Une campagne de revue documentaire peut être close à 100 % sans avoir revu ce que votre IA lit

Une campagne de revue close à 100 % couvre son périmètre, pas celui que lit votre assistant. La colonne « lu par l'IA » rapproche les deux listes.

Une campagne de revue documentaire close à 100 % mesure le périmètre qu’on lui a confié. Elle ne dit rien du périmètre que vos assistants d’IA lisent, parce que ces deux listes sont tenues par deux équipes qui ne les rapprochent pas. Le programme de revue documentaire a été écrit pour la qualité, l’audit et la conformité ; l’index de l’assistant a été construit par l’intégrateur, source par source, au fil des cas d’usage. Le 19 octobre 2026, en ouverture du Gartner IT Symposium/Xpo d’Orlando, Daryl Plummer et Kristin Moyer ont distingué la gouvernance qui protège de celle qui ralentit sans protéger. Ce décalage range une partie de la revue documentaire dans la seconde catégorie.

Imaginez le comité IA trimestriel d’un groupe industriel. Le CDO projette l’indicateur de gouvernance : « campagne de revue documentaire 2026 : 100 % close ». La responsable du système documentaire qualité, qui a signé cette clôture, est dans la salle. La DPO pose une question simple : « Parmi les espaces que l’assistant RH cite dans ses réponses, combien faisaient partie de la campagne ? » Personne ne répond. La liste des espaces indexés est chez l’intégrateur, la liste de la campagne chez la qualité, et aucune réunion n’a jamais posé les deux côte à côte.

Cet article s’adresse au CDO et au CTO d’un grand groupe dont les assistants indexent des espaces collaboratifs en plus de la GED qualité. Si vos assistants ne lisent que des documents déjà soumis au programme de revue, les deux listes coïncident et l’argument ne vous concerne pas encore.

Deux réponses viennent spontanément. La première : la campagne annuelle existe, elle est tenue, elle suffit. La seconde : la plateforme de gouvernance de l’IA achetée cette année, ou le circuit de revue de la GED, couvrent déjà le sujet. Les deux tiennent pour ce qu’elles regardent. Aucune des deux ne regarde l’écart entre les deux listes.

Quand la revue documentaire ralentit sans protéger

Le cadre présenté par Gartner le 19 octobre, le « Value-Risk Flywheel », décrit deux forces : l’élan et la résistance. Selon le compte rendu publié par Gartner (traduction libre), la bonne résistance protège la valeur par la gouvernance, la cybersécurité, la redevabilité et la discipline de dépense ; la mauvaise crée de la bureaucratie, des goulets et des reprises sans réduire le risque. Le même article rapporte que 86 % des DSI déclarent un risque IA qui croît plus vite que la valeur qu’ils en tirent.

Une revue documentaire est une résistance par construction : elle mobilise des experts, elle retarde des publications, elle impose des validations. La question que pose ce cadre est de savoir de quel côté elle tombe. Une campagne qui revoit avec soin des procédures que l’IA ne lit pas, pendant que l’assistant sert des espaces qu’aucune campagne ne couvre, consomme du temps d’expert sans réduire le risque des réponses. Dans le vocabulaire de Gartner, c’est de la mauvaise résistance. Cette lecture de la revue documentaire est la nôtre ; Gartner ne l’applique pas aux documents.

La proposition est que le programme de revue documentaire se règle sur ce que l’IA lit : savoir, ligne par ligne, quelles sources alimentent un assistant et lesquelles n’alimentent rien, puis ajuster les priorités de revue en conséquence.

Une précision de continuité pour les lecteurs de ce blog. Le 7 octobre, nous traitions d’un document retiré qui continue de répondre à travers l’IA ; le 12 octobre, d’une preuve de contrôle restée identique pendant que l’organisation changeait. Ici, aucun document n’est retiré ni périmé au départ : c’est le programme de revue qui regarde ailleurs que l’assistant. Fin juillet, nous décrivions des silos ouverts à l’IA que personne ne surveillait ; la question est désormais plus étroite et plus gênante, parce qu’elle vise un dispositif de revue qui existe, qui est tenu, et dont l’indicateur est au vert.

