Méthode · 4 min de lecture
Le journal des requêtes ne sert pas qu’aux contrôles. Lu avec méthode, il montre ce que les équipes demandent vraiment, où l’assistant se trompe et quelles automatisations valent la peine d’être construites.
Tout assistant IA utilisé en entreprise devrait journaliser les requêtes : qui a demandé, quoi, quelles sources ont été consultées, quelles opérations ont été proposées et avec quelle issue. Le journal naît généralement pour des raisons de sécurité et de conformité, et c’est légitime.
Mais le journal est aussi la source la plus honnête sur l’usage réel de l’outil. Il montre les vraies questions, pas celles imaginées lors de la conception, et révèle concrètement où l’assistant est utile et où il ne l’est pas. L’ignorer, c’est renoncer au moyen le plus économique d’améliorer l’outil.
Pour remplir ce rôle, le journal doit être complet et lisible. Une entrée qui ne consigne que la question sert peu ; une entrée qui montre aussi les sources consultées et l’issue de chaque proposition permet de comprendre ce qui s’est passé sans devoir interroger la personne.
Une lecture utile du journal part de quelques questions. Quels sujets reviennent le plus souvent ? Quels services utilisent l’outil, et lesquels non ? Quelles requêtes obtiennent des réponses sans sources ou un « je n’ai rien trouvé » ? Quelles opérations proposées sont refusées ou corrigées avant confirmation ?
Nul besoin d’indicateurs sophistiqués. Regrouper les requêtes par thème, même à la main sur un échantillon, suffit souvent pour voir où concentrer les efforts. Des requêtes répétées dans des termes proches traduisent un besoin stable ; des conversations interrompues après une seule question peuvent signaler une réponse insatisfaisante.
L’absence de requêtes est elle aussi parlante. Un service qui n’utilise pas l’assistant ne le connaît peut-être pas, n’y trouve pas ses propres sources ou n’a pas reçu une formation suffisante. Échanger avec deux ou trois personnes de ce service éclaire mieux la situation que n’importe quelle analyse.
Les réponses manquées sont les plus instructives. Si beaucoup de personnes demandent des informations que l’assistant ne trouve pas, la donnée se trouve peut-être dans un système non encore connecté, dans un document hors périmètre ou dans un espace pour lequel les droits manquent. Chaque cause appelle une solution différente : une nouvelle connexion, un document ajouté, une vérification des rôles.
De même, les réponses contestées ou corrigées signalent souvent des documents périmés, des données incomplètes ou des instructions ambiguës. Noter la cause de chaque cas, même brièvement, transforme le journal en une liste d’actions aux priorités claires plutôt qu’en une somme de plaintes vagues.
Le journal révèle aussi le travail répétitif. Si quelqu’un demande chaque lundi le même récapitulatif des offres et des encaissements, ou si en fin de mois plusieurs personnes préparent le même brouillon de relance, vous tenez un candidat naturel à l’automatisation.
Le journal aide aussi à décider comment la concevoir. Les opérations presque toujours confirmées sans modification sont de bonnes candidates ; celles souvent corrigées demandent de meilleures instructions avant d’être automatisées. Dans tous les cas, l’automatisation continue de suivre la règle selon laquelle l’IA prépare et l’utilisateur confirme.
Une fois l’automatisation en service, le journal permet de vérifier qu’elle fonctionne comme prévu. Si les confirmations deviennent machinales et que plus personne ne lit le contenu, ou si les corrections augmentent, il est temps de revoir les instructions ou le modèle de document.
Lire le journal tous les jours n’est pas nécessaire. Une revue mensuelle, avec un référent par service et une demi-heure dédiée, suffit généralement à repérer les actions les plus utiles. Définissez à l’avance qui peut consulter le journal et dans quel but, car il contient les questions et les données des personnes : il ne doit pas devenir un outil de surveillance individuelle.
Dans le module AI d’Innovaq, le journal des requêtes est intégré à l’assistant et consultable par les personnes habilitées. Chaque entrée indique l’utilisateur, la question, les sources utilisées, les opérations proposées et l’issue de la confirmation. C’est la base pour améliorer les réponses, choisir les prochaines sources à connecter et décider quelles automatisations activer.
Revue mensuelle
Continuer la lecture
Le Model Context Protocol est la méthode standard pour connecter un assistant IA aux outils et aux données de l’entreprise. Ce que cela signifie concrètement, et comment planifier vos premières connexions sans faux pas.
Les modèles du marché sont prêts à l’emploi et puissants ; une IA dédiée maîtrise mieux le langage de l’entreprise. Comment choisir, et pourquoi la meilleure réponse est souvent une combinaison des deux.
Innovaq est une entreprise en phase de lancement.