Il était presque minuit et une vidéo de trente secondes passait dans mon fil. Deux colonnes, un schéma soigné, des nœuds qui s’allument l’un après l’autre. À gauche : l’architecture qui permet à nos clients d’interroger leurs propres documents — celle sur laquelle nous travaillons depuis des mois. À droite : la même, augmentée d’une brique supplémentaire, avec une promesse chiffrée en gros caractères. Jusqu’à quarante fois plus rapide. Le schéma était élégant, la démonstration limpide, et j’ai ressenti exactement ce que ce genre de contenu est conçu pour provoquer : le doute. Suis-je en train de construire sur une technique déjà périmée ? Trois jours plus tard, la décision était prise — nous ne changerions rien. Ce qui suit n’est pas un article sur l’IA. C’est le récit d’un chantier refusé, et de la méthode qui a permis de le refuser.
Le soir où une vidéo a failli me faire refaire mon architecture
Je pourrais vous épargner l’aveu, mais il est le cœur du sujet : pendant une heure, j’ai sérieusement envisagé de reprendre une partie de notre architecture. Non pas parce qu’un client se plaignait, non pas parce qu’une mesure montrait un problème — mais parce qu’un schéma bien dessiné suggérait que je faisais les choses à l’ancienne. C’est un mécanisme puissant, et il ne frappe pas que les ingénieurs. Il frappe le dirigeant à qui l’on montre le tableau de bord d’un concurrent, l’expert-comptable à qui l’on présente un logiciel « nouvelle génération », l’artisan à qui l’on explique que sa méthode a vingt ans. La forme est toujours la même : une image nette, une promesse chiffrée, et un sous-entendu — vous êtes en retard.
Ce qui m’a sauvé n’est pas une connaissance technique supérieure. C’est un réflexe, appris à mes dépens : avant de demander « est-ce que c’est vrai ? », demander « à quoi est-ce que ça se compare, et qu’est-ce que ça me coûterait ? ». Une promesse peut être parfaitement exacte et parfaitement inutile pour vous. C’est même le cas le plus fréquent, et le plus coûteux, parce qu’on ne peut pas la démentir — on peut seulement s’apercevoir, trop tard, qu’on a refait une pièce qui fonctionnait pour résoudre un problème qu’on n’avait pas.
Ce que promettait le schéma
Un mot d’explication, sans jargon. Quand vous posez une question à une IA sur vos propres documents, la méthode habituelle consiste à faire d’abord une recherche : le système va chercher, dans votre masse de dossiers, les quelques passages pertinents, et il ne donne que ceux-là à lire à l’IA avant qu’elle réponde. C’est un bibliothécaire qui monte trois livres de la réserve, ouverts à la bonne page. Cette méthode porte un nom — le RAG — et c’est la fondation de notre IA souveraine.
La technique présentée dans la vidéo propose autre chose : au lieu d’aller chercher, on fait tout lire à l’IA une fois pour toutes, à l’avance, et on garde en mémoire le fruit de cette lecture. Plus de bibliothécaire : l’IA a déjà tout le fonds en tête, elle répond immédiatement. D’où la promesse de rapidité. Sur le papier, l’idée est excellente, et l’article de recherche qui la porte est sérieux. Le problème n’est jamais l’idée. Le problème est toujours la distance entre le laboratoire et votre bureau — et cette distance ne se mesure pas, elle s’interroge.
Première question : à quoi se compare-t-on ?
C’est ici que le schéma a commencé à se fissurer, et la leçon dépasse très largement l’informatique. En regardant attentivement la colonne de gauche — celle censée représenter « l’ancienne méthode », la mienne —, j’ai constaté qu’elle ne représentait pas ma méthode. Elle montrait une version élémentaire, celle qu’on construit le premier jour : on cherche, on trouve, on répond. Or notre système, lui, a été durci pendant des mois. Il croise deux façons de chercher plutôt qu’une, il fait relire et reclasser les passages trouvés par un second modèle, il évalue sa propre confiance dans sa réponse, il va relire le document entier quand il doute, et il se tait quand il n’est pas sûr. Le schéma comparait la nouveauté non pas à ce que nous avions, mais à une caricature de ce que nous avions.
Retenez cette phrase, et sortez-la la prochaine fois qu’on vous présente un comparatif : le « avant » que l’on vous montre n’est presque jamais votre « avant ». Il est choisi pour que l’écart soit spectaculaire. Ce n’est pas nécessairement de la malhonnêteté — c’est souvent de la pédagogie mal cadrée, ou un chercheur qui compare à un standard académique, pas à votre installation. Mais l’effet est le même : l’écart annoncé n’est pas l’écart que vous obtiendrez. Il est l’écart qu’obtiendrait quelqu’un qui n’aurait rien fait. Vous, vous avez déjà fait quelque chose.
Deuxième question : où est vraiment le goulot ?
