{"id":357,"date":"2025-12-08T14:18:16","date_gmt":"2025-12-08T14:18:16","guid":{"rendered":"urn:uuid:8c3907ca-a0e8-4715-8451-5dc586187552"},"modified":"2026-04-08T09:02:38","modified_gmt":"2026-04-08T09:02:38","slug":"guide-dachat-ia-pour-le-learning","status":"publish","type":"research","link":"https:\/\/www.docebo.com\/fr\/resources\/guide-dachat-ia-pour-le-learning\/","title":{"rendered":"Guide d’achat IA pour le learning"},"content":{"rendered":"\n
\n
\n

Guide d’achat IA pour le learning<\/h2>\n\n\n\n
\"\"<\/figure>\n<\/div>\n\n\n\n
\n
\n

Comment utiliser ce guide<\/h3>\n\n\n\n

L’intelligence artificielle est devenue de plus en plus essentielle pour les \u00e9quipes L&D qui cherchent \u00e0 am\u00e9liorer les programmes de formation, \u00e0 engager les employ\u00e9s, \u00e0 favoriser la r\u00e9ussite de l’organisation et \u00e0 rester comp\u00e9titives. Mais tous les produits d’apprentissage bas\u00e9s sur l’IA se valent-ils ? Probablement pas.<\/p>\n\n\n\n

Alors, comment faire la diff\u00e9rence entre ce qui rel\u00e8ve du battage m\u00e9diatique et ce qui est r\u00e9ellement utile ?<\/p>\n\n\n\n

C\u2019est l\u00e0 que ce guide intervient. Le Guide d’achat des produits d’apprentissage bas\u00e9s sur l’IA est destin\u00e9 \u00e0 aider les professionnels de la formation et du d\u00e9veloppement \u00e0 naviguer dans le paysage de l’IA pour l’apprentissage, en offrant des informations pr\u00e9cieuses et en vous aidant \u00e0 prendre des d\u00e9cisions \u00e9clair\u00e9es lors de l’achat de solutions d’IA pour vos initiatives de formation.<\/p>\n\n\n\n

Que vous exploriez le potentiel de l’IA pour personnaliser les exp\u00e9riences d’apprentissage, automatiser les t\u00e2ches administratives ou optimiser la diffusion de contenu, ce guide vous fournira une feuille de route pour identifier et s\u00e9lectionner les outils d’IA qui s’alignent sur les besoins uniques de votre organisation en mati\u00e8re d’apprentissage et de d\u00e9veloppement.<\/p>\n\n\n\n

Un paysage en \u00e9volution<\/h3>\n\n\n\n

L’IA devient rapidement une partie int\u00e9grante des entreprises. Selon des recherches r\u00e9centes<\/a>, 35 % des entreprises mondiales d\u00e9clarent utiliser l’IA dans leurs activit\u00e9s.

Mais ce n’est pas seulement la disponibilit\u00e9 de l’IA (ou la nouveaut\u00e9) qui est \u00e0 l’origine de cette adoption rapide. L’IA devient rapidement une n\u00e9cessit\u00e9 en raison, en partie, de deux macro-tendances qui ont un impact significatif sur la main-d’\u0153uvre.<\/p>\n\n\n\n

    \n
  1. La relation entre le taux de croissance de la population et le ch\u00f4mage<\/li>\n\n\n\n
  2. L’\u00e9volution radicale des demandes et des attentes des \u00e9quipes de formation et de d\u00e9veloppement.<\/li>\n<\/ol>\n\n\n\n

    Commen\u00e7ons par le taux de croissance annuel de la population ou, plus pr\u00e9cis\u00e9ment, son absence.<\/p>\n\n\n\n

    \n
    \n
    \n

    Les taux de natalit\u00e9 mondiaux ont chut\u00e9 de fa\u00e7on spectaculaire. Selon The Economist<\/a>, les 15 pays les plus importants (en termes de PIB) ont tous un taux de f\u00e9condit\u00e9 inf\u00e9rieur au taux de remplacement, ce qui signifie que les personnes vieillissent plus vite que nous ne pouvons les remplacer.<\/p>\n<\/div>\n\n\n\n

    \n
    \"\"<\/figure>\n<\/div>\n<\/div>\n<\/div>\n\n\n\n
    \n
    \n
    \n
    \"\"<\/figure>\n<\/div>\n\n\n\n
    \n

    Autrefois, il y avait plus de ch\u00f4meurs que d’offres d’emploi. Mais ces derni\u00e8res ann\u00e9es, ce paradigme s’est invers\u00e9, et on compte d\u00e9sormais plus d’emplois vacants que de personnes pour les pourvoir. Tout cela se traduit par une p\u00e9nurie de main-d’\u0153uvre, ce qui entra\u00eene une concurrence accrue pour les travailleurs qualifi\u00e9s.<\/p>\n<\/div>\n<\/div>\n<\/div>\n\n\n\n

    Les donn\u00e9es d\u00e9mographiques ne sont pas les seules \u00e0 \u00e9voluer de mani\u00e8re spectaculaire. Le paysage de l’apprentissage change \u00e9galement.<\/p>\n\n\n\n

    Il s’est consid\u00e9rablement \u00e9largi.<\/p>\n\n\n\n

    Il y a dix ans, la majorit\u00e9 des cas d’utilisation de la formation \u00e9taient internes (par exemple, l’int\u00e9gration, le d\u00e9veloppement des talents, la conformit\u00e9, etc.). Cela signifiait que moins de programmes \u00e9taient dispens\u00e9s \u00e0 un plus petit nombre d’apprenants. Aujourd’hui, de plus en plus d’organisations \u00e9tendent l’apprentissage en dehors de l’entreprise. Les donn\u00e9es clients internes de Docebo refl\u00e8tent cette \u00e9volution.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Cette \u00e9volution n’est pas propre \u00e0 notre organisation. Elle est r\u00e9v\u00e9latrice d’une tendance plus large. Des \u00e9tudes, dont une r\u00e9cente du Brandon Hall Group<\/a>, montrent que plus de 50 % des entreprises dispensent des formations \u00e0 des groupes externes, non salari\u00e9s. Il s’agit notamment des clients, des partenaires de cha\u00eene, des distributeurs, des revendeurs \u00e0 valeur ajout\u00e9e et des franchis\u00e9s.<\/p>\n\n\n\n

