30 ans d’expérience peuvent-ils partir à la retraite ? L’IA veut devenir la mémoire des entreprises

Dans beaucoup d’entreprises, une partie de la connaissance n’existe dans aucun manuel. Elle vit dans la tête de ceux qui savent pourquoi une machine vibre différemment, quelle exception rend une procédure dangereuse, quel ancien incident ressemble au problème du jour ou pourquoi une décision prise dix ans plus tôt avait du sens.

Quand ces personnes quittent l’entreprise, le problème n’est donc pas seulement RH. Une partie de la mémoire opérationnelle peut disparaître avec elles.

L’intelligence artificielle ouvre une possibilité nouvelle : transformer davantage de cette expérience en connaissances interrogeables par ceux qui restent. Mais elle ne permet pas de copier trente ans d’expérience comme on copie un disque dur.

Le savoir le plus précieux est souvent celui qui n’est pas écrit

Les entreprises documentent procédures, plans, contrats, rapports d’incident et modes opératoires. Pourtant, le travail réel produit continuellement des exceptions : astuces, signaux faibles, compromis, relations entre symptômes et causes, raisons historiques derrière certaines règles.

Cette connaissance est parfois qualifiée de tacite : elle vient de l’expérience et peut être difficile à formaliser. Un expert peut savoir qu’une situation est anormale avant même de pouvoir expliquer précisément tous les indices qui l’ont conduit à cette conclusion.

C’est ce qui rend les départs de salariés expérimentés particulièrement sensibles dans l’industrie, l’énergie, les infrastructures, la santé, l’aéronautique ou la maintenance.

Ce que l’IA change : on peut enfin interroger la mémoire dispersée

Les systèmes actuels peuvent connecter un modèle de langage à des sources internes : documentation, bases de connaissances, tickets d’incident, comptes rendus, procédures, vidéos transcrites ou entretiens avec des experts.

Au lieu de chercher manuellement dans plusieurs dossiers, un salarié peut poser une question en langage naturel. Le système recherche les passages pertinents, les rassemble et peut fournir une réponse accompagnée de références vers les documents d’origine.

Cette architecture, souvent mise en œuvre avec des techniques de retrieval-augmented generation, ne donne pas au modèle une mémoire magique de l’entreprise. Elle lui permet d’aller chercher des informations dans un corpus contrôlé au moment où une question est posée.

Avant la retraite, l’entretien avec l’expert peut devenir une nouvelle matière première

La nouveauté ne concerne pas seulement les documents existants. Une entreprise peut organiser des entretiens guidés, enregistrer une intervention, demander à l’expert de commenter une panne ou de raconter les cas inhabituels qu’il a rencontrés.

L’IA peut ensuite aider à transcrire, résumer, classer, relier ces informations à la documentation technique et identifier des thèmes à approfondir. Elle peut également faciliter la mise à jour d’une base de connaissances au fil des nouveaux retours d’expérience.

Le rôle de l’expert reste central : il faut provoquer l’explication, vérifier ce qui a été compris et distinguer une pratique robuste d’une habitude personnelle.

Le scénario le plus utile est banal : retrouver un problème déjà résolu

Une machine tombe en panne. Le technicien actuel reconnaît le symptôme mais pas la cause. Autrefois, il aurait peut-être appelé un collègue expérimenté, fouillé des dossiers ou recommencé le diagnostic.

Avec une mémoire correctement capitalisée, il peut rechercher le symptôme et retrouver un ancien retour d’expérience : photos, procédure, discussion, pièce remplacée, contexte et points de vigilance.

L’IA accélère alors l’accès au précédent. Elle ne doit pas transformer ce précédent en ordre automatique : le technicien vérifie que la situation actuelle est comparable et reste responsable de l’intervention.

Ce que l’IA ne sait pas mettre dans une base de données

Une partie de l’expérience résiste à la capture. Le geste d’un opérateur, une perception sensorielle, la confiance entre collègues, la compréhension politique d’une organisation ou le jugement construit par des milliers de situations ne deviennent pas automatiquement des lignes de texte.

Même lorsqu’un expert explique son raisonnement, il peut omettre ce qui lui paraît évident. C’est l’un des paradoxes du savoir expérimenté : plus une compétence devient naturelle, plus il peut être difficile de décrire toutes les microdécisions qui la composent.

Une base de connaissances peut donc préserver des traces de l’expérience. Elle n’est pas l’expérience elle-même.

Le risque inverse : conserver aussi les erreurs

Une mémoire d’entreprise n’est utile que si elle reste gouvernée. Une procédure obsolète, une mauvaise pratique ou une décision valable dans un ancien contexte peuvent devenir dangereuses si l’IA les restitue sans date, provenance ou niveau de confiance.

La traçabilité devient essentielle : source, auteur, date, version, périmètre et validation. Dans les environnements sensibles, l’assistant doit permettre de revenir au document original plutôt que demander au salarié de faire confiance à une réponse sans preuve.

La sécurité et les droits d’accès comptent tout autant. Une mémoire collective peut contenir des secrets industriels, des données personnelles ou des informations accessibles seulement à certaines équipes.

La mémoire d’entreprise devient un actif opérationnel

Pendant longtemps, la gestion des connaissances a souvent été perçue comme une discipline documentaire. L’IA conversationnelle peut changer son usage quotidien : la documentation n’est plus seulement stockée, elle devient directement questionnable.

Cela peut rendre la capitalisation plus utile aux équipes, à condition que la qualité du corpus, les droits d’accès et la validation humaine suivent.

L’enjeu devient particulièrement important lorsque les entreprises doivent renouveler rapidement leurs effectifs ou lorsqu’une compétence rare repose sur quelques personnes.

30 ans d’expérience ne tiennent pas dans un chatbot

L’IA peut conserver des histoires de pannes, des explications, des procédures, des décisions et des retours d’expérience. Elle peut aider un nouvel arrivant à retrouver ce qu’un ancien salarié aurait su lui indiquer.

Elle ne peut pas garantir que toute l’intuition, la dextérité ou le jugement de cet expert ont été capturés. La transmission humaine, le compagnonnage et la pratique restent donc complémentaires.

Le changement est néanmoins profond : pour la première fois, une entreprise peut rendre beaucoup plus facilement interrogeable une masse de connaissances auparavant dispersées dans des dossiers — ou dans les souvenirs de quelques personnes.

Le salarié partira toujours à la retraite. La question est désormais de savoir quelle part de ce qu’il a appris pendant trente ans doit partir avec lui.