Presse
47 articles
La description de vos documents existe déjà quelque part. Votre programme IA est en train de la refaire
Gartner : d'ici 2028, refaire soi-même les métadonnées du non structuré coûtera plus de 300 % de plus que reprendre l'existant. L'arbitrage se joue au cadrage.
Vos outils détectent les contradictions d'un dossier. Personne ne compte celles qui traversent les dossiers
Deux fonds de donneurs d'ordre viennent de financer la relecture automatisée de documents. À l'échelle du dossier. Le document transverse n'y entre pas.
Répondre faux à une autorité est une infraction distincte de celle sur laquelle elle vous interroge
L'article 99(5) sanctionne la réponse incorrecte : 7,5 M€ ou 1 % du CA. Or cette réponse s'assemble à partir de documents qui se contredisent.
Sites autoritatifs pour l'IA : ce que vous certifiez en désignant une source de référence
SharePoint permet de marquer un site comme autoritatif pour Copilot. Le signal porte sur le conteneur ; la contradiction vit dans les documents.
Déploiement d'agents IA à l'échelle de l'entreprise : quand une contradiction documentaire devient un défaut de série
Cisco ouvre MyAgent à 90 000 salariés. À l'échelle du pilote, l'utilisateur détecte l'anomalie. À 100 % de l'effectif, le détecteur disparaît.
Coût par tâche IA en entreprise : la métrique qui rend la qualité documentaire budgétaire
Gartner : 22 % des entreprises seulement ont passé l'IA à l'échelle. Environ 60 % du coût d'une tâche agentique part en reprises — cause documentaire.
Auditabilité des décisions des agents IA : le journal dit ce que l'agent a fait, pas sur quoi il a tranché
Glean donne aux agents une identité et un journal d'audit. Le log dit quelle source l'agent a citée, jamais quelle source valide il a écartée.
Benchmark IA d'entreprise : vous choisirez votre moteur sur un score obtenu grâce à un corpus nettoyé avant le test
Pinecone Nexus : 47,4 % sur τ-Knowledge, meilleur score connu. Sur 698 documents rendus cohérents avant la mesure. Votre corpus, personne ne l'a nettoyé.
Mesurer l'AI readiness documentaire : pourquoi un corpus bien noté peut être un corpus défaillant
7 % des entreprises jugent leurs données prêtes pour l'IA — elles l'estiment, aucun octet audité. Le corpus documentaire, lui, se mesure sur pièces.
L'IA génère déjà un tiers des documents de l'entreprise. Aucune tendance 2026 ne demande s'ils sont fiables.
AvePoint 2026 : 35,5 % du volume documentaire est déjà généré par IA, 42 % dans un an. Les six tendances Gartner gouvernent l'agent, jamais le corpus.
43 % des violations de données impliquent le shadow AI. Aucun des deux rapports ne mesure la fiabilité documentaire.
IBM 2026 : le shadow AI passe de 20 % à 43 % des violations de données. Verrouiller l'accès ne dit rien de la fiabilité des documents que l'IA consulte.
88 % des pilotes d'agents IA n'atteignent jamais la production. Aucun diagnostic officiel n'a vérifié vos documents.
Forrester/Anaconda, juin 2026 : 88 % des pilotes d'agents IA échouent. Les trois causes citées ne posent jamais la question du corpus lu par l'agent.
Gartner classe les agents IA en quatre niveaux d'autonomie. Aucun ne mesure la fiabilité du corpus qu'ils lisent.
Le cadre Gartner de mai 2026 calibre la gouvernance sur la capacité d'agir de l'agent. Pas sur la fiabilité du document qu'il vient de lire pour décider.
Article 50 de l'AI Act : le marquage des contenus IA laisse vos documents sources hors champ
L'article 50 s'applique le 2 août 2026. Marquer une sortie IA prouve qu'une IA l'a produite — pas quels documents l'ont nourrie, ni s'ils faisaient autorité.
Votre plateforme de connaissance s'auto-répare. Vos autres silos documentaires, personne ne les surveille.
Bloomfire primé pour son « self-healing knowledge ». Ce mécanisme ne soigne qu'un silo — le reste du patrimoine documentaire dérive sans surveillance.
