils d’IA générative sur les applications métier dès leur activation, puis régulièrement, par exemple tous les mois (R35).
  • Ne pas confier de données sensibles à un outil grand public. Pour un usage professionnel impliquant des données sensibles, l’ANSSI proscrit les outils d’IA générative accessibles sur Internet dont l’entreprise n’a pas la maîtrise (R34). Le choix de l’outil et de l’hébergement se décide donc avant le premier document indexé, idéalement dans une charte IA d’entreprise.
  • Tester sur de vraies questions, y compris celles auxquelles le chatbot doit répondre « je ne sais pas » ; notre article sur la création d’un chatbot détaille ce jeu de tests.

Limites

Un chatbot interne ne vaut que ce que valent les documents qu’on lui donne : il ne corrige pas une procédure fausse, il la répète. Il peut aussi mal choisir un extrait ou mal le résumer ; la source citée permet de le vérifier, à condition que l’équipe prenne l’habitude de l’ouvrir. Enfin, ce n’est pas un projet qu’on livre puis qu’on oublie : il faut quelqu’un pour tenir la base à jour.

Pour aller plus loin

Pour un assistant tourné vers vos clients plutôt que vers votre équipe, voyez le chatbot connecté de Relay Smart. Notre page chatbot d’entreprise présente notre façon de concevoir ces outils. Pour étudier vos documents et vos questions récurrentes, parlons de votre situation.

Willys Martial
Willys Martial

Consultant-développeur IA, fondateur de Suity et ambassadeur IA pour la région Guadeloupe.
Conseil, développement et formation : un même interlocuteur pour relier les possibilités de l’IA à votre travail réel.

Certifié Microsoft Azure AI Engineer Associate et Botpress.

A accompagné notamment la Fédération française de football, la CCI Îles de Guadeloupe, la Communauté d'Agglomération La Riviera du Levant et Azur Expertise.

Votre métier d’abord. La suite, ensemble.

Un problème concret, une idée ou une question suffit pour commencer. Parlons de ce qui pourrait faire avancer votre équipe.

Prendre rendez-vous
Prendre rendez-vous