    Une fois que la formation s’\u00e9tend \u00e0 l’ext\u00e9rieur de l’organisation, le nombre d’apprenants (ainsi que les programmes et le contenu n\u00e9cessaires pour les soutenir) augmente de fa\u00e7on exponentielle.<\/p>\n\n\n\n

    La promesse de l’intelligence artificielle (IA)<\/h3>\n\n\n\n

    Moins de personnes. Plus de travail. Telle est notre r\u00e9alit\u00e9 actuelle. Et c’est en grande partie ce qui fait de l’IA une solution si attrayante.<\/p>\n\n\n\n

    Comme le montre le diagramme ci-dessous, l’IA surpasse les performances humaines dans de nombreux domaines, notamment la reconnaissance d’images, la compr\u00e9hension \u00e9crite et la compr\u00e9hension du langage. Cela offre aux organisations une solution pour compenser les p\u00e9nuries de talents, tout en augmentant l’efficacit\u00e9 en d\u00e9chargeant une grande partie des t\u00e2ches r\u00e9p\u00e9titives et non cr\u00e9atives.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Forrester pr\u00e9dit que les initiatives d’IA<\/a> en entreprise stimuleront la productivit\u00e9 et la r\u00e9solution cr\u00e9ative de probl\u00e8mes de 50 %<\/a>. Non seulement l’int\u00e9gration de l’IA dans l’entreprise peut contribuer \u00e0 att\u00e9nuer la p\u00e9nurie de main-d’\u0153uvre, mais elle peut \u00e9galement offrir un avantage concurrentiel. Selon les donn\u00e9es de 2023, l ‘IA permet \u00e0 un employ\u00e9 d’\u00e9conomiser 2,5 heures par jour<\/a> en moyenne.<\/p>\n\n\n\n

    Bien que les solutions d’IA rec\u00e8lent un grand potentiel et de nombreuses promesses, il est important de se rappeler qu’un produit d’IA utile pour une partie de l’entreprise pourrait ne pas l’\u00eatre pour une autre. Par exemple, une solution de r\u00e9vision de contrats aliment\u00e9e par l’IA pourrait augmenter la productivit\u00e9 et l’efficacit\u00e9 de votre \u00e9quipe juridique, mais elle ne sera d’aucune grande utilit\u00e9 pour l’\u00e9quipe de formation et d\u00e9veloppement. En d’autres termes, n’importe quelle solution d’IA ne fera pas l’affaire. Vous aurez besoin de produits d’IA cibl\u00e9s dans toute votre organisation, et les \u00e9quipes L&D auront besoin de solutions d’IA d\u00e9di\u00e9es \u00e0 l’apprentissage.<\/p>\n\n\n\n

    \n
    \"\"<\/figure>\n\n\n\n

    Le saviez-vous ?<\/h3>\n\n\n\n

    En 2008, des d\u00e9veloppeurs ont cr\u00e9\u00e9 une IA jouant aux \u00e9checs, appel\u00e9e Stockfish, et lui ont enseign\u00e9 les r\u00e8gles et les strat\u00e9gies du jeu. \u00c0 pleine puissance, il est pratiquement impossible pour un humain de gagner contre Stockfish. En d\u00e9cembre 2017, une IA concurrente appel\u00e9e AlphaZero a \u00e9t\u00e9 cr\u00e9\u00e9e. La strat\u00e9gie n’a jamais \u00e9t\u00e9 enseign\u00e9e \u00e0 cette IA, qui s’est simplement entra\u00een\u00e9e en observant un nombre massif de parties d’\u00e9checs et en jouant des parties d’entra\u00eenement contre elle-m\u00eame pendant quelques jours. \u00c0 puissance de calcul \u00e9gale pour chaque mod\u00e8le, AlphaZero bat r\u00e9guli\u00e8rement Stockfish.<\/p>\n<\/div>\n\n\n\n

    Qu’est-ce que l’IA pour la formation ?<\/h3>\n\n\n\n

    Lorsque nous parlons d'\u00a0\u00bbIA pour la formation\u00a0\u00bb ou de \u00ab\u00a0Learning AI\u00a0\u00bb, nous parlons de produits, de mod\u00e8les et d’agents d’IA con\u00e7us sp\u00e9cifiquement pour aider les concepteurs p\u00e9dagogiques, les \u00e9quipes de formation et de perfectionnement et d’autres professionnels de l’apprentissage. Dans le contexte plus large de l’IA, les produits d’IA d’apprentissage d’aujourd’hui rel\u00e8vent g\u00e9n\u00e9ralement des branches du traitement du langage naturel (NLP), de la parole et de la vision, qui font toutes appel \u00e0 l’apprentissage automatique.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Lors de l’\u00e9valuation des solutions d’IA dans la formation, une mani\u00e8re plus utile et peut-\u00eatre plus pratique de consid\u00e9rer l’IA pour apprentissage est de se pencher sur ce qu’elle fait, les t\u00e2ches qu’elle peut accomplir. Plus pr\u00e9cis\u00e9ment, quelles sont les t\u00e2ches qu’elle peut accomplir et qui sont pertinentes pour votre organisation de formation et de d\u00e9veloppement. C’est l\u00e0 que r\u00e9side la v\u00e9ritable opportunit\u00e9.<\/p>\n\n\n\n

    Peut-\u00eatre vous avez du mal \u00e0 embaucher des concepteurs p\u00e9dagogiques, de sorte que votre \u00e9quipe prend du retard dans la cr\u00e9ation de contenu. Peut-\u00eatre que les exigences de votre \u00e9quipe d\u00e9passent votre capacit\u00e9 de production. Il se peut que votre \u00e9quipe manque de comp\u00e9tences et qu’elle ne soit pas en mesure d’analyser les donn\u00e9es. Ou encore, vous \u00eates en train de d\u00e9velopper vos programmes ou votre entreprise et vous avez besoin de capacit\u00e9s de traduction. En fin de compte, une IA apprenante devrait vous aider \u00e0 r\u00e9soudre un probl\u00e8me particulier. Par cons\u00e9quent, votre d\u00e9cision devrait \u00eatre ax\u00e9e sur le probl\u00e8me, et non sur le produit.<\/p>\n\n\n\n