Ce que l’audit qualité a déjà écrit

Ce réglage n’a rien d’une invention. La norme ISO 9001:2015, au point 9.2.2 a), demande que le programme d’audit interne tienne compte de l’importance des processus concernés, des changements affectant l’organisation et des résultats des audits précédents (traduction libre de la version anglaise). Les auditeurs en ont tiré une pratique stable : auditer d’abord et plus souvent ce qui porte le risque, et espacer le reste. ISO 9001:2026 a été publiée le 16 septembre 2026, avec une transition des certificats jusqu’en septembre 2029 ; nous n’avons pas relu la rédaction de la nouvelle version, payante, et nous citons le point 9.2.2 a) de 2015 dans la reprise qu’en donne Auditor Training Online.

Le programme de revue documentaire relève de la même logique. S’il a été établi avant le premier assistant, ses critères d’importance ont été fixés sans lui. L’importance d’une procédure y est mesurée par son processus, sa criticité réglementaire, sa date de dernière revue. Un critère nouveau est apparu sans y entrer : cette source est-elle lue par un système qui répond à des collaborateurs ou à des clients ? Intégrer ce critère est une mise à niveau du programme existant, au sens où la qualité l’entend déjà.

Où s’arrêtent les deux réponses spontanées

La campagne annuelle, d’abord. Elle est la forme la plus aboutie de la discipline documentaire d’un grand groupe : un périmètre défini, des propriétaires nommés, une date de revue, une trace de validation. Sa frontière est son périmètre. Il a été dessiné à partir des processus certifiés et des exigences d’audit, à une époque où un document n’était lu que par ceux qui allaient le chercher. Un espace d’équipe, une bibliothèque d’archives, un site projet connectés à l’assistant n’y entrent que si quelqu’un les y fait entrer. La responsable du système documentaire ne peut pas revoir une source dont personne ne lui a signalé la connexion : sa signature au bas de la campagne est exacte, et elle porte sur une liste incomplète.

La plateforme de gouvernance de l’IA, ensuite. Dans sa meilleure forme, elle inventorie les cas d’usage, les modèles, les agents, leurs accès et leurs journaux, et peut lister les connecteurs d’un assistant. Le plan de contrôle commun que Gartner appelle « AI Central Bank » dans le même discours est un concept d’organisation ; il ne nomme pas le programme de revue documentaire parmi ses composantes. La plateforme, elle, ne tient pas le programme de revue documentaire, et rien en elle ne signale qu’une source connectée n’a ni propriétaire ni date de revue. Le circuit de revue de la GED, de son côté, déclenche des revues à date sur les documents qu’il gère, sans savoir lesquels un assistant indexe.

Le statu quo a un coût précis : l’indicateur « campagne close à 100 % » continue de remonter au comité IA comme une preuve de gouvernance, alors qu’il ne porte que sur une partie de ce que l’IA sert.

La colonne « lu par l’IA »

Le geste tient en une demi-journée et ne demande aucun outil. Il s’agit d’ajouter une colonne « lu par l’IA » au programme de revue documentaire.

Ce que produit le geste. Deux listes sont posées côte à côte. La première vient de l’intégrateur : pour chaque assistant ou agent en production, les espaces, bibliothèques, sites et dossiers connectés à son index, tels qu’ils figurent dans la configuration des connecteurs. La seconde vient de la responsable du système documentaire : le périmètre du programme de revue. La colonne « lu par l’IA » indique, pour chaque source, quels assistants la lisent, ou « aucun ».

Le domicile. La colonne vit dans le programme de revue documentaire existant, tenu par la responsable du système documentaire qualité. Les sources lues par l’IA mais absentes du programme y entrent comme lignes nouvelles. Aucun fichier autonome n’est créé.

