Toujours les mêmes questions ? Un chatbot interne d'entreprise dans Slack ou Teams

Toute équipe en croissance paie le même impôt silencieux. Quelqu'un demande dans un canal où se trouve la politique de remboursement. Quelqu'un d'autre demande comment obtenir un ordinateur portable, ou quelle checklist d'intégration est à jour. Une personne expérimentée interrompt ce qu'elle fait pour répondre, souvent de mémoire et parfois à tort.

Les documents existent. Ils sont dispersés entre Notion, Confluence, Google Drive et SharePoint, avec des responsables et des habitudes de nommage différents. La recherche dans chaque outil est médiocre, alors les gens demandent plutôt à un collègue. Cela épuise la concentration des collaborateurs expérimentés, ralentit les nouvelles recrues et laisse se propager des réponses périmées. Un assistant de connaissances interne règle ce problème en répondant là où les gens posent déjà leurs questions : Slack ou Microsoft Teams.

Ce que fait cet assistant

L'assistant utilise la génération augmentée par récupération (RAG) : il trouve les passages pertinents dans vos documents, puis un modèle de langage répond en s'appuyant uniquement sur ces passages. Concrètement, il fait cinq choses :

• Il répond aux questions dans Slack ou Teams. Le personnel mentionne le bot dans un canal ou lui écrit directement, en langage courant.
• Il montre ses sources. Chaque réponse renvoie aux documents utilisés, pour que chacun puisse vérifier l'original et sa date.
• Il respecte les droits sur les documents. Une personne n'obtient de réponses qu'à partir des documents qu'elle peut déjà ouvrir dans le système source.
• Il se tient à jour. Quand un document est modifié, déplacé ou supprimé, l'index suit dans un délai convenu.
• Il dit quand il ne sait pas. S'il ne trouve rien de pertinent, il le dit et suggère à qui s'adresser.

Il ne remplace pas votre wiki. Il rend le wiki utilisable en mettant une bonne recherche et un court résumé à un message de distance.

Comment ça marche, étape par étape

1. Ingestion des documents. Des connecteurs lisent les pages et fichiers de Notion, Confluence, Google Drive et SharePoint via leurs API officielles. Pour chaque document, nous enregistrons son identifiant, son responsable, son lien, sa date de dernière modification et ses droits d'accès.
2. Découpage et indexation. Les longs documents sont découpés en sections qui conservent leurs titres. Chaque section devient un embedding, une empreinte numérique de son sens, stocké dans une base de données vectorielle. Un index par mots-clés l'accompagne pour les termes exacts comme les codes de politique.
3. Recherche pour chaque question. Lorsque quelqu'un pose une question, le système l'identifie, écarte tout ce à quoi il n'a pas accès, puis trouve les sections les plus pertinentes.
4. Réponse avec citations. Le modèle rédige une réponse courte à partir de ces seules sections et relie chaque point à sa source. Si les sources se contredisent ou manquent, il le dit.
5. Journalisation et amélioration. Les questions, les sources récupérées et les retours positifs ou négatifs sont consignés, en réduisant les données personnelles au minimum. Nous examinons les réponses faibles et corrigeons la cause, souvent un document manquant ou obsolète.

Garder l'index à jour est un travail à part entière. Nous utilisons les notifications de modification (webhooks) quand la source les propose, et une synchronisation programmée sinon. Les documents supprimés sont retirés de l'index, pas simplement masqués.

Les outils que nous utilisons

• Backend : Python avec FastAPI pour les tâches d'ingestion et le service de questions-réponses.
• Base de données vectorielle : pgvector dans Postgres pour la plupart des équipes, ou Qdrant lorsque l'index est volumineux ou nécessite beaucoup de filtrage.
• Modèle de langage : OpenAI ou Anthropic Claude via leurs API professionnelles, ou un modèle open source privé lorsque les données ne peuvent pas quitter votre cloud.
• Interface de chat : une application Slack ou un bot Microsoft Teams, plus une page web facultative pour les personnes qui n'utilisent pas ces outils.
• Connecteurs : les API officielles de Notion, Confluence et Google Drive, et Microsoft Graph pour SharePoint.

Vérifiez les tarifs, les conditions de conservation des données et les limites d'API à jour de chaque éditeur avant de vous engager. Ils évoluent, et ils influent à la fois sur le coût et sur la confidentialité.

