L’intérêt pour l’IA générative a fortement augmenté depuis le lancement d’outils comme ChatGPT, Google Gemini, Microsoft Copilot et d’autres. Cet engouement s’accompagne de préoccupations concernant la confidentialité, les informations personnelles identifiables (PII), la sécurité et l’exactitude.

Les organisations avancent avec prudence concernant les outils d’IA générative, même si elles les considèrent comme une technologie susceptible de changer la donne. Beaucoup cherchent le bon équilibre : tirer parti des bénéfices dès maintenant tout en identifiant des usages futurs plus stratégiques, sans compromettre la sécurité.

Un domaine dans lequel les gains peuvent être immédiats : la gestion des connaissances, qui représente traditionnellement un défi pour de nombreuses organisations. Toutefois, la gestion des connaissances basée sur l’IA peut apporter des bénéfices considérables, en particulier aux équipes IT qui consacrent encore beaucoup de temps à la maintenance manuelle des bases de connaissances.

À la croisée de l’IA générative et de la gestion des connaissances

L’IA générative désigne un type d’intelligence artificielle capable de créer de nouveaux contenus, tels que des images, des vidéos, du texte ou de la musique, à partir de données existantes. Elle utilise des algorithmes de machine learning pour analyser de grands jeux de données et en tirer des enseignements, puis les exploite pour générer de nouveaux contenus.

La gestion des connaissances est le processus qui consiste à capturer, organiser et partager les connaissances au sein d’une organisation. Elle implique de collecter des informations provenant de diverses sources, de les stocker dans une base de données centralisée et de les rendre facilement accessibles aux collaborateurs en fonction des besoins.

De nombreuses organisations gèrent encore les connaissances manuellement, ce qui se traduit par des contenus obsolètes ou de qualité insuffisante. En automatisant les processus de gestion des connaissances, l’IA générative peut en améliorer l’efficacité et la performance.

Les avantages de la gestion des connaissances par l’IA générative

Voici quelques-unes des façons concrètes dont l’IA générative peut atteindre ces objectifs :

Automatiser la création d’articles de connaissances

L’IA générative peut rédiger automatiquement des articles de connaissances à partir de sources de données existantes, comme la documentation produit, les tickets de support client et les supports de formation des collaborateurs. Les professionnels IT peuvent ainsi se consacrer à des tâches plus stratégiques, comme le développement de nouvelles initiatives de gestion des connaissances et l’amélioration des articles existants.

Alors que 56 % des professionnels IT indiquent que le volume de tickets d’assistance est en hausse, et que 78 % attribuent cette augmentation au travail hybride ou à distance, améliorer une base de connaissances permet de résoudre les problèmes plus rapidement et plus efficacement, tout en libérant les équipes pour des tâches plus stratégiques.

Créer des contenus plus personnalisés et plus engageants

L’IA générative peut personnaliser le contenu pour chaque utilisateur afin d’améliorer son expérience. Les articles de connaissances, notamment pour les ressources humaines, peuvent être personnalisés par région ou par langue. La capacité à générer du contenu propre à un profil de collaborateur améliore son utilisation et son expérience.

Améliorer la qualité des connaissances

L’IA générative peut identifier et corriger les erreurs, ajouter du contexte et des informations complémentaires aux articles de connaissances, et archiver les informations obsolètes. Les collaborateurs accèdent ainsi uniquement à des informations exactes et à jour.

Générer de nouvelles idées et perspectives

L’IA générative peut combiner les connaissances existantes de nouvelles façons. Par exemple, les RH, les services généraux et l’IT peuvent tous disposer d’articles sur l’intégration et le départ des collaborateurs. L’IA générative peut s’en servir pour produire un article de connaissances fusionné couvrant les trois départements, afin qu’un collaborateur n’ait pas à rechercher dans plusieurs articles.

Résoudre les problèmes plus rapidement

L’IA générative peut résoudre rapidement les problèmes en identifiant des schémas dans les données afin d’améliorer la prise de décision et les performances. Par exemple, elle peut analyser les incidents IT sur une période donnée et identifier une résolution commune à des problèmes similaires. Elle peut ensuite générer un article de connaissances destiné aux agents du centre de services pour accélérer les résolutions, ou aux collaborateurs pour leur permettre de le faire en libre-service.

Améliorer la précision de la recherche

L’IA générative peut améliorer la précision de la recherche en personnalisant la diffusion des connaissances en fonction des besoins et préférences de chaque collaborateur. Comme un collaborateur moyen consacre 3,6 heures par jour à rechercher des informations, tout gain de temps dans ce domaine constitue un avantage qui améliore son expérience numérique.

Renforcer l’automatisation

L’IA générative peut contribuer à automatiser les tâches routinières, y compris celles qui ne sont pas directement liées à la création d’articles de gestion des connaissances. L’augmentation continue des charges de travail explique pourquoi 92 % des professionnels IT considèrent l’automatisation comme « nécessaire » ou « très nécessaire ». Identifier de nouvelles façons de rationaliser les processus peut donc les libérer des tâches routinières pour se concentrer sur d’autres activités, tout en réduisant les coûts.