Le moment. Les premières lignes s’écrivent lors de la planification de la campagne 2027, si elle n’est pas encore arrêtée, puis à chaque nouvelle source connectée à un assistant, avant sa mise en service.

Une ligne remplie. « Espace “Politiques RH – archives 2021-2024” ; hors programme de revue ; lu par l’IA : assistant RH, agent d’accueil des nouveaux arrivants ; propriétaire pressenti : direction des ressources humaines, à confirmer ; décision : entrer dans la campagne 2027 avec revue au premier trimestre, ou sortir de l’index. »

La règle de lecture. Une source lue par l’IA et hors programme appelle une décision du propriétaire : elle entre au programme, ou elle sort de l’index. Une source lue par l’IA et déjà au programme voit sa priorité de revue relevée, comme un processus important dans un programme d’audit. Une source au programme et lue par aucun assistant garde sa cadence : la colonne n’ajoute aucune revue là où l’IA ne lit rien.

La conduite intérimaire. Tant que le propriétaire n’a pas tranché, la source reste indexée et sa ligne reste ouverte à l’ordre du jour du comité IA. Sortir une source de l’index relève du seul propriétaire métier.

Le mode d’échec. Si les deux listes coïncident, l’exercice aura coûté une demi-journée à la qualité et à l’intégrateur, et l’indicateur « 100 % » signifiera désormais ce qu’il semble dire. Si l’intégrateur ne peut pas produire la liste des sources connectées, c’est le premier constat.

Les données manipulées. Le geste n’utilise que la configuration des connecteurs. Il ne lit ni les questions des utilisateurs ni les journaux d’usage, et ne fait circuler aucune donnée personnelle.

La pièce créée. Une ligne « lu par l’IA, hors programme » documente un écart connu. Notre lecture, argumentée et sans décision publiée à l’appui : un écart écrit, daté et attribué montre un contrôle qui fonctionne. Le service juridique reste juge de la formulation.

Qui porte la décision. La colonne n’appelle aucun poste nouveau. Elle s’ajoute aux attributions écrites de la responsable du système documentaire, et la décision par source revient au propriétaire métier. Le temps de l’exercice s’impute au programme qualité existant ou au budget du programme IA 2027 s’il est encore en discussion.

Ce qu’une Document Knowledge Platform apporte, et ce qu’elle n’apporte pas

Une Document Knowledge Platform (DKP) est la couche de qualité et de gouvernance documentaire qui s’exécute en amont des systèmes d’IA : elle gouverne le patrimoine documentaire (Govern), en détecte et traite les anomalies, doublons et obsolescences (Clean), et n’active le corpus auprès des assistants qu’une fois ces deux étapes tenues (Activate). Elle ne se vend pas dans la catégorie des plateformes de gouvernance de l’IA et n’a pas vocation à figurer dans leur appel d’offres ; elle ne remplace ni la GED, ni le moteur de recherche d’entreprise, ni la couche de connaissance des agents. Cette position ne dépend pas du calendrier des analystes : elle était la même avant le discours du 19 octobre et le restera après.

Sur la colonne « lu par l’IA », la contribution de K-AI est précise. K-AI dénombre les documents contenus dans chaque source indexée, indique pour chacun la version applicable et signale les documents obsolètes, sur les deux périmètres à la fois. Pour le rattachement d’une source à un propriétaire ou à une ligne du programme, l’outil propose des candidats et l’équipe qualité confirme. La décision d’entrer au programme ou de sortir de l’index reste au métier.

L’ingestion porte sur le seul contenu documentaire des sources retenues, dans un périmètre fixé par contrat et validé conjointement par le propriétaire documentaire et le RSSI ou la DPO. Ni transcripts, ni journaux d’usage, ni télémétrie. Aucun contenu n’est réutilisé pour entraîner des modèles.