    \n
    \"\"<\/figure>\n\n\n\n

    Conseil<\/h3>\n\n\n\n

    Une bonne approche consiste \u00e0 traiter un achat potentiel d’IA comme vous traiteriez un candidat \u00e0 un poste. (Vous n’achetez pas un produit ; vous recrutez une aide !) Vous n’embaucheriez pas quelqu’un simplement parce qu’il est bien habill\u00e9 et disponible. Vous ne devriez donc pas acheter un produit d’IA parce qu’il est intelligent et attrayant. Comme les humains, les outils d’IA ont des limites. Avec les candidats, vous d\u00e9couvrez ces limites lors du processus d’entretien. L’\u00e9valuation du produit est l’occasion de d\u00e9celer les limitations potentielles de l’IA et de vous assurer que vos processus incluent des contr\u00f4les et des m\u00e9canismes d’\u00e9quilibre qui att\u00e9nuent les risques associ\u00e9s \u00e0 ces limitations.<\/p>\n<\/div>\n\n\n\n

    \n

    Concepts de base de l’apprentissage de l’IA<\/h3>\n\n\n\n

    Pour prendre une d\u00e9cision \u00e9clair\u00e9e lors de l’achat de produits d’IA dans le learning, il convient de se familiariser avec quelques concepts de base.<\/p>\n\n\n\n

    01<\/em> Mod\u00e8les d’IA<\/h3>\n\n\n\n

    Un mod\u00e8le d’IA est le composant central d’un syst\u00e8me d’IA qui est responsable du traitement et de la prise de d\u00e9cision proprement dits. Il est con\u00e7u pour effectuer une t\u00e2che sp\u00e9cifique (par exemple, la reconnaissance d’images, la compr\u00e9hension du langage naturel, la recommandation, etc.) Les mod\u00e8les d’IA sont les moteurs de la solution. Ils prennent des donn\u00e9es en entr\u00e9e, les traitent et produisent un r\u00e9sultat, tel qu’une pr\u00e9diction ou une classification.<\/p>\n\n\n\n

    Les mod\u00e8les d’IA sont form\u00e9s sur des ensembles de donn\u00e9es massifs pour identifier les mod\u00e8les et les informations pertinents pour leur t\u00e2che. La formation est un processus gourmand en ressources qui intervient g\u00e9n\u00e9ralement avant que le mod\u00e8le ne soit d\u00e9ploy\u00e9. M\u00eame les mod\u00e8les d’IA les plus populaires aujourd’hui pr\u00e9sentent des lacunes dans leurs donn\u00e9es de formation.<\/p>\n\n\n\n

    Parce que les mod\u00e8les d’IA peuvent \u00eatre complexes, contenant de nombreux param\u00e8tres, couches et algorithmes (en particulier dans les mod\u00e8les d’apprentissage profond comme les r\u00e9seaux neuronaux), leur d\u00e9ploiement \u00e0 l’\u00e9chelle peut \u00eatre gourmand en ressources et peut n\u00e9cessiter un mat\u00e9riel puissant, ce qui fait grimper le co\u00fbt de la g\u00e9n\u00e9ration de contenu pour chaque invite ou demande.<\/p>\n\n\n\n

    Heureusement, les mod\u00e8les d’IA ne sont qu’une partie du paysage en constante \u00e9volution. La plupart des produits d’apprentissage de l’IA s’appuieront sur des strat\u00e9gies et des technologies suppl\u00e9mentaires, comme les agents d’IA, pour am\u00e9liorer les mod\u00e8les d’IA g\u00e9n\u00e9raux et proposer des solutions plus sp\u00e9cialis\u00e9es, plus puissantes et plus agiles.<\/p>\n\n\n\n

    02<\/em> Les agents d’IA<\/h3>\n\n\n\n

    Un agent d’intelligence artificielle d\u00e9signe un programme sp\u00e9cialis\u00e9 aliment\u00e9 par l’IA et con\u00e7u pour fonctionner de mani\u00e8re autonome tout en \u00e9tant influenc\u00e9 par les entr\u00e9es de l’utilisateur. Les agents IA s’appuient sur des mod\u00e8les de langage \u00e0 grande \u00e9chelle, comme ceux utilis\u00e9s par le GPT d’OpenAI (et d’autres), pour comprendre l’intention d’un utilisateur avant d’accomplir des t\u00e2ches et d’atteindre des objectifs. Les agents peuvent s’adapter \u00e0 de nouvelles informations ou \u00e0 des changements dans le sc\u00e9nario dans lequel leur t\u00e2che est bas\u00e9e.<\/p>\n\n\n\n

    Contrairement aux mod\u00e8les d’IA traditionnels, qui sont g\u00e9n\u00e9ralement statiques et limit\u00e9s aux t\u00e2ches pour lesquelles ils ont \u00e9t\u00e9 explicitement programm\u00e9s, les agents d’IA sont dynamiques et flexibles. En outre, ils peuvent avoir acc\u00e8s \u00e0 des outils (tels que la capacit\u00e9 d’interroger une source de donn\u00e9es ou d’interagir avec d’autres mod\u00e8les d’IA) qu’ils d\u00e9cident de mani\u00e8re autonome d’utiliser ou non, et \u00e0 quel moment.<\/p>\n\n\n\n

    Les agents IA sont con\u00e7us avec un degr\u00e9 d’autonomie qui leur permet d’op\u00e9rer dans des environnements impr\u00e9visibles ou changeants. Ils peuvent prendre des d\u00e9cisions, modifier leur cours d’action et m\u00eame apprendre des r\u00e9sultats de ces d\u00e9cisions. Cette capacit\u00e9 d’adaptation est cruciale dans des domaines comme la robotique (comme les voitures auto-conduites), o\u00f9 les agents doivent naviguer dans des environnements r\u00e9els, ou dans des environnements d’apprentissage virtuels pour des t\u00e2ches telles que les interactions avec les apprenants, o\u00f9 ils interagissent avec les humains dans des conversations fluides et souvent impr\u00e9visibles. Une caract\u00e9ristique cl\u00e9 qui diff\u00e9rencie les agents de l’IA des mod\u00e8les est leur capacit\u00e9 \u00e0 s’engager dans des comportements orient\u00e9s vers un but.<\/p>\n\n\n\n

    Ils ne se contentent pas de traiter et de r\u00e9pondre aux entr\u00e9es, mais travaillent activement \u00e0 la r\u00e9alisation d’objectifs. Lorsque nous r\u00e9fl\u00e9chissons aux possibilit\u00e9s d’apprentissage adaptatif et personnalis\u00e9, les agents d’IA joueront probablement un r\u00f4le \u00e9norme en travaillant directement avec les apprenants, en s’adaptant aux lacunes d’apprentissage qui sont identifi\u00e9es par les interactions avec l’agent d’IA.<\/p>\n\n\n\n

