THINK → LEARN → TRANSFORMEXECUTIVE EDUCATION · AFRIQUE FRANCOPHONE
MissionPro | EIAEXECUTIVE LEARNING

← IA et capacités humaines · Articles et analyses

L’IA ET NOUS · ARTICLE OFFERT

Le patrimoine de connaissances derrière l’expérience avec l’IA

De l’expérience accumulée à une base de connaissances que l’on peut retrouver, comprendre et mettre au travail.

Dr Abdou Karim GUEYE
DBA • MBA • ENAM • Master in Laws
Inspecteur général d’État à la retraite · Ancien DG ENAM

Adaptation éditoriale de l’édition enrichie, révisée le 14 novembre 2026.

Ce texte développe un axe de l’essai L’IA et nous. Il présente le raisonnement de l’auteur ; les propositions de méthode ne sont pas des résultats d’expérimentation. Cet article est offert en accès libre. Le parcours complet, les cas commentés et les fiches pratiques sont réunis dans l’édition enrichie payante en préparation.

L’expérience qui nourrit cet ouvrage repose sur des connaissances constituées avant l’usage de l’IA et retravaillées au cours des échanges. Cet article explique ce que ce patrimoine apporte à la formulation des questions. Il examine également ce qui reste dispersé, implicite ou difficile à transmettre, afin de préciser le travail de capitalisation à entreprendre.

Derrière l’expérience avec l’IA

Dans notre cas, le point de départ ne se limite pas à l’ouverture d’une interface conversationnelle. Derrière l’échange se trouve un patrimoine accumulé : formation juridique et managériale, pratique de l’inspection, expérience des organisations publiques, travaux de réforme, enseignement, publications et construction progressive d’outils. Ce patrimoine apporte des repères qui permettent de poser une question autrement, de reconnaître une réponse trop générale et d’exiger un approfondissement.

Une même demande adressée à un système peut ainsi prendre des sens différents selon celui qui la formule. Demander un plan de réforme peut conduire à une liste de mesures usuelles. Disposer d’une expérience des mandats, des circuits de décision, des résistances et des contraintes d’exécution permet de demander autre chose : quelles capacités manquent, quelles responsabilités se chevauchent, quelles preuves soutiennent le diagnostic et comment vérifier que le changement produit un effet ? La différence se situe dans la formulation du problème autant que dans la puissance du modèle.

Le patrimoine n’est pas uniquement une quantité de fichiers. Il comprend des distinctions, des habitudes de questionnement et des relations entre des domaines. Un texte sur le contrôle interne peut éclairer une réflexion sur la formation ; une expérience de réforme administrative peut aider à examiner l’orchestration des agents ; une méthode d’audit peut conduire à demander la provenance d’une affirmation générée. La valeur apparaît dans ces rapprochements, à condition qu’ils soient justifiés.

L’expert ne mobilise toutefois pas parfaitement tout ce qu’il sait. Des travaux sont dispersés, certains documents existent en plusieurs versions, des enseignements ne sont pas écrits et des méthodes restent incorporées dans la pratique. L’IA peut rendre cette dispersion plus visible. Elle peut aussi la reproduire si nous lui fournissons un corpus sans organisation. L’enjeu est donc de rendre ce patrimoine accessible et intelligible avant de vouloir en automatiser l’usage.

Le savoir formalisé et le savoir encore incorporé dans la pratique

Le patrimoine explicite comprend les documents que l’on peut désigner : ouvrages, articles, supports de cours, référentiels, rapports, grilles, cas et notes. Leur existence permet de retrouver une formulation, d’examiner une version et de vérifier une attribution. Mais un document peut être incomplet, daté ou difficile à interpréter sans son contexte. Sa présence dans une collection ne suffit pas à le rendre fiable pour tous les usages.

Le savoir d’expérience est moins directement visible. Il peut résider dans la capacité à identifier un interlocuteur décisif, à reconnaître une procédure qui ne fonctionnera pas ou à distinguer un désaccord technique d’un conflit de responsabilités. Une IA ne reçoit pas automatiquement ce savoir parce qu’elle peut consulter les écrits de l’expert. Pour le rendre mobilisable, il faut expliciter les indices observés, les conditions du jugement et les limites de la transposition.

