Votre IA d'entreprise ne connaît rien de votre activité

Vous avez dépensé 250K$ pour une plateforme IA. Vous avez connecté vos données. Vous avez formé votre équipe. Vous l'interrogez sur vos règles de crédit. Elle vous donne une réponse Wikipédia. Pas fausse, exactement. Juste... générique. Le genre de réponse qu'une personne cultivée donnerait si elle n'avait jamais travaillé dans votre secteur. Elle sait ce qu'est le crédit. Elle ne connaît pas vos règles de crédit. Elle sait ce que signifie la conformité. Elle ne sait pas que votre régulateur exige la taxonomie CMF sur chaque soumission. Voilà l'état de l'IA d'entreprise en 2026. Les modèles sont brillants. L'infrastructure est mature. Et les réponses sont inutiles — parce que votre IA a lu Internet. Elle n'a jamais lu votre entreprise.

Votre ERP contient 15 ans de transactions. Chaque facture, chaque cycle de paiement, chaque plan d'amortissement. Votre centre d'appels traite 50 000 interactions par mois — voix, chat, WhatsApp. Votre système RH suit chaque modification d'organigramme, chaque ajustement de rémunération, chaque évaluation de performance depuis la création. Mais demandez à votre IA : « Quel est le crédit maximum pour un membre avec un revenu de 820 000 CLP et une catégorie de risque B1 ? » Vous obtiendrez un avertissement. Peut-être une fourchette. Probablement une suggestion de « vérifier auprès de votre service crédit ». La réponse est 25 000 000 CLP. C'est dans votre table de décision. Ligne 2. Plafond CMF confirmé. Votre responsable conformité le sait par cœur. Votre IA ne sait même pas que ça existe. Les données sont là. La représentation des connaissances, non.

La réponse de l'industrie à ce problème a été le RAG — Retrieval Augmented Generation. Téléchargez vos documents. Découpez-les. Vectorisez-les. Laissez le modèle récupérer les passages pertinents avant de répondre. Ça aide. Mais ça ne résout pas le problème. Le RAG récupère des fragments de texte. Il ne comprend pas la logique métier. Trouver un document sur les règles de crédit n'est pas la même chose qu'appliquer ces règles. Découper un dépôt réglementaire n'encode pas la contrainte — ça la rend simplement cherchable. Quand votre responsable conformité lit une circulaire CMF, il ne stocke pas simplement le texte. Il comprend quelles règles s'appliquent à quels produits, quels seuils déclenchent quelles actions, et quelles exceptions existent pour quelles catégories de membres. Il construit un modèle mental. Le RAG donne à votre IA une carte de bibliothèque. Il ne lui donne pas le modèle mental.

Voici ce que la plupart des entreprises ignorent : les structures de connaissances dont elles ont besoin existent déjà. Elles sont maintenues depuis des décennies par des organismes de normalisation internationaux. FIBO — la Financial Industry Business Ontology. Définit plus de 1 200 concepts financiers. Maintenue par l'EDM Council. Utilisée par la Banque d'Angleterre, la Réserve fédérale et des dizaines de banques centrales. Elle définit ce qu'est un prêt, ce qu'est une contrepartie, comment les intérêts s'accumulent, comment le risque est catégorisé. Gratuite d'utilisation. GS1 — l'organisation de standards internationaux. Classifie plus de 64 000 catégories de produits. Chaque code-barres au monde utilise leur système. Chaque produit que vous vendez, achetez ou expédiez a une classification GS1. Votre IA ne le sait pas. SCOR — le modèle de référence des opérations de chaîne d'approvisionnement. Modélise les opérations de chaîne d'approvisionnement de bout en bout. BPMN modélise les processus métier. DMN modélise les décisions. O*NET classifie plus de 1 000 métiers avec des référentiels de compétences détaillés. Ce ne sont pas des exercices académiques. Ce sont des standards opérationnels utilisés par de vraies institutions. La plupart des entreprises n'en ont jamais entendu parler. Leur IA encore moins.

Une fondation de connaissances comporte trois niveaux : Tier 1 : Ontologie universelle. SUMO. Schema.org. Les concepts vrais quelle que soit l'industrie — ce qu'est une organisation, ce qu'est une transaction, comment le temps fonctionne, comment les quantités sont reliées. Tier 2 : Standards industriels. FIBO pour la finance. GS1 pour les produits. SCOR pour les chaînes d'approvisionnement. BPMN pour les processus. DMN pour les décisions. Ils sont spécifiques au domaine mais pas à l'entreprise. Ils définissent comment votre industrie fonctionne. Tier 3 : Votre entreprise. Vos produits. Vos clients. Vos règles. Vos processus. Votre structure organisationnelle. C'est ce qui distingue votre entreprise de toute autre dans votre industrie. Les Tier 1 et Tier 2 existent déjà. Vous ne les construisez pas — vous les adoptez. Vous ne construisez que le Tier 3. Quand votre IA raisonne sur cette fondation à trois niveaux, elle ne devine pas. Elle ne récupère pas en espérant. Elle trace chaque réponse jusqu'à un fait confirmé dans votre graphe de connaissances. Les sources sont affichées. Le niveau de confiance est calibré. Le responsable conformité peut auditer la chaîne de raisonnement.

Nous avons commencé par les produits. Intelligence conversationnelle — analyser chaque interaction du centre d'appels pour le sentiment, la conformité et l'intention produit. IA financière — permettre aux ERP de répondre aux questions en langage naturel. Reporting de gouvernance — synthétiser les données de toute l'organisation en résumés prêts pour le conseil. Puis nous avons réalisé : la valeur ne résidait dans aucun produit seul. Elle résidait dans la façon dont ils se connectaient. Auralytik détecte une frustration élevée dans les appels produits crédit. ERP AI vérifie — le cycle de paiement de ce membre est passé de 30 à 67 jours. D-Board ajoute le risque corrélé à l'ordre du jour du prochain conseil. Talent signale que le gestionnaire de compte supporte 140 % de la charge standard. Aucun produit seul ne pouvait produire cela. Le réseau l'a fait. Alors nous avons construit l'infrastructure. Un graphe de connaissances formel. Un protocole pour que les modèles de domaine raisonnent ensemble. Un réseau où chaque nouveau nœud rend chaque nœud existant plus performant. Les produits sont les quatre premiers nœuds. Le réseau est la plateforme.

Si votre IA donne encore des réponses génériques à des questions spécifiques, le problème n'est pas le modèle. GPT-4, Claude, Gemini — ils sont tous brillants pour raisonner. Ils sont terribles pour connaître votre entreprise. Le problème est la fondation sur laquelle ils sont construits. Ou plutôt, la fondation sur laquelle ils ne sont pas construits. Votre IA doit savoir que 820 000 CLP de revenu avec un risque B1 signifie un crédit maximum de 25 000 000 CLP. Pas parce que quelqu'un a téléchargé un PDF. Parce que la règle est encodée dans un graphe de connaissances, liée à la taxonomie CMF et validée contre votre catalogue produit. Ce n'est pas du RAG. Ce n'est pas du fine-tuning. C'est une fondation.