    Dans le contexte de l’apprentissage, un agent d’IA peut \u00eatre con\u00e7u pour se concentrer sur la rem\u00e9diation lorsqu’il soutient les membres de l’\u00e9quipe qui sont en difficult\u00e9. Il peut alimenter des sc\u00e9narios virtuels de chat ou de jeu de r\u00f4le vid\u00e9o qui cr\u00e9ent un espace s\u00fbr pour une pratique r\u00e9p\u00e9t\u00e9e, avec un partenaire qui ne se fatigue jamais et qui peut s’adapter \u00e0 mesure que les apprenants s’am\u00e9liorent. Dans les cas o\u00f9 l’optimisation est centrale, un agent d’IA peut \u00eatre form\u00e9 pour se sp\u00e9cialiser dans l’agr\u00e9gation et la compr\u00e9hension de grands ensembles de donn\u00e9es et rechercher des opportunit\u00e9s de resserrer les processus ou les \u00e9tapes vers un objectif final ou un ICP. Si l’accent est mis sur la ma\u00eetrise ou la certification, des agents d’IA peuvent \u00eatre d\u00e9velopp\u00e9s pour guider les apprenants \u00e0 travers les \u00e9tapes d’apprentissage vers une v\u00e9ritable comp\u00e9tence, en utilisant des cadres p\u00e9dagogiques solides comme la taxonomie de Bloom ou la planification \u00e0 rebours.<\/p>\n\n\n\n

    Comme c’est le cas pour toutes les interactions avec l’IA, les agents, leur travail et leurs r\u00e9sultats doivent \u00eatre surveill\u00e9s et contextualis\u00e9s par des humains, en particulier dans les sc\u00e9narios et les t\u00e2ches \u00e0 fort enjeu.<\/p>\n<\/div>\n\n\n\n

    Niveaux d’automatisation de la conception p\u00e9dagogique.<\/h3>\n\n\n\n

    \u00c0 mesure que vous introduisez l’IA dans votre organisation, il est important de r\u00e9fl\u00e9chir \u00e0 l’intersection entre l’IA et la conception p\u00e9dagogique pilot\u00e9e par l’humain. Comme l’illustre le tableau, \u00e0 mesure que vous cherchez \u00e0 atteindre des niveaux d’automatisation plus \u00e9lev\u00e9s, il existe une \u00e9chelle mobile entre l’humain et la machine en ce qui concerne les questions de contr\u00f4le, de personnalisation et de r\u00e9sultats.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    \u00c0 gauche, vous avez une main de fer sur le syst\u00e8me que vous utilisez. Les actions et les d\u00e9cisions sont prises par le concepteur du contenu ou de l’enseignement, et les am\u00e9liorations et l’automatisation apport\u00e9es par l’IA sont au mieux limit\u00e9es. Cependant, \u00e0 mesure que vous vous d\u00e9placez sur l’\u00e9chelle vers la droite, un plus grand degr\u00e9 d’action et de prise de d\u00e9cision est laiss\u00e9 au syst\u00e8me d’IA. En retour, vous b\u00e9n\u00e9ficiez d’une scalabilit\u00e9 et d’une personnalisation beaucoup plus pouss\u00e9es, d’une automatisation, d’un gain de temps et d’une \u00e9volutivit\u00e9 de votre programme d’apprentissage.<\/p>\n\n\n\n

    Les avantages d’une automatisation plus pouss\u00e9e vont au-del\u00e0 des \u00e9l\u00e9ments \u00e9num\u00e9r\u00e9s ci-dessus. Pour la plupart des produits d’une entreprise, il existe toujours une certaine quantit\u00e9 de t\u00e2ches manuelles et r\u00e9p\u00e9titives qui nuisent \u00e0 la productivit\u00e9. Il peut s’agir de r\u00e9sumer ou de r\u00e9organiser des donn\u00e9es. Il peut s’agir de r\u00e9diger des questions de quiz. Il peut s’agir de la fois o\u00f9 vous avez d\u00fb passer des heures et des heures \u00e0 r\u00e9-\u00e9tiqueter des m\u00e9tadonn\u00e9es parce qu’elles avaient fauss\u00e9 une table.<\/p>\n\n\n\n

    La corv\u00e9e est une partie invisible et insidieuse de votre vie professionnelle que l’intelligence artificielle peut g\u00e9rer facilement. Si vous passez 20 % de votre journ\u00e9e \u00e0 vous d\u00e9battre avec des t\u00e2ches fastidieuses, l’IA peut vous aider \u00e0 r\u00e9cup\u00e9rer ce temps et \u00e0 prendre de l’avance, ou, parfois, simplement \u00e0 rattraper votre retard.<\/p>\n\n\n\n

    Rien de tout cela ne se produit au niveau 1 du tableau ci-dessus. Pour retrouver votre temps et d\u00e9l\u00e9guer \u00e0 l’IA, vous devez d’abord comprendre le probl\u00e8me que vous essayez de r\u00e9soudre, puis trouver une solution (comme la curation de contenu aliment\u00e9e par l’apprentissage automatique, l’analyse de donn\u00e9es, la cartographie des comp\u00e9tences bas\u00e9e sur l’IA ou les outils de cr\u00e9ation de contenu de l’IA g\u00e9n\u00e9rative) qui r\u00e9pond \u00e0 ce probl\u00e8me.<\/p>\n\n\n\n

    En parlant d’IA g\u00e9n\u00e9rative, le moment serait bien choisi pour d\u00e9baller ce qu’elle est et comment elle fonctionne \u00e0 haut niveau.<\/p>\n\n\n\n

    L’IA g\u00e9n\u00e9rative (GenAI) expliqu\u00e9e<\/h3>\n\n\n\n

    Avant l’IA g\u00e9n\u00e9rative, l’intelligence artificielle se sp\u00e9cialisait g\u00e9n\u00e9ralement dans la reconnaissance et la pr\u00e9diction de choses. Il pouvait s’agir de transformer les gribouillis d’un document scann\u00e9 en texte \u00e9ditable, ou de prendre un fichier audio et de transcrire des mots \u00e0 partir des ondes sonores. Sur les claviers des smartphones, des types d’intelligence artificielle de base peuvent tenter de pr\u00e9dire ou de deviner votre prochain mot. Avec l’IA g\u00e9n\u00e9rative cependant, l’intelligence artificielle cr\u00e9e des choses bas\u00e9es sur des mod\u00e8les qu’elle reconna\u00eet dans les donn\u00e9es sources.<\/p>\n\n\n\n