Deuxième garde-fou, et celui-ci n’est accessible qu’à ceux qui mesurent. La promesse de la vidéo portait sur la vitesse : supprimer l’étape de recherche pour gagner du temps. Nous avons regardé nos propres chiffres, que nous consignons requête après requête. Une réponse complète prend chez nous sept secondes en mode rapide, douze secondes lorsqu’on active le contrôle qualité qui vérifie que la réponse est bien fondée sur les documents. Et dans ces sept secondes, la part consommée par la recherche — celle que la nouvelle technique promettait de supprimer — se compte en fractions de seconde. L’essentiel du temps est ailleurs : dans la rédaction de la réponse elle-même.
Autrement dit, nous nous apprêtions à démonter une pièce qui ne coûtait presque rien, pour un gain qui se serait perdu dans l’arrondi. C’est le genre d’erreur qu’on ne commet jamais quand on mesure, et qu’on commet systématiquement quand on se fie à son intuition — ou à un schéma. Et le calcul empirait en regardant le coût réel de la nouveauté : puisqu’il faut garder en mémoire tout ce que l’IA a lu, chaque dossier client devient un bloc de mémoire vive à réserver en permanence ; et surtout, le jour où un document arrive — un avenant, une facture, une pièce complémentaire —, toute la mémoire constituée devient caduque et il faut tout relire. Pour une salle de données qui se remplit au fil d’une mission, c’est structurellement le mauvais outil.
Troisième question : qu’est-ce que nous y perdrions ?
La troisième question est la plus importante, et c’est celle qu’on oublie le plus souvent, parce qu’elle ne porte pas sur le gain mais sur le renoncement. Que perd-on en adoptant ? Ici, la réponse était disqualifiante. Quand l’IA a tout lu d’avance et répond de mémoire, elle ne peut plus vous dire d’où vient ce qu’elle affirme. La phrase sort, plausible, bien tournée — et orpheline. Or c’est précisément ce que nos clients achètent : pas une réponse, une réponse sourcée. L’expert-comptable qui repère un engagement hors bilan doit pouvoir cliquer et atterrir sur la page du contrat. Le notaire qui identifie une clause doit voir la clause. Une IA qui ne peut pas montrer sa source ne fait pas gagner du temps à une profession réglementée : elle lui crée un travail de vérification supplémentaire.
Et c’est en creusant cette troisième question que l’histoire s’est retournée. Car il existe, dans notre système, une pièce discrète dont je n’avais jamais mesuré la valeur : celle qui reclasse les passages trouvés et décide lesquels méritent d’être lus en premier. Je la considérais comme un réglage d’optimisation. En réfléchissant à ce que la nouvelle technique nous ferait perdre, j’ai compris que cette pièce est en réalité l’organe de la preuve — c’est elle qui détermine où le modèle regarde, donc ce qu’il pourra citer. Nous sommes partis examiner une architecture concurrente ; nous en sommes revenus sans rien changer, mais en sachant enfin laquelle de nos pièces il fallait protéger. Un chantier refusé, un actif révélé.
Dire non est un livrable
Je raconte cet épisode parce qu’il illustre la partie du métier dont on ne parle jamais dans les brochures. Ce que vous achetez à quelqu’un qui installe de l’IA chez vous, ce n’est pas sa capacité à adopter les nouveautés — n’importe qui sait recopier un schéma. C’est sa capacité à ne pas les adopter quand elles ne vous servent pas. Un prestataire qui suit chaque mode vous facturera chaque mode, et vous laissera avec un système que personne ne comprend plus. Le conseil le plus rentable que je puisse vous rendre, certains mois, c’est de vous épargner un chantier.
Trois questions, donc, et vous pouvez les poser sans rien connaître à la technique. À quoi compare-t-on, exactement — et est-ce vraiment ce que j’ai aujourd’hui ? Où passe réellement mon temps, mesures à l’appui, et est-ce bien là que ça coince ? Et qu’est-ce que j’y perdrais, en plus de ce que j’y gagnerais ? Une technologie qui survit à ces trois questions mérite qu’on l’essaie. Celle-ci n’y a pas survécu — pour nous, aujourd’hui, avec nos clients et leurs contraintes. Demain, sur un autre besoin, elle trouvera peut-être sa place, et nous la reprendrons sans état d’âme. C’est aussi ça, la souveraineté technique : garder le droit de choisir, y compris le droit de ne pas suivre.
Une IA qui montre toujours d’où vient sa réponse
AQUIFÈRE fait parler vos documents sans qu’aucune donnée ne quitte vos murs — et chaque réponse renvoie à la pièce qui la fonde. Pas une IA qui affirme : une IA qui cite. Nous cadrons ensemble ce dont vous avez besoin, et nous vous disons aussi ce dont vous n’avez pas besoin.
Découvrir AQUIFÈRE →