Votre IA d'entreprise ne connaît rien à votre activité

Vous avez dépensé 250 000 $ pour une plateforme IA. Vous avez connecté vos données. Vous avez formé votre équipe. Vous lui demandez vos règles de crédit. Elle vous donne une réponse de 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. C'est 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 a 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 changement 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 une clause de non-responsabilité. Peut-être une fourchette. Probablement une suggestion de « vérifier avec 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 connaît par cœur. Votre IA ne sait pas que ça existe. Les données sont là. La représentation des connaissances ne l'est pas.

La réponse de l'industrie à ce problème a été RAG — Génération Augmentée par Récupération. Téléchargez vos documents. Découpez-les. Intégrez-les. Laissez le modèle récupérer les passages pertinents avant de répondre. Ça aide. Mais ça ne résout pas le problème. RAG récupère des morceaux 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 juste consultable. Quand votre responsable conformité lit une circulaire CMF, il ne stocke pas juste 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. RAG donne à votre IA une carte de bibliothèque. Il ne lui donne pas le modèle mental.

Voici ce que la plupart des entreprises ne savent pas : les structures de connaissances dont elles ont besoin existent déjà. Elles sont maintenues depuis des décennies par des organismes de normalisation internationaux. FIBO — l'Ontologie Métier de l'Industrie Financière. 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 à utiliser. GS1 — l'organisation de Standards Globaux. Classe 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 classe plus de 1 000 professions avec des cadres 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 certainement pas.

Une fondation de connaissances a trois niveaux : Niveau 1 : Ontologie universelle. SUMO. Schema.org. Les concepts qui sont vrais quel que soit le secteur — ce qu'est une organisation, ce qu'est une transaction, comment le temps fonctionne, comment les quantités se rapportent. Niveau 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. Ceux-ci sont spécifiques au domaine mais pas spécifiques à l'entreprise. Ils définissent comment votre industrie fonctionne. Niveau 3 : Votre entreprise. Vos produits. Vos clients. Vos règles. Vos processus. Votre structure organisationnelle. C'est ce qui rend votre entreprise différente de toute autre entreprise de votre secteur. Le Niveau 1 et le Niveau 2 existent déjà. Vous ne les construisez pas — vous les adoptez. Vous ne construisez que le Niveau 3. Quand votre IA raisonne sur cette fondation à trois niveaux, elle ne devine pas. Elle ne récupère pas en espérant. Elle retrace chaque réponse jusqu'à un fait confirmé dans votre graphe de connaissances. Les sources sont montrées. La confiance est calibrée. Le responsable conformité peut auditer la chaîne de raisonnement.

Nous avons commencé avec des produits. Intelligence conversationnelle — analyser chaque interaction de centre d'appels pour le sentiment, la conformité, et l'intention produit. IA financière — faire répondre les ERP aux questions en langage naturel. Rapports de gouvernance — synthétiser les données de toute l'organisation en résumés prêts pour le conseil. Puis nous avons réalisé : la valeur n'était dans aucun produit unique. Elle était dans leur connexion. Auralytik détecte une frustration élevée dans les appels produits crédit. Synaptik vérifie — le cycle de paiement de ce membre s'est étendu de 30 à 67 jours. D-Board ajoute le risque corrélé au prochain ordre du jour du conseil. Ergonik signale que le gestionnaire de compte porte 140% de la charge de travail standard. Aucun produit unique 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 capable. 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 25 000 000 $ CLP de crédit maximum. 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 produits. Ce n'est pas RAG. Ce n'est pas du fine-tuning. C'est une fondation.