    \n
    \"\"<\/figure>\n\n\n\n

    Le saviez-vous ?<\/h3>\n\n\n\n

    L’IA g\u00e9n\u00e9rative est capable d’\u00e9crire un sonnet dans le style de William Shakespeare. Shakespeare \u00e9tait incroyablement coh\u00e9rent, et le fait qu’il ait appos\u00e9 son nom sur la plupart des sonnets qu’il a \u00e9crits n’y est pas \u00e9tranger. La GenAI peut \u00e9galement cr\u00e9er des \u0153uvres d’art dans le style de Vincent Van Gogh. Cela ouvre un large \u00e9ventail de possibilit\u00e9s passionnantes, mais aussi des consid\u00e9rations \u00e9thiques autour du droit d’auteur des artistes dont les \u0153uvres finissent par \u00eatre utilis\u00e9es dans ces mod\u00e8les d’IA sans consentement explicite.<\/p>\n<\/div>\n\n\n\n

    \u00c0 la base, l’IA g\u00e9n\u00e9rative s’appuie sur des mod\u00e8les d’apprentissage profond (deep learning) pour \u00e9tudier de vastes biblioth\u00e8ques de donn\u00e9es. Cela peut inclure toutes les images et tous les textes \u00e9crits du domaine public, tous les r\u00e9seaux sociaux accessibles au public, les articles de presse, et bien plus encore. \u00c0 mesure que les entreprises d’IA int\u00e8grent davantage de donn\u00e9es dans leurs mod\u00e8les, la pr\u00e9cision et la fiabilit\u00e9 de ces mod\u00e8les augmentent. En assimilant les donn\u00e9es, elle commence \u00e0 reconna\u00eetre des sch\u00e9mas. Ces sch\u00e9mas peuvent inclure des \u00e9l\u00e9ments que les humains tiennent pour acquis, ou que nous avons l’impression de simplement savoir.<\/p>\n\n\n\n

    Il peut s’agir de la fa\u00e7on dont la lumi\u00e8re est cens\u00e9e rebondir sur l’\u0153il d’une personne dans une photographie. Il peut s’agir de la structure pr\u00e9visible des noms et des verbes dans la plupart des phrases. Il peut m\u00eame s’agir de la bonne fa\u00e7on de prononcer \u00ab\u00a0accent\u00a0\u00bb. Ce sont les types de mod\u00e8les auxquels nous ne pensons pas consciemment, mais que nous reconnaissons imm\u00e9diatement si quelque chose n’est pas conforme \u00e0 nos attentes. Apr\u00e8s s’\u00eatre entra\u00een\u00e9e sur des millions, voire des milliards de documents, d’images et de vid\u00e9os, il s’av\u00e8re que l’IA peut \u00e9galement reconna\u00eetre ces sch\u00e9mas, surtout si tout ce que vous lui avez donn\u00e9 est coh\u00e9rent dans la mani\u00e8re dont elle fait ces choses.<\/p>\n\n\n\n

    L’IA g\u00e9n\u00e9rative interpr\u00e8te la coh\u00e9rence de ces sch\u00e9mas comme une attente de ce que les humains font et s’attendent \u00e0 voir. \u00c0 bien des \u00e9gards, elle veut simplement nous donner ce que nous voulons. Nous devons simplement \u00eatre intentionnels quant aux donn\u00e9es utilis\u00e9es pour entra\u00eener l’IA, au moment o\u00f9 elle traite tout cela, et \u00e0 la fin de tout cela, nous obtenons souvent quelque chose de tr\u00e8s, tr\u00e8s proche de ce que nous attendions ou aurions pu faire nous-m\u00eames.<\/p>\n\n\n\n

    \n
    \"\"<\/figure>\n\n\n\n

    Voici un conseil<\/h3>\n\n\n\n

    Vous ne savez pas si l’image que vous regardez est r\u00e9elle ou g\u00e9n\u00e9r\u00e9e par l’IA ? S’il s’agit d’une personne, regardez ses mains. Les donn\u00e9es de r\u00e9f\u00e9rence pour les mains sont g\u00e9n\u00e9ralement limit\u00e9es dans les mod\u00e8les de g\u00e9n\u00e9ration d’images non sp\u00e9cialis\u00e9s et c’est souvent l’une des premi\u00e8res choses qui semblent incorrectes ou bizarres. Si une image comporte du texte ou des logos, examinez-la de plus pr\u00e8s pour voir s’ils ne semblent pas naturels. Le texte g\u00e9n\u00e9r\u00e9 par l’IA peut appara\u00eetre pixellis\u00e9 ou \u00e9tir\u00e9, et les logos peuvent \u00eatre alt\u00e9r\u00e9s.<\/p>\n<\/div>\n\n\n\n

    Difficult\u00e9s potentielles li\u00e9es aux solutions IA<\/h3>\n\n\n\n

    L’IA peut parfois donner l’impression d’\u00eatre de la magie. Vous pouvez obtenir des r\u00e9sultats sans savoir ni comprendre comment l’IA y est parvenue. Ce n’est pas acceptable. Nous ne sommes pas au pays d’Oz. Nous devons pr\u00eater attention \u00e0 ce qui se passe derri\u00e8re le rideau ou, dans le cas de l’IA, \u00e0 ce qui se passe \u00e0 l’int\u00e9rieur de la bo\u00eete noire.<\/p>\n\n\n\n

    01<\/em> Le probl\u00e8me de la bo\u00eete noire<\/h3>\n\n\n\n

    Comme l’a soulign\u00e9 le philosophe fran\u00e7ais Bruno Latour, \u00ab\u00a0plus la science et la technologie r\u00e9ussissent, plus elles deviennent opaques et obscures\u00a0\u00bb. C’est particuli\u00e8rement vrai pour l’apprentissage automatique, o\u00f9 souvent m\u00eame les concepteurs de l’IA ne peuvent pas expliquer pourquoi ou comment l’IA est arriv\u00e9e \u00e0 une d\u00e9cision.<\/p>\n\n\n\n