Les limites de la gestion des connaissances par l’IA générative

L’IA générative appliquée à la gestion des connaissances a le potentiel de transformer de nombreux secteurs et domaines, mais elle comporte aussi des enjeux importants à traiter lors de sa mise en œuvre.

Sécurité et confidentialité

Les systèmes de gestion des connaissances par l’IA peuvent contenir des informations sensibles ou confidentielles. Il est donc essentiel de s’assurer qu’ils sont protégés contre les cybermenaces. Des préoccupations relatives à la confidentialité peuvent également apparaître si l’IA génère du contenu à partir d’informations personnelles ou identifiantes.

Qualité et exactitude

Même si les modèles d’IA générative peuvent produire des résultats impressionnants, leur qualité et leur exactitude peuvent varier fortement selon la qualité des données d’entrée et la complexité de la tâche.

Risque de désinformation

L’IA générative peut potentiellement produire des informations incorrectes ou trompeuses, avec de graves conséquences pour l’IT, par exemple en introduisant un malware ou en recommandant à tort de désactiver une fonctionnalité utilisée pour protéger l’environnement IT contre les acteurs malveillants. Imaginons qu’un utilisateur tente d’installer un pilote d’imprimante et demande de l’aide à l’IA. Parmi ses instructions, l’IA pourrait lui demander de désactiver l’antivirus ou le pare-feu, créant ainsi une fenêtre d’opportunité pour l’installation d’un malware.

Dépendance aux contenus générés par l’IA

Les entreprises trop dépendantes de ces contenus risquent de ne pas donner la priorité aux contenus produits par des humains ni aux compétences de réflexion critique, ce qui peut entraîner une perte d’expertise. La supervision humaine reste essentielle pour valider et approuver les résultats générés par l’IA.

Biais des données

Les modèles d’IA générative peuvent refléter involontairement les biais présents dans leurs données d’entraînement, ce qui conduit à des résultats faussés ou inexacts. Cela peut poser problème dans la gestion des connaissances, où l’exactitude est essentielle. Si un modèle de gestion des connaissances par l’IA est entraîné sur des données provenant principalement des États-Unis, par exemple, il peut générer des résultats moins pertinents pour les personnes situées dans d’autres pays.

Préoccupations éthiques

Elles incluent les biais potentiels dans les données d’entraînement de la gestion des connaissances par l’IA, susceptibles de perpétuer les inégalités existantes.

Obtenir le rapport interactif : AITSM : comment l’IA redéfinit l’automatisation du centre de services IT

Réussir la gestion des connaissances par l’IA

Malgré ces préoccupations, la gestion des connaissances par l’IA générative peut être un outil puissant. En examinant attentivement les limites potentielles et en prenant des mesures pour les atténuer, les organisations peuvent tirer efficacement parti de l’IA générative dans la gestion des connaissances.

Voici cinq points à prendre en compte lors du déploiement de la gestion des connaissances par l’IA :

Identifier les types de données utilisés pour entraîner le modèle d’IA générative : l’identification des types de données permet de s’assurer que les données utilisées sont exactes et fiables. Allez-vous utiliser des articles de connaissances existants, des données d’incidents, des données de problèmes ou une combinaison de ces types de données ?

S’assurer que les données identifiées sont exactes, complètes et à jour : l’IA générative n’est performante que si les données sur lesquelles elle est entraînée le sont ; le principe « garbage in, garbage out » reste valable.

Surveiller les résultats de votre modèle de gestion des connaissances par l’IA générative : vérifiez l’absence de biais et de désinformation, ainsi que l’exhaustivité et l’exactitude, afin de garantir la fiabilité des informations générées.

Élaborer des politiques et procédures pour gérer les risques : cette étape est essentielle pour traiter des questions telles que la sécurité des données, la confidentialité et les considérations éthiques liées à l’utilisation de l’IA générative pour la gestion des connaissances.

Mettre en place un processus d’approbation : les résultats générés doivent être examinés et autorisés avant toute diffusion publique.

Conseils de mise en œuvre pour la gestion des connaissances par l’IA générative

Il ne fait aucun doute que la gestion des connaissances par l’IA générative peut être un outil précieux, ni qu’il reste encore beaucoup à apprendre sur ses avantages comme sur ses écueils potentiels.

Une organisation doit évaluer les impacts potentiels et choisir une solution de gestion des connaissances par l’IA qui répond à ses besoins spécifiques en matière de confidentialité, d’exactitude et de sécurité.

Cela dit, voici quelques bonnes pratiques supplémentaires pour favoriser une adoption réussie :

Commencer modestement, puis passer à l’échelle : il est préférable de commencer par un petit projet pilote de gestion des connaissances par l’IA générative, puis de passer à l’échelle à mesure que vous gagnez en expérience.

Obtenir l’adhésion des parties prenantes : il est important d’obtenir l’adhésion des parties prenantes avant de déployer l’IA générative, afin de garantir son utilisation efficace et la confiance dans les résultats produits.

Améliorer le modèle en continu : il est essentiel d’améliorer en continu votre modèle de gestion des connaissances par l’IA en le réentraînant sur de nouvelles données et en traitant les problèmes potentiels qui peuvent survenir.