Le cas public le plus proche est celui de TotalEnergies Retail Power & Gas : sur ~500 pages web auditées, 19 % des pages à corriger ont été identifiées par K-AI, et 53 % des cas ont été résolus en 3 semaines, en priorisant les plus critiques, avec des ressources limitées : 1 à 2 experts, une demi-journée à une journée par semaine. Cette preuve établit qu’une revue priorisée peut traiter une part importante des cas avec peu de temps d’expert. Elle n’établit rien sur l’écart entre un programme de revue et un périmètre d’indexation, qui n’était pas l’objet de ce diagnostic.

Conclusion : auditer, nettoyer, surveiller

Auditer, c’est poser les deux listes côte à côte et écrire la colonne « lu par l’IA ». Nettoyer, c’est faire décider chaque propriétaire : entrer au programme ou sortir de l’index, puis revoir en priorité ce que l’IA lit. Surveiller, c’est remplir la colonne à chaque nouvelle source connectée, avant sa mise en service, pour que le programme de revue suive l’index dès sa constitution.

Au prochain comité IA, la responsable du système documentaire pourra répondre à la question de la DPO par un nombre, et l’indicateur de la campagne dira enfin sur quel périmètre il porte. La revue documentaire redeviendra la résistance qui protège.

Foire aux questions

Qu’est-ce qu’un programme de revue documentaire fondé sur le risque IA ?

C’est un programme de revue qui tient compte, pour chaque source, des assistants d’IA qui la lisent. Une source lue par l’IA voit sa priorité de revue relevée ; une source qu’aucun assistant ne lit garde sa cadence. Le principe reprend celui du programme d’audit ISO 9001 (point 9.2.2 a de la version 2015), qui tient compte de l’importance des processus.

Pourquoi une campagne de revue close à 100 % ne suffit-elle pas ?

Parce qu’elle mesure le périmètre qu’on lui a confié. Si les assistants indexent des espaces collaboratifs, des archives ou des sites projets hors de ce périmètre, l’indicateur reste à 100 % alors qu’une partie de ce que l’IA sert n’a jamais été revue.

Notre plateforme de gouvernance de l’IA ne couvre-t-elle pas ce point ?

Elle inventorie les cas d’usage, les modèles, les agents et leurs accès, et peut lister les connecteurs d’un assistant. Elle ne tient pas le programme de revue documentaire et ne signale pas qu’une source connectée n’a ni propriétaire ni date de revue. La colonne « lu par l’IA » fait le lien entre les deux.

Qui doit tenir la colonne « lu par l’IA » ?

La responsable du système documentaire qualité, dans le programme de revue existant. L’intégrateur fournit la liste des sources connectées à chaque assistant ; le propriétaire métier décide, source par source, d’entrer au programme ou de sortir de l’index.

Comment K-AI traite-t-il la confidentialité lors d’une analyse ?

K-AI n’ingère que le contenu documentaire des sources retenues, dans un périmètre contractuel validé conjointement par le propriétaire documentaire métier et le RSSI ou la DPO, jamais par la seule DSI. Aucun transcript, journal d’usage ni donnée de télémétrie n’est collecté, et aucun contenu n’est réutilisé pour entraîner des modèles.

Sources

Pour aller plus loin

K-AI Corpus Diagnostic — 10 jours ouvrés, rapport complet des 20 anomalies les plus critiques de votre référentiel documentaire, garantie remboursement si aucune anomalie valable n’est détectée. Un échange d’une heure part de vos deux listes, situe les premières lignes « lu par l’IA, hors programme » à examiner, et précise ce qu’il faudrait pour dénombrer leurs documents et en signaler les versions obsolètes. Contactez l’équipe K-AI : contact@k-ai.ai. Le périmètre de chaque diagnostic est validé conjointement par le Document Owner métier et le RSSI/DPO, jamais par la seule DSI.

K-AI accompagne déjà CMA CGM, Veolia, PwC, BNP Paribas, TotalEnergies et CEVA Logistics. Partenaires : AWS, Snowflake, Microsoft, Wavestone, Devoteam.