Un moyen pratique consiste à documenter les décisions difficiles. Quel était le problème ? Quelles interprétations étaient possibles ? Qu’est-ce qui a fait écarter une solution séduisante ? Quelles informations manquaient ? Ce travail transforme une partie de l’expérience en matériau discutable et transmissible. Il préserve aussi la possibilité de dire que certains éléments restent personnels, confidentiels ou impossibles à formaliser correctement.

Nous devons accepter que toute explicitation soit sélective. Un récit rédigé après l’événement peut simplifier les hésitations réelles et donner une cohérence excessive à ce qui s’est passé. Il faut donc conserver, lorsque cela est possible, les traces contemporaines de la décision et distinguer le souvenir, l’interprétation et la preuve documentaire. Le patrimoine gagne en valeur lorsqu’il expose aussi ses incertitudes.

Du corpus documentaire à la base de connaissances

Une collection rassemble des ressources. Une base de connaissances organisée permet de comprendre ce qu’elles contiennent, à quoi elles servent et dans quelles conditions on peut les utiliser. Elle relie, par exemple, une méthode à un problème professionnel, un cas à une capacité, une affirmation à sa source et une décision à ses justifications. Ce travail d’organisation peut commencer dans un registre simple avant toute sophistication technique.

La première opération est la sélection. Tous les documents conservés ne doivent pas nécessairement être accessibles à tous les usages. Certains sont des brouillons ; d’autres présentent un intérêt historique ; d’autres encore relèvent de droits ou d’obligations de confidentialité particuliers. Leur statut doit être visible. Une ancienne version peut rester utile pour comprendre l’évolution d’une méthode, sans devenir la référence courante.

La deuxième opération est la description. Une ressource devrait pouvoir être identifiée par son titre, son auteur ou dépositaire, sa date, sa version, son domaine, ses usages possibles et ses restrictions. La troisième est la mise en relation : quels autres textes la complètent, la contredisent ou la remplacent ? Ces relations évitent de transformer la base en accumulation silencieuse de documents.

La quatrième opération concerne l’entretien. Une base de connaissances vit au rythme des corrections et des nouveaux besoins. Il faut pouvoir signaler une ressource périmée, expliquer une modification et retrouver la version effectivement utilisée pour une analyse. Sans cette continuité, une réponse peut citer le bon titre tout en s’appuyant sur le mauvais état du document.

Dans un dispositif de formation, par exemple, une grille d’évaluation peut être révisée après un premier atelier. Si le support du participant, le corrigé et le registre de progression continuent à employer des versions différentes, les résultats deviennent difficiles à comparer. L’entretien de la base consiste alors à identifier la référence courante, à signaler les ressources qui doivent être rapprochées et à conserver l’état utilisé lors de l’atelier précédent. La gestion des versions soutient une continuité pédagogique autant qu’une organisation documentaire.

Ce qui peut devenir un avantage propre

Un patrimoine intellectuel peut donner à une activité une profondeur que ne procure pas la seule utilisation d’un outil disponible sur le marché. Cet avantage doit cependant être démontré dans les productions. Une méthode propriétaire n’a pas de valeur pratique parce qu’elle porte un nom ; elle doit aider à mieux comprendre un problème, à prendre une décision plus robuste ou à transmettre une capacité.

Dans l’écosystème MissionPro, EIA, RICAC et Parapublic Governance OS, l’enjeu est de rendre les contributions reconnaissables et réutilisables : doctrine des capacités, méthodes d’analyse, cas pédagogiques, critères de preuve et grilles de progression. La cohérence de cet ensemble est une ambition de conception. Sa réalisation doit être appréciée à partir des ressources et des usages effectivement vérifiés.

Un cas professionnel utile devient ainsi un point de rencontre entre une expérience, une méthode et une capacité à construire. La base de connaissances prépare cette rencontre. L’IA peut en faciliter l’exploration. L’expert reste responsable de l’interprétation et de la décision d’emploi.

Retrouver les repères visuels et les autres lectures →

Découvrir L’IA et nous, l’édition enrichie et son sommaire →