    Ce manque de visibilit\u00e9 est appel\u00e9 \u00ab le probl\u00e8me de la bo\u00eete noire \u00bb. Il fait r\u00e9f\u00e9rence au d\u00e9fi de comprendre et d’interpr\u00e9ter les processus de prise de d\u00e9cision des mod\u00e8les complexes d’apprentissage automatique, car ils fonctionnent souvent avec des m\u00e9canismes internes complexes qui sont difficiles \u00e0 expliquer ou \u00e0 pr\u00e9dire.<\/p>\n\n\n\n

    Quelques aspects cl\u00e9s sont au c\u0153ur du probl\u00e8me de la bo\u00eete noire :<\/p>\n\n\n\n

    Manque de transparence :<\/strong> les r\u00e9seaux neuronaux profonds qui alimentent l’IA g\u00e9n\u00e9rative, par exemple, sont constitu\u00e9s de nombreuses couches et param\u00e8tres (souvent des milliards). Il est souvent difficile de comprendre comment chaque param\u00e8tre influence le r\u00e9sultat final. (M\u00eame si le syst\u00e8me s’expliquait de lui-m\u00eame, vous n’auriez pas le temps de comprendre son processus d\u00e9cisionnel avant de mourir). Ce manque de transparence fait qu’il est difficile de d\u00e9terminer comment le mod\u00e8le est parvenu \u00e0 une d\u00e9cision sp\u00e9cifique.<\/p>\n\n\n\n

    Complexit\u00e9 : <\/strong>les mod\u00e8les d’apprentissage automatique peuvent capturer des mod\u00e8les et des relations complexes dans les donn\u00e9es, mais ces mod\u00e8les peuvent \u00eatre trop complexes pour \u00eatre compris par l’homme. Les mod\u00e8les pourraient utiliser des caract\u00e9ristiques ou des connexions qui ne sont pas imm\u00e9diatement \u00e9videntes pour les humains (comme des biais implicites ou des omissions inh\u00e9rentes aux donn\u00e9es collect\u00e9es).<\/p>\n\n\n\n

    Difficult\u00e9 de d\u00e9pannage :<\/strong> lorsqu’un mod\u00e8le d’IA commet une erreur ou prend une d\u00e9cision biais\u00e9e, il peut \u00eatre difficile d’en identifier la cause profonde, ce qui entra\u00eene des difficult\u00e9s de d\u00e9bogage et d’am\u00e9lioration du syst\u00e8me.<\/p>\n\n\n\n

    Pr\u00e9occupations \u00e9thiques :<\/strong> Dans certaines applications o\u00f9 l’IA est utilis\u00e9e pour prendre des d\u00e9cisions critiques (comme la finance, la sant\u00e9 ou les questions juridiques), le probl\u00e8me de la bo\u00eete noire soul\u00e8ve des pr\u00e9occupations \u00e9thiques. Les parties prenantes ne devraient pas faire confiance aux d\u00e9cisions prises par des mod\u00e8les qu’elles ne peuvent pas interpr\u00e9ter ou expliquer.<\/p>\n\n\n\n

    La r\u00e9solution du probl\u00e8me de la bo\u00eete noire est un domaine de recherche et de d\u00e9veloppement en cours dans le domaine de l’IA. Les chercheurs travaillent sur des m\u00e9thodes visant \u00e0 am\u00e9liorer l’interpr\u00e9tabilit\u00e9 et la transparence des mod\u00e8les, notamment en cr\u00e9ant des techniques permettant de visualiser le comportement des mod\u00e8les, l’importance des caract\u00e9ristiques et les justifications des d\u00e9cisions. Cela est particuli\u00e8rement important pour garantir l’\u00e9quit\u00e9, la responsabilit\u00e9 et la transparence des syst\u00e8mes d’IA dans les applications du monde r\u00e9el. (Nous approfondirons ce point dans la section \u00ab\u00a0Cadres pour une IA performante\u00a0\u00bb).<\/p>\n\n\n\n

    02<\/em> Hallucinations<\/h3>\n\n\n\n

    L’IA a beaucoup progress\u00e9. Mais elle est loin d’\u00eatre parfaite.<\/p>\n\n\n\n

    Les mod\u00e8les d’IA peuvent g\u00e9n\u00e9rer ou produire des informations, du contenu ou des r\u00e9sultats qui ne sont pas bas\u00e9s sur des donn\u00e9es r\u00e9elles ou des connaissances du monde r\u00e9el. C’est ce qu’on appelle une hallucination, qui peut aller d’incoh\u00e9rences mineures \u00e0 des inexactitudes factuelles, en passant par des fabrications compl\u00e8tes. Parce qu’elles sont g\u00e9n\u00e9ralement coh\u00e9rentes et grammaticalement correctes, les hallucinations peuvent \u00eatre tr\u00e8s convaincantes et peuvent \u00eatre prises pour des faits ou crues exactes.<\/p>\n\n\n\n

    Les hallucinations dans les mod\u00e8les d’IA peuvent survenir en raison de divers facteurs, notamment des erreurs ou des biais dans les donn\u00e9es d’entra\u00eenement, la complexit\u00e9 du mod\u00e8le, un manque de contr\u00f4le et de supervision pendant l’entra\u00eenement, ou l’invite elle-m\u00eame. Dans le traitement du langage naturel, par exemple, les mod\u00e8les de langage g\u00e9n\u00e8rent parfois un texte qui semble coh\u00e9rent, mais qui est enti\u00e8rement fabriqu\u00e9 et d\u00e9pourvu de base factuelle. Par exemple, un mod\u00e8le de langage peut g\u00e9n\u00e9rer un paragraphe de texte qui d\u00e9crit un \u00e9v\u00e9nement ou un sc\u00e9nario fictif comme s’il \u00e9tait r\u00e9el.<\/p>\n\n\n\n

    03<\/em> Les biais dans l’IA<\/h3>\n\n\n\n

    Les biais dans l’IA font r\u00e9f\u00e9rence \u00e0 la pr\u00e9sence de pr\u00e9jug\u00e9s injustes et in\u00e9quitables dans les d\u00e9cisions ou les pr\u00e9dictions faites par les syst\u00e8mes d’intelligence artificielle. Ces pr\u00e9jug\u00e9s peuvent provenir de diverses sources et conduire \u00e0 des r\u00e9sultats discriminatoires ou in\u00e9gaux.<\/p>\n\n\n\n

