Les fondations invisibles : données, documents et prompts 6 minutes

Guide IA agentique

Section 2 — Structurer

← Retourner au guide

L’IA agentique donne parfois l’impression que de saines fondations techniques et de données comptent moins qu’avant. Les modèles sont puissants, les agents semblent capables de raisonner avec peu d’information structurée et les premières démonstrations fonctionnent même dans des environnements imparfaits. 

Cette impression est trompeuse. 

Les agents n’éliminent pas le besoin de données fiables. Ils le déplacent et souvent, l’intensifient. Là où un système classique pouvait fonctionner malgré une information imparfaite, un agent qui agit dans des processus réels dépend directement de la qualité du contexte qu’on lui fournit. Quand l’information est obsolète, fragmentée ou mal structurée, l’agent ne corrige rien. Il amplifie. Il prend des décisions plus vite, mais à partir des mêmes incohérences. 

Dans ce contexte, la question n’est plus seulement « avons-nous des données? » mais « avons-nous des données exploitables par des agents capables d’agir? ». 

Un prompt est une donnée 

Dans un système agentique, un prompt n’est pas une simple instruction. C’est une donnée opérationnelle. Il encode des règles, des priorités, des contraintes et parfois des décisions implicites.

Chaque prompt contient une logique métier. Chaque variation introduit un comportement différent. Multiplier les prompts sans les documenter, les versionner ou les gouverner revient à créer une couche de logique invisible que personne ne maîtrise vraiment.

À court terme, cela fonctionne. À moyen terme, cela devient impossible à maintenir. Les comportements divergent, les résultats varient et personne ne sait exactement pourquoi.

Vous devez traiter les prompts comme des actifs informationnels à part entière :

• versionnés;
• documentés;
• reliés à des règles métier explicites;
• conçus pour être réutilisables plutôt que recréés à chaque cas d’usage.

Cela implique de penser les prompts comme on pense du code ou des règles de gestion: avec des responsabilités, des versions, des tests et une traçabilité minimale.

La gestion documentaire devient un point de rupture

Une grande partie de la valeur des agents repose sur leur capacité à accéder à la bonne information au bon moment. Or, dans la plupart des entreprises, cette information est dispersée entre documents, procédures, bases de connaissances et systèmes métiers. Elle est souvent redondante, contradictoire ou périmée.

Sans structuration minimale, les agents reproduisent cette confusion et amplifient la variabilité. Ils peuvent fournir des réponses plausibles, mais pas nécessairement fiables. Ils peuvent agir rapidement, mais sur la base de référentiels divergents.

Les enjeux classiques de gestion de l’information (versions, métadonnées, priorisation des sources, archivage) deviennent donc encore plus critiques. Ce qui était auparavant un irritant documentaire devient un risque opérationnel lorsque des agents prennent des décisions ou déclenchent des actions.

Il ne s’agit plus seulement de documenter pour des humains. Il faut rendre l’information exploitable par des systèmes capables d’agir. Cela implique :

• des sources de vérité explicites;
• des contenus à jour;
• des conventions claires de nommage et de structuration;
• une logique de récupération d’information alignée sur le métier plutôt que sur des emplacements historiques ou arbitraires.

Documenter pour des agents signifie structurer l’information de façon à ce qu’elle soit interprétable, priorisable et actionnable. Cela demande souvent moins de volume de contenu, mais plus de rigueur dans la qualité et la mise à jour.

Data cleanliness appliquée à l’agentique

Dans un environnement agentique, la propreté des données et des documents n’est plus un objectif de gouvernance abstrait. C’est une condition d’exécution.
Des champs incohérents, des référentiels divergents ou des procédures contradictoires ne créent pas seulement de la confusion. Ils produisent des actions incohérentes.

La logique de data cleanliness doit donc s’appliquer aux documents, aux règles, aux prompts et aux contextes fournis aux agents.

• Quelle est la source de vérité?
• Quelle version est active?
• Quel contenu est prioritaire?
• Qui est responsable de la mise à jour?

Sans réponses claires, les agents exécutent sur une base fragile.

Utiliser des agents pour nettoyer l’information

Les agents ne sont pas seulement des consommateurs d’information. Ils peuvent devenir un levier pour améliorer sa qualité. Un agent bien cadré peut détecter des doublons, des champs incohérents, des documents obsolètes, des référentiels qui divergent ou des métadonnées manquantes. Il peut proposer des correctifs, signaler des anomalies ou déclencher des routines de normalisation.

Dans ce rôle, l’agent devient un outil de réduction du chaos informationnel. Il aide à maintenir la cohérence des référentiels et à détecter les dérives avant qu’elles n’affectent l’exécution.

Mais cette capacité n’émerge pas spontanément. Elle exige :

• des règles explicites;
• des sources de vérité définies;
• des processus de validation;
• et une responsabilité claire sur la qualité de l’information.

Autrement dit, l’agentique peut améliorer la qualité des données à condition que l’organisation prenne au sérieux la gouvernance même de cette qualité.

Apprendre à documenter pour des agents

Documenter pour des agents, ce n’est pas produire plus de contenu. C’est produire un contenu exploitable. Cela implique de clarifier les règles, de structurer les procédures et de réduire l’ambiguïté. Un agent n’interprète pas un document comme un humain. Il se base sur des priorités explicites, des contextes définis et des règles cohérentes.

Il faut développer progressivement cette discipline :

• écrire des instructions opérationnelles claires;
• maintenir des sources de vérité;
• versionner les changements;
• aligner la documentation sur l’exécution réelle des processus.

C’est moins spectaculaire que la création d’un nouvel agent. Mais c’est souvent ce qui détermine la fiabilité du système à long terme.