Pourquoi l'IA ne fonctionne pas sur des données éparpillées

Une IA d'entreprise ne vaut que ce que valent les données qu'on lui confie. Si vos informations vivent dans 40 fichiers Excel, des boîtes mail et trois outils qui ne se parlent pas, le modèle ne peut pas savoir quelle version d'un chiffre est la bonne : il répondra avec assurance à partir de données fausses. C'est la première cause d'échec des projets d'IA en PME, bien avant le choix du modèle ou du prestataire. La parade tient en un ordre de chantiers : centraliser les données d'abord, automatiser ensuite, déployer l'IA en dernier.

Le scénario classique : une PME veut « mettre de l'IA »

Prenons une PME de 15 personnes, scénario hypothétique mais très courant. La direction voit ce que font les assistants IA et se fixe un objectif raisonnable : pouvoir demander « quel est notre chiffre d'affaires par client cette année ? » ou « quels devis attendent une relance ? » et obtenir une réponse fiable.

Premier état des lieux : les contacts clients sont à moitié dans un CRM, à moitié dans le fichier Excel du commercial. Les factures vivent dans le logiciel comptable. Le suivi des projets occupe un autre Excel, mis à jour quand quelqu'un y pense. Une partie de l'historique n'existe que dans les boîtes mail de trois personnes. Aucun de ces systèmes ne communique avec les autres.

Le prestataire branche malgré tout un assistant IA sur ce qui est accessible. Les premières réponses semblent bluffantes. Puis quelqu'un vérifie : le chiffre annoncé pour un client ne correspond ni à la comptabilité, ni au fichier du commercial. Deux devis « en attente » ont été signés depuis des semaines. Après trois mois, plus personne n'ose se fier à l'outil, et le pilote s'arrête là. Le problème n'était pas l'IA : c'était ce qu'on lui donnait à lire. Ce scénario commence presque toujours de la même façon, par une gestion qui a grandi dans des tableurs, et nous avons détaillé ailleurs les limites d'Excel pour la gestion d'une entreprise.

Pourquoi l'IA se trompe-t-elle sur des données éparpillées ?

Elle ne sait pas quelle version d'un chiffre est la bonne

Dans l'exemple ci-dessus, le chiffre d'affaires d'un client existe en trois versions. Le fichier du commercial inclut des devis non signés. Le logiciel de facturation compte les montants hors avoirs. La comptabilité applique encore d'autres règles. Un humain expérimenté connaît ces subtilités et choisit la bonne source selon la question. Un modèle d'IA, lui, n'a aucun moyen de trancher : il prend une version au hasard, ou pire, mélange les trois.

Elle répond avec assurance, même quand elle a tort

Un modèle de langage (le moteur derrière les assistants IA) est conçu pour produire la réponse la plus plausible, pas pour signaler ses doutes. Il ne dira presque jamais « vos sources se contredisent, je ne peux pas répondre ». Il livrera un chiffre précis, bien formulé, avec un ton parfaitement sûr de lui. Un chiffre faux énoncé avec aplomb est plus dangereux qu'une absence de réponse : il passe les vérifications, atterrit dans une offre ou une décision, et la confiance de l'équipe s'effondre à la première erreur découverte.

Elle amplifie le désordre au lieu de le corriger

Certains projets vont plus loin et laissent l'IA écrire dans les outils : créer des fiches, envoyer des relances, mettre à jour des statuts. Sur des données éparpillées, chaque action se fonde sur une information potentiellement obsolète et en produit une nouvelle copie. Les doublons se multiplient, les relances partent vers des adresses périmées. Le désordre qui progressait au rythme humain progresse désormais à la vitesse de la machine.

Dans quel ordre mener les chantiers ?

L'erreur classique consiste à commencer par la fin, parce que l'IA est l'étape la plus visible et la plus motivante. L'ordre qui fonctionne est l'inverse.

Centraliser d'abord. L'objectif est une source unique de vérité : un outil de gestion où chaque donnée existe une seule fois, alimenté par tous et consulté par tous. Ce n'est pas un projet informatique de plus, c'est le socle qui conditionne tout le reste. Tant que trois versions d'un même chiffre circulent, aucune couche ajoutée par-dessus ne sera fiable.