    M\u00eame si les enjeux ne sont pas aussi importants dans l’apprentissage que dans le domaine de la sant\u00e9 ou la justice p\u00e9nale, ils peuvent n\u00e9anmoins nuire \u00e0 vos programmes et se manifester de la mani\u00e8re suivante :<\/p>\n\n\n\n

    Biais dans les donn\u00e9es d’entra\u00eenement :<\/strong> l’une des principales sources de biais dans l’IA est la partialit\u00e9 des donn\u00e9es d’entra\u00eenement. Si les donn\u00e9es utilis\u00e9es pour former un mod\u00e8le d’IA contiennent des biais (historiques, d’\u00e9chantillonnage, de procuration, etc.) ou refl\u00e8tent les in\u00e9galit\u00e9s et les st\u00e9r\u00e9otypes soci\u00e9taux existants, le mod\u00e8le est susceptible d’apprendre et de perp\u00e9tuer ces biais. Concevoir un syst\u00e8me de mani\u00e8re \u00e0 ce qu’il produise des exemples \u00e9quilibr\u00e9s en termes de genre (ind\u00e9pendamment de la r\u00e9partition existante entre les genres dans tous les exemples sur lesquels il a \u00e9t\u00e9 form\u00e9) permettrait de contrecarrer ce ph\u00e9nom\u00e8ne.<\/p>\n\n\n\n

    Biais algorithmique :<\/strong> certains algorithmes peuvent favoriser un groupe ou produire des r\u00e9sultats biais\u00e9s en raison de la mani\u00e8re dont ils traitent les donn\u00e9es. Un syst\u00e8me de reconnaissance faciale, par exemple, peut \u00eatre moins pr\u00e9cis pour les personnes \u00e0 la peau plus fonc\u00e9e, ou un syst\u00e8me de reconnaissance vocale peut ne pas fonctionner aussi bien avec les dialectes r\u00e9gionaux.<\/p>\n\n\n\n

    Biais d’\u00e9tiquetage :<\/strong> les personnes charg\u00e9es de l’\u00e9tiquetage peuvent inconsciemment introduire leurs pr\u00e9jug\u00e9s lorsqu’elles marquent des images ou du texte. Comme nous l’avons vu plus haut, l’IA veut simplement r\u00e9pondre aux attentes des humains telles qu’elles sont d\u00e9finies par les sch\u00e9mas des donn\u00e9es sources. Par cons\u00e9quent, tous les pr\u00e9jug\u00e9s repr\u00e9sent\u00e9s dans le marquage humain se retrouveront dans les r\u00e9sultats du syst\u00e8me d’IA bas\u00e9s sur les statistiques. L’IA a appris \u00e0 avoir exactement le m\u00eame degr\u00e9 de partialit\u00e9 qu’un humain, ce qui peut \u00eatre probl\u00e9matique.<\/p>\n\n\n\n

    Boucles de r\u00e9troaction : <\/strong>l’IA n’apprend pas seulement \u00e0 partir de son ensemble de donn\u00e9es, mais aussi \u00e0 partir de l’interaction qu’elle a avec les humains. Si les utilisateurs s’engagent syst\u00e9matiquement avec des contenus biais\u00e9s ou leur fournissent des commentaires positifs, le syst\u00e8me d’IA peut s’adapter et renforcer ces biais. En d’autres termes, les syst\u00e8mes d’IA qui interagissent avec les utilisateurs peuvent apprendre des pr\u00e9jug\u00e9s \u00e0 partir des interactions avec les utilisateurs.<\/p>\n\n\n\n

    Dans le contexte de l’IA pour l’apprentissage, les pr\u00e9jug\u00e9s constituent un risque \u00e9norme dont il faut \u00eatre conscient. Il n’y a pas deux apprenants identiques. Il existe un niveau de mise en \u0153uvre efficace de l’IA qui apporte un degr\u00e9 de personnalisation bas\u00e9 sur ce qui est unique chez chaque apprenant, tout en tirant parti des donn\u00e9es disponibles au sein de votre plateforme de formation. La combinaison de ces deux strat\u00e9gies peut permettre \u00e0 l’IA de s’adapter aux besoins d’un apprenant \u00e0 un niveau individuel.<\/p>\n\n\n\n

    Il est essentiel d’att\u00e9nuer les pr\u00e9jug\u00e9s dans l’IA pour l’apprentissage pour s’assurer que les syst\u00e8mes soient \u00e9quitables, \u00e9thiques et impartiaux dans leur prise de d\u00e9cision et que l’exp\u00e9rience d’apprentissage est personnalis\u00e9e en fonction de l’individu (et non pas avec des pr\u00e9jug\u00e9s \u00e0 son encontre).<\/p>\n\n\n\n

    \n
    \"\"<\/figure>\n\n\n\n

    Le saviez-vous ?<\/h3>\n\n\n\n

    Selon une r\u00e9cente enqu\u00eate, 86 % des utilisateurs interrog\u00e9s ont \u00e9t\u00e9 victimes d’hallucinations de l’IA lorsqu’ils utilisent des chatbots comme ChatGPT et Bard. Malgr\u00e9 cela, 72 % d’entre eux continuent de faire confiance \u00e0 l’IA.<\/p>\n<\/div>\n\n\n\n

    Cadres pour une IA r\u00e9ussie<\/h3>\n\n\n\n

    Il n’existe pas de solution miracle au probl\u00e8me de la bo\u00eete noire, aux hallucinations, aux pr\u00e9jug\u00e9s et aux autres probl\u00e8mes inh\u00e9rents \u00e0 l’IA, mais heureusement, un certain nombre de personnes et d’organisations intelligentes travaillent sur ce probl\u00e8me. En d\u00e9veloppant des solutions aliment\u00e9es par l’IA, l’\u00e9quipe Docebo a creus\u00e9 dans ses propres recherches et a trouv\u00e9 ces principes, techniques et cadres utiles pour r\u00e9fl\u00e9chir \u00e0 des solutions efficaces, centr\u00e9es sur l’apprenant et fiables.<\/p>\n\n\n\n

    01<\/em> Inspectable, explicable, modifiable<\/h3>\n\n\n\n

    Dans le rapport de l’Office of Educational Technology du minist\u00e8re am\u00e9ricain de l’\u00e9ducation, IA and the Future of Teaching and Learning<\/a><\/em>, les auteurs cr\u00e9ent des crit\u00e8res pour les \u00ab\u00a0bons mod\u00e8les d’IA\u00a0\u00bb et introduisent l’id\u00e9e qu’une IA efficace pour l’apprentissage doit avoir trois caract\u00e9ristiques : Elle doit pouvoir \u00eatre inspect\u00e9e, expliqu\u00e9e et supprim\u00e9e.<\/p>\n\n\n\n

