Base de connaissances d'un agent IA : quoi y mettre et comment l'entretenir

Dans une entreprise, l'expression « base de connaissances » désigne souvent un centre d'aide ou un wiki interne, consulté par des personnes. Pour un agent IA, le sens est voisin mais l'usage diffère : la base est lue par un programme qui, à chaque question, va chercher les passages pertinents et s'en sert pour rédiger sa réponse. Dans ce fonctionnement, elle ne sert pas à entraîner le modèle : elle lui est fournie au moment de répondre, et peut donc être corrigée à tout moment.

Elle réunit deux types de contenus : les informations, c'est-à-dire ce que vous proposez, à quelles conditions, où et quand ; et les consignes, qui disent comment l'agent doit se comporter, ce qu'il doit refuser et quand il doit passer la main.

Le principe porte un nom : la génération augmentée par récupération, ou RAG en anglais. L'expression vient d'un article de Patrick Lewis et de ses coauteurs, présenté à la conférence NeurIPS en 2020. Les auteurs y constatent que les grands modèles de langage stockent des connaissances dans leurs paramètres, mais qu'ils peinent à y accéder avec précision, à indiquer la provenance de leurs réponses et à mettre ces connaissances à jour. Ils proposent de combiner cette mémoire interne avec une mémoire externe, un index de documents (des articles de Wikipédia dans leurs expériences) interrogé au moment de répondre ; sur leurs tâches de génération, les réponses obtenues étaient plus spécifiques, plus variées et plus factuelles que celles d'un modèle de référence sans récupération.

Une base de connaissances ne supprime pas pour autant toutes les erreurs. Un article de recherche publié en 2025 (Kalai et al.) soutient que les modèles de langage devinent parfois lorsqu'ils sont incertains au lieu de le reconnaître, parce que leur entraînement et leur évaluation récompensent la réponse tentée : si l'information manque dans la base, le risque d'une réponse inventée demeure. La base doit donc être complétée par une consigne explicite : dire « je ne sais pas » et proposer de transmettre la demande. L'OWASP note par ailleurs que la récupération de documents n'empêche pas complètement les injections de consignes, et que des sources contradictoires peuvent provoquer des conflits de connaissances.

Partez des questions que vos clients posent réellement : messages reçus, appels, demandes de devis. Pour chacune, vérifiez que la base contient une réponse validée. On y trouve en général : la présentation de l'entreprise et de ses activités, les prestations et ce qu'elles incluent, la zone d'intervention, les horaires et les périodes de fermeture, les modalités de rendez-vous, les conditions publiques (délais, garanties, pièces à fournir), les questions fréquentes et leurs réponses.

Ajoutez les consignes de comportement : sujets à ne pas traiter, formulations à éviter, engagements que l'agent ne doit jamais prendre (un prix ferme, un délai garanti) et conduite à tenir quand la demande dépasse son périmètre. Précisez aussi ce que l'agent doit recueillir avant de transmettre une demande : nom, moyen de contact, objet.

Une information par passage, formulée de façon autonome : « Nous intervenons à Toulouse et dans les communes limitrophes » vaut mieux qu'un renvoi vers une carte. Préférez des titres explicites, des phrases complètes et des documents dont le texte est sélectionnable plutôt que des images scannées. Évitez les tableaux complexes, les informations dispersées en plusieurs endroits et surtout les doublons : deux versions d'un même tarif ou d'un même horaire finiront par se contredire.

Datez les contenus liés à une période, comme des horaires d'été ou une offre temporaire, et retirez-les à échéance. Si votre site sert de source, vérifiez qu'il est lui-même à jour : l'agent reprendra ses erreurs.

Ni données personnelles de clients, ni secrets. Le RGPD exige que les données personnelles soient adéquates, pertinentes et limitées à ce qui est nécessaire au regard des finalités : c'est le principe de minimisation. Un historique nominatif de clients n'a rien à faire dans la base d'un agent qui renseigne le public. Pas davantage de mots de passe, de clés d'accès, de procédures internes de sécurité ou d'informations financières confidentielles.

L'OWASP range la divulgation d'informations sensibles parmi les risques majeurs des applications de modèles de langage, et rappelle que les consignes interdisant au modèle de révéler certaines données peuvent être contournées. Le plus sûr est donc que ces données ne soient jamais accessibles à l'agent. L'ANSSI demande que le système d'IA intègre les droits d'accès et le respect du « besoin d'en connaître » dans les réponses qu'il apporte : un utilisateur ne doit pas pouvoir obtenir, par l'intermédiaire de l'agent, une information qu'il n'a pas le droit de consulter.

Méfiez-vous enfin des documents dont vous ne maîtrisez pas l'origine. L'OWASP décrit le cas d'un CV contenant un texte caché, écrit en blanc sur fond blanc, qui donne des instructions au système chargé de le lire : tout document doit être vérifié avant d'entrer dans la base.

Désignez un responsable de la base et un rythme de relecture. Chaque changement dans l'entreprise, nouvelle prestation, nouveau tarif, fermeture exceptionnelle, doit déclencher une mise à jour. Relisez régulièrement les questions auxquelles l'agent n'a pas su répondre : elles révèlent les manques de votre base.

Avant la mise en service, vérifiez que les questions fréquentes réelles ont toutes une réponse validée, qu'aucune information ne figure en double, que les contenus temporaires sont datés, qu'aucune donnée personnelle de client ni aucun secret n'y figure, que la consigne de non-réponse et de transmission est écrite, et que l'agent a été testé avec des questions hors périmètre.

Dans Alyas, la base de connaissances se constitue à partir de l'adresse de votre site, d'un texte libre ou de documents PDF. L'agent, au téléphone comme sur le chat de votre site, répond à partir de ces informations ; s'il ne sait pas, il le dit et propose de transmettre la demande en recueillant les coordonnées. Au téléphone, il annonce qu'il est une IA et que l'appel est enregistré ; enregistrements, transcriptions et résumés d'appels sont hébergés dans l'Union européenne. Vous pouvez l'essayer 10 jours, sans carte bancaire.