Automatiser ensuite. Une fois les données réunies, les tâches qui suivent des règles fixes s'automatisent sans IA : relances de factures, création de fiches, rapports hebdomadaires. Ces mécanismes coûtent moins cher qu'un projet d'IA, se comportent toujours de la même façon et rentabilisent déjà la centralisation.

L'IA en dernier. Elle intervient là où il faut interpréter du texte libre : trier des demandes entrantes, extraire des informations de documents variés, préparer des brouillons. Branchée sur une base saine, elle répond juste, parce que la question « quelle version est la bonne ? » ne se pose plus.

À quoi ressemble une base de données saine ?

Pas besoin d'une infrastructure de grande entreprise. Une base saine pour une PME se reconnaît à quatre critères concrets.

• Chaque information existe une seule fois. Un client, une adresse, un prix : une seule fiche, mise à jour à un seul endroit. Si une donnée change, elle change partout, parce qu'il n'y a qu'un « partout ».
• Les données sont structurées. Un champ par information (nom, e-mail, statut, montant), plutôt qu'une colonne « remarques » où tout se mélange. C'est ce qui permet à un programme, ou à une IA, de lire sans deviner.
• Chaque donnée a un propriétaire clair. Quelqu'un est responsable de la qualité du fichier clients, quelqu'un d'autre des tarifs. Une donnée dont personne n'est responsable se dégrade, c'est mécanique.
• Les outils peuvent y accéder. La base expose ses données aux autres systèmes au lieu de les enfermer, ce qui rend les automatisations possibles sans ressaisie.

Un exemple réel : pour L'Entrela', le centre culturel d'Evere, nous avons construit une plateforme connectée à la base de données interne de l'équipe. La billetterie en ligne et les inscriptions aux stages écrivent directement dans cette base : le double encodage a disparu non pas grâce à une couche d'automatisation ajoutée après coup, mais parce que les données n'existent plus qu'à un seul endroit.

Que peut-on déjà faire avec l'IA sans tout centraliser ?

Soyons honnêtes : « centralisez d'abord » ne signifie pas « aucune IA avant 18 mois ». Certains usages ne dépendent pas de l'état global de vos données, parce qu'ils travaillent sur un périmètre isolé et propre.

• Rédiger des brouillons. Réponses aux e-mails courants, descriptions de produits, comptes rendus : l'IA part du texte que vous lui donnez, pas de vos bases. Une relecture humaine avant envoi suffit comme garde-fou.
• Résumer et transcrire. Réunions, appels, documents longs : là aussi, la matière première est fournie au moment de la demande.
• Extraire vers un seul outil bien tenu. Lire les bons de commande reçus par e-mail et les encoder dans votre logiciel de facturation, par exemple. Le périmètre est étroit, la donnée de sortie va à un seul endroit, et l'erreur se repère vite.

La règle commune : un périmètre délimité, des données d'entrée propres, un résultat vérifiable par un humain. Nous avons décrit plus en détail ce qu'un agent IA peut faire concrètement en entreprise, avec ses limites. À l'inverse, l'assistant « qui connaît toute l'entreprise » exige la centralisation préalable : c'est précisément la démarche de notre accompagnement en automatisation et IA, qui commence toujours par l'état des lieux des données.

Par où commencer ?

Trois gestes suffisent pour lancer le mouvement, sans budget ni prestataire.

1. Inventoriez vos sources. Listez où vivent vos informations clients, devis, factures et données métier. Notez les doublons : si une même information apparaît à trois endroits, vous venez d'identifier votre problème numéro un.
2. Choisissez un périmètre. Presque toujours les données clients : tout le monde les utilise, elles se dégradent vite, et leur assainissement débloque les automatisations les plus rentables.
3. Désignez un propriétaire. Une personne responsable de la qualité de ce périmètre, avec le droit de refuser les copies parallèles.

Et si vous êtes trois, avec un seul fichier bien tenu que tout le monde respecte ? Alors vous avez déjà une source unique de vérité, et un outil sur mesure serait prématuré. La centralisation est un moyen, pas un dogme. Mais dès que les versions contradictoires apparaissent, remettez les chantiers dans le bon ordre : les données, puis les automatisations, puis l'IA. C'est moins spectaculaire qu'une démonstration d'assistant intelligent. C'est aussi la seule façon d'en avoir un qui dise vrai.