Ce qu'il vous faut pour démarrer

• Une liste des sources les plus importantes, et un responsable pour chacune.
• Un accès administrateur, ou un administrateur prêt à approuver l'installation d'applications, dans Slack ou Teams et dans chaque système documentaire.
• Quarante à cent vraies questions posées récemment par le personnel, avec la bonne réponse ou le document qui la contient.
• Une décision sur le fournisseur de modèle acceptable pour vos données, prise avec la personne responsable de la sécurité et de la confidentialité.
• Une personne désignée qui corrigera ou retirera des documents lorsque l'assistant révélera des lacunes.

Périmètre et délais types

Une première version demande généralement 2 à 4 semaines de travail, selon le nombre de sources connectées et la complexité de leurs droits d'accès. Considérez-le comme une estimation, pas comme une promesse. Un seul espace Confluence alimentant un bot Slack se situe dans le bas de la fourchette. Quatre sources aux règles de partage hétérogènes et un déploiement dans Teams se situent dans le haut.

Un déroulement courant ressemble à ceci :

• Semaine 1 : connecter une ou deux sources, constituer le jeu d'évaluation et convenir du modèle de droits d'accès.
• Semaine 2 : recherche, réponses avec citations, et application Slack ou Teams pour un groupe pilote.
• Semaines 3 à 4 : sources restantes, synchronisation des modifications et suppressions, supervision et déploiement élargi.

Comment nous garantissons des réponses exactes

• Un jeu d'évaluation de vraies questions. Nous testons chaque modification sur les questions que vous avez fournies. Nous suivons combien obtiennent une réponse correcte avec la bonne source.
• Des citations pour chaque réponse. Chacun peut vérifier en un clic, et les mauvaises sources sont faciles à repérer et à signaler.
• Un refus en cas de doute. Si les passages récupérés ne justifient pas une réponse, l'assistant dit qu'il n'en a pas trouvé.
• Des indicateurs de fraîcheur. Les réponses affichent la date de dernière mise à jour de chaque source. Les documents périmés peuvent être moins bien classés ou signalés pour relecture.
• Un suivi. Un rapport hebdomadaire liste les questions sans réponse, les retours négatifs et les documents les plus cités. Les questions sans réponse constituent votre liste de documentation à produire.

Les risques et notre façon de les gérer

Confidentialité

Tous les documents n'ont pas leur place dans l'index. Nous convenons du périmètre, excluons des espaces comme les dossiers individuels RH et réduisons les journaux au strict nécessaire. Notre guide sur la protection de la vie privée dès la conception pour le RAG détaille la suppression, l'hébergement régional et la journalisation.

Droits d'accès

Le plus grand risque est une réponse correcte tirée d'un document que le demandeur ne devrait pas voir. Nous filtrons selon l'identité du demandeur au moment de la recherche, avant que quoi que ce soit n'atteigne le modèle. Une instruction dans le prompt n'est jamais le seul contrôle.

Réponses erronées

Les modèles de langage peuvent paraître sûrs d'eux tout en se trompant. Les citations, les règles de refus et le jeu d'évaluation réduisent ce risque. Le personnel est aussi invité à vérifier la source pour tout ce qui a de réelles conséquences.

Documents obsolètes

L'assistant n'est pas plus à jour que vos documents. La synchronisation aligne l'index sur les sources, mais deux politiques contradictoires le désorienteront quand même. Le rapport hebdomadaire rend ces contradictions visibles pour que les responsables les résolvent.

Quand ne pas le construire

• Votre documentation est maigre ou très obsolète. Corrigez d'abord les vingt documents les plus utilisés ; l'assistant ne peut pas inventer un bon contenu.
• Votre équipe est assez petite pour qu'un wiki bien rangé et un canal épinglé suffisent déjà.
• La recherche IA intégrée à votre outil existant couvre suffisamment bien vos sources et vos droits d'accès. Essayez-la d'abord.
• Personne ne sera responsable du contenu. Sans responsable, les réponses se dégradent à mesure que les documents vieillissent.

Comment UnlockLive peut vous aider

Nous construisons des assistants internes de bout en bout : connecteurs, recherche respectueuse des droits d'accès, application Slack ou Teams, et l'évaluation et la supervision qui le gardent fiable. Découvrez notre service de développement RAG. Si vous voulez aussi que l'assistant déclenche des tâches, comme ouvrir un ticket ou lancer une demande, découvrez notre offre d'automatisation IA des workflows.

À lire aussi dans cette série : automatiser l'intégration des employés, l'assistant questions-réponses sur les politiques RH et les contrats, et le RAG privé pour les données réglementées. Si vous souhaitez un second avis sur vos sources et votre périmètre, réservez un appel gratuit de 30 minutes.