    L’inspectabilit\u00e9 : <\/strong>il s’agit de la capacit\u00e9 d’un utilisateur \u00e0 contr\u00f4ler les rouages internes de la mani\u00e8re dont l’IA prend des d\u00e9cisions et cr\u00e9e des r\u00e9sultats.<\/p>\n\n\n\n

    Explicabilit\u00e9 :<\/strong> capacit\u00e9 \u00e0 fournir des explications lisibles par l’homme sur les d\u00e9cisions prises par les mod\u00e8les d’IA.<\/p>\n\n\n\n

    Possibilit\u00e9 d’annulation :<\/strong> capacit\u00e9 de l’utilisateur \u00e0 remplacer ou \u00e0 supprimer des \u00e9l\u00e9ments de la production ou de la prise de d\u00e9cision d’une IA afin d’exercer un plus grand contr\u00f4le sur la production finale.<\/p>\n\n\n\n

    Ensemble, ces principes de d\u00e9veloppement de produits IA fournissent la transparence et le contr\u00f4le dont les humains ont besoin pour pouvoir valider et adapter les d\u00e9cisions du mod\u00e8le IA, si n\u00e9cessaire. Si un utilisateur est cens\u00e9 c\u00e9der le contr\u00f4le de ses actions et de ses d\u00e9cisions \u00e0 l’automatisation, ces principes permettent de pr\u00e9server le contr\u00f4le global sur les r\u00e9sultats du syst\u00e8me. Il est donc possible de b\u00e9n\u00e9ficier de l’IA sans devoir avoir une confiance aveugle dans le syst\u00e8me.<\/p>\n\n\n\n

    02<\/em> G\u00e9n\u00e9ration augment\u00e9e par r\u00e9cup\u00e9ration (RAG)<\/h3>\n\n\n\n

    Une autre fa\u00e7on pour les d\u00e9veloppeurs d’am\u00e9liorer la fiabilit\u00e9 des r\u00e9sultats d’un mod\u00e8le d’IA est d’utiliser une strat\u00e9gie appel\u00e9e Retrieval Augmented Generation (RAG).<\/p>\n\n\n\n

    RAG est un cadre IA qui utilise une base de connaissances fiable pour am\u00e9liorer les grands mod\u00e8les de langage (LLM). Il r\u00e9cup\u00e8re des faits pr\u00e9cis pour am\u00e9liorer le processus de g\u00e9n\u00e9ration et s’assurer que le contexte est fond\u00e9 sur les informations les plus r\u00e9centes.<\/p>\n\n\n\n

    Rappelez-vous : les param\u00e8tres et les donn\u00e9es initialement introduits dans un mod\u00e8le IA sont statiques, et pour les mettre \u00e0 jour, le mod\u00e8le doit \u00eatre r\u00e9entra\u00een\u00e9. La RAG permet aux mod\u00e8les de langage d’\u00e9viter le r\u00e9entra\u00eenement et de donner acc\u00e8s \u00e0 des informations actualis\u00e9es et fiables. Cette approche renforce non seulement la fiabilit\u00e9 des informations fournies, mais r\u00e9duit \u00e9galement la probabilit\u00e9 de cr\u00e9er des contenus faux ou trompeurs, ce qui en fait une technique pr\u00e9cieuse pour les applications o\u00f9 l’exactitude des faits et le contexte sont primordiaux.<\/p>\n\n\n\n

    Les syst\u00e8mes d’IA pour l’apprentissage les plus efficaces et les plus personnalis\u00e9s se connecteront \u00e0 la base de connaissances interne et externe de votre entreprise et en tireront parti pour s’assurer que le contenu d’apprentissage est non seulement complet, mais aussi sp\u00e9cifique \u00e0 votre entreprise. Mais pour que cela soit efficace, vous devez mettre de l’ordre dans votre maison car, comme le dit l’adage, il faut savoir se d\u00e9barrasser de ses d\u00e9chets.<\/p>\n\n\n\n

    Remettre l’accent sur la gestion des connaissances<\/h4>\n\n\n\n

    La plupart des professionnels de la formation et du d\u00e9veloppement comprennent d\u00e9j\u00e0 l’importance vitale de la gestion des connaissances, pourtant, cela peut parfois ressembler \u00e0 une bataille difficile de construire un alignement interfonctionnel \u00e0 travers votre entreprise autour de ce qui est essentiellement un projet \u00e0 l’\u00e9chelle de l’entreprise.<\/p>\n\n\n\n

    La qualit\u00e9 des r\u00e9sultats d’un mod\u00e8le IA d\u00e9pend de la qualit\u00e9 des donn\u00e9es. Et lorsque les donn\u00e9es r\u00e9f\u00e9renc\u00e9es par RAG et votre solution IA sont les bases de connaissances internes et externes de votre entreprise, la gestion des connaissances devient essentielle pour tous les membres de l’organisation.<\/p>\n\n\n\n

    La base de connaissances r\u00e9f\u00e9renc\u00e9e sert d’\u00e9pine dorsale \u00e0 la v\u00e9rification des faits et \u00e0 la validation, permettant au mod\u00e8le de g\u00e9n\u00e9rer des informations pr\u00e9cises et fiables. Si cette base de connaissances (les connaissances de votre organisation) est ancienne, incompl\u00e8te ou inexacte, le processus RAG peut conduire \u00e0 la diffusion d’informations incorrectes ou obsol\u00e8tes.<\/p>\n\n\n\n

    Si vous investissez dans un produit d’IA qui fera r\u00e9f\u00e9rence \u00e0 votre base de connaissances, la gestion des connaissances sera essentielle pour garantir la qualit\u00e9 et la pertinence des r\u00e9sultats.<\/p>\n\n\n\n

    Envisagez de constituer (ou de reconstituer) une \u00e9quipe interfonctionnelle autour de la gestion des connaissances dans votre entreprise. Votre \u00e9quipe devrait impliquer les groupes suivants, et toute autre personne unique \u00e0 votre entreprise qui est essentielle pour d\u00e9finir les v\u00e9rit\u00e9s :<\/p>\n\n\n\n