Conformité continue vs calendrier de l'AI Act : ce que révèle le deuxième report en dix-huit mois
Le règlement 2026/1744 reporte l'Annexe III à décembre 2027, mais l'article 50 s'applique le 2 août 2026. Deuxième report en dix-huit mois : quoi en tirer.
Vos agents IA sont désormais gouvernés. Les documents qu'ils lisent ne le sont toujours pas.
Gartner sort son 1er Magic Quadrant gouvernance IA. Mais aucune plateforme ne gouverne les documents que les agents lisent — l'angle mort de 2026.
AI Act et traçabilité documentaire : pourquoi le report à décembre 2027 ne change rien à l'urgence
Le Digital Omnibus repousse l'AI Act (art. 12-13) à décembre 2027. Mais la traçabilité documentaire ne s'improvise pas : le report ne réduit pas l'urgence.
Extraire un document n'est pas le rendre fiable pour l'IA
Apryse lance un nouvel OCR IA. Mais un document parfaitement extrait n'est pas fiable pour autant : l'extraction ne juge ni sa fraîcheur ni son autorité.
Le drift documentaire : pourquoi votre RAG qui marchait au lancement ment six mois après
Un corpus propre au lancement ne le reste pas. Le drift documentaire dégrade votre RAG en silence — sans alerte, tant que personne ne le surveille.
Le RAG n'est pas cassé. Vos documents le sont.
67 % des échecs RAG viennent de la qualité documentaire, pas du retrieval. Le RAG n'est pas cassé — vos documents le sont.
Pourquoi le cycle de vie documentaire pèse plus lourd que le modèle dans le ROI de l'IA en 2026
La bataille du modèle est jouée. Ce qui fait échouer l'IA d'entreprise en 2026, c'est le cycle de vie du corpus documentaire — pas le choix du LLM.
Copilot par défaut dans Microsoft 365 : ce que ce basculement révèle de votre gouvernance documentaire
Depuis le 1er juillet, Copilot est inclus par défaut dans M365 Business. Ni sécurité ni permissions : ce qu'il révèle, c'est votre gouvernance documentaire.
Documents AI-ready : les marqueurs concrets qui distinguent un contenu exploitable d'un fichier stocké
Gartner : 60 % des projets IA abandonnés faute de données prêtes. 5 marqueurs vérifiables pour distinguer un document AI-ready d'un document simplement stocké.
AI Act Article 10 : ce que la gouvernance des données exige de votre corpus documentaire
Le Conseil UE a adopté le Digital Omnibus le 29 juin. L'Article 10 sur la gouvernance des données reste intact : ce qu'il exige d'un corpus RAG d'entreprise.
Context engineering : pourquoi la compilation de contexte échoue si votre corpus documentaire ment
Pinecone, Glean, Vectara, Sinequa déplacent le RAG vers la compilation de contexte. Aucun ne traite le cas où le corpus source est lui-même contradictoire.
Cross-source conflation : quand votre RAG cite la bonne information... à la mauvaise source
Un RAG peut répondre juste et citer la mauvaise source. Ce failure mode silencieux, invisible aux benchmarks usuels, fragilise la traçabilité documentaire.
Scorecard documentaire IA : évaluez en 30 minutes si votre corpus est prêt pour le RAG
72 % des déploiements RAG enterprise échouent la première année. Votre corpus en est-il la cause ? Une grille en 5 dimensions, un diagnostic en 30 minutes.
Model Context Protocol et corpus d'entreprise : ce que MCP normalise, ce qu'il laisse sans gouvernance
MCP standardise l'accès aux sources documentaires pour les LLM — pas leur qualité. Ce que les architectes RAG doivent savoir avant de connecter SharePoint.
AI Act 2 août : l'Article 50 sous-estimé — ce que vos chatbots internes doivent afficher
Le Digital Omnibus n'a pas reporté l'Article 50. Au 2 août, tout chatbot interne doit afficher une notice IA — et c'est le deployer qui porte l'obligation.
Data catalog non structuré vs Document Knowledge Platform : pourquoi la confusion coûte cher en 2026
Data catalog étendu au non-structuré ≠ Document Knowledge Platform. En 2026, quatre acteurs ont brouillé la frontière. Ce que votre CDO doit savoir.
Gouvernance des agents IA 2026 : 53 % opèrent sans politique — la qualité du corpus, pilier manquant
Sur 740 dirigeants Sinequa (juin 2026), 53 % n'ont aucune politique de gouvernance pour leurs agents IA. L'angle mort : la qualité du corpus qu'ils interrogent.
RAGAS, DeepEval, LettuceDetect : pourquoi l'évaluation RAG est aveugle aux défaillances documentaires
RAGAS, DeepEval, LettuceDetect mesurent la fidélité au contexte récupéré — pas la fiabilité du corpus. L'angle mort de votre évaluation RAG.
Votre Confluence entraîne désormais l'IA d'Atlassian. Ce que le DSI doit décider avant le 17 août.
Atlassian active par défaut l'entraînement IA sur Confluence et Jira le 17 août. Le bon réflexe DSI : auditer l'état du corpus avant de cocher l'opt-out.
Document Knowledge Platform (DKP) : définition, différences avec GED et ECM, et guide de sélection 2026
GED, ECM, SharePoint, RAG — et DKP : ce ne sont pas des synonymes. Définition d'une Document Knowledge Platform et comment savoir si vous en avez besoin.
RAGOps : la moitié « données » que personne n'opère — SLI, SLO et control plane pour la santé de votre corpus
Le RAGOps inclut la gestion continue du corpus. Un an après le papier fondateur, personne ne l'opérationnalise. Voici les SLI du corpus en production.
IA agentique sans fondations documentaires : pourquoi 64 % des entreprises construisent sur du sable
Hyland GA son Context Engine, Semarchy chiffre le MDM gap. Personne ne nomme la couche d'amont : le corpus documentaire.
AI Act 2 août 2026 : ce que le Digital Omnibus n'a pas reporté — et le plan corpus en 60 jours
Digital Omnibus a repoussé l'Annexe III à décembre 2027 — pas l'Article 50, pas l'Annexe IV des systèmes déjà en marché. Plan corpus 60 jours.
Context engineering done right : pourquoi ce paradigme post-RAG exige un corpus propre
Anthropic, Glean, LangChain, Pinecone, LlamaIndex ont posé la grammaire du context engineering. Tous travaillent en aval du corpus. Et personne ne le dit.
Le RAG ne résout pas l'hallucination, il la déplace : la contradiction inter-sources
Le RAG est le dogme 2026 du déploiement IA en entreprise. Pourtant la production échoue en série — et la cause #1 n'est ni l'embedding ni le LLM.
AI Readiness Assessment 2026 — le pillar « Corpus » que tous les frameworks oublient
Cinq frameworks AI Readiness 2026 — Cisco, Microsoft, Cloudera, Iris.ai, Atlan. Aucun n'érige le corpus en pillar autonome. Pourquoi ce vide coûte cher.
Knowledge Graph vs base vectorielle pour un RAG d'entreprise — commencez par le corpus
Microsoft, Pinecone, Neo4j, Glean, Squirro, Writer ont publié leur guide « Knowledge Graph vs vector database ». Ce que ni le graph ni le vector ne corrigent.
Copilot ne trouve pas vos documents SharePoint — et ce n'est pas la faute de Microsoft
Microsoft annonce 20 millions de paid seats Copilot. Les threads Q&A se multiplient sur la même plainte : Copilot ne retrouve pas les documents SharePoint.
AI Act côté métier : la checklist du Directeur Conformité en banque-assurance
AI Act et Directeur Conformité en banque-assurance : 6 obligations concrètes à installer avant le 2 août 2026, et les arbitrages qui se jouent maintenant.
Knowledge AI, Knowledge Management, DKP : démêler les 3 catégories avant de saboter votre projet IA
Trois mots qui sonnent pareil, trois catégories qui ne font pas le même métier. La grille de lecture qui sépare KM, Knowledge AI et DKP.
Auditer un corpus documentaire pour l'IA — la méthode K-AI en 6 axes
Anomalies, conflits, doublons, obsolescence, traçabilité, fraîcheur : six axes mesurables que nous instruisons avant tout déploiement IA sérieux.
Vous croyez que votre RAG hallucine à cause de l'embedding ? Regardez votre corpus.
Pinecone vient d'admettre que le modèle n'est plus le goulet du RAG enterprise. Trois chiffres désignent un autre coupable : le corpus rot.