Dans une organisation, les décisions reposent sur des informations produites et interprétées par de nombreux acteurs : métiers, architectes, équipes IT, responsables de la transformation, etc.
L’arrivée de l’intelligence artificielle facilite l’accès à ces informations. Chacun peut désormais interroger un agent IA pour obtenir une synthèse, explorer une situation ou préparer une décision. Mais accéder plus facilement à l’information signifie-t-il réellement mieux se comprendre et mieux collaborer ?
Lorsque les concepts, les relations et les règles d’interprétation ne sont pas partagés, chacun risque de construire sa propre compréhension de l’organisation, même à partir des mêmes sources.
C’est pourquoi une démarche d’Architecture d’Entreprise Continue doit s’appuyer sur des principes explicites définis par des langages dédiés tels qu’ArchiMate ou BPMN. Le principe suivant pose les conditions d’une collaboration efficace, entre les personnes comme avec les agents IA.
Principe : L’Architecture d’Entreprise Continue est collaborative
Un langage commun pour se comprendre et construire ensemble.
Justification
La collaboration permet de croiser les points de vue et de construire une compréhension commune pour mieux décider. Elle suppose que les informations échangées soient comprises et vérifiables par tous, entre humains comme avec des agents IA.
Implication
Cela implique d’adopter un langage commun et de mettre en place un cadre de modélisation ainsi que des règles de formalisation partagées.
Favoriser la sobriété des usages, en réutilisant les connaissances validées, en limitant les traitements redondants et en mobilisant des outils proportionnés au besoin.
Les contributions humaines comme celles des agents IA doivent respecter ce cadre, afin que les informations produites restent cohérentes, traçables et vérifiables.
Oublier ce principe, c’est confondre dialogue avec l’IA et collaboration
Imaginons une organisation qui met à disposition d’une IA l’ensemble de ses documents, données et échanges. Chacun peut alors l’interroger pour comprendre une situation, produire une analyse ou préparer une décision.
Mais si aucun cadre commun n'explicite les concepts, les relations et les règles d’interprétation sur ces données, ce sont les réponses de l’IA qui constituent la connaissance sur celles-ci. Une IA qui produit elle-même de nouveaux contenus venant enrichir cette masse d’informations.
Une compréhension commune dépendante d'une IA
Les acteurs pensent partager une même connaissance, alors qu’ils s’appuient sur des interprétations qu’ils ne peuvent pas facilement confronter à une référence commune.
Sans accès aux sources, aux hypothèses et aux relations qui fondent les réponses, il devient difficile de vérifier les affirmations, de résoudre les contradictions et de distinguer les faits des interprétations.
L’organisation risque alors de dépendre d’une IA spécifique pour comprendre ses propres informations et justifier ses décisions.
Un enjeu pour une IA responsable
Cette situation pose également la question de la responsabilité des décisions prises avec l’aide de l’IA.
Si les réponses d’un agent ne peuvent pas être confrontées à une connaissance structurée et partagée, comment s’assurer de leur fiabilité ? Comment identifier une erreur, comprendre un raisonnement ou attribuer la responsabilité d’une modification ?
Une IA responsable ne repose donc pas uniquement sur la qualité de ses réponses. Elle suppose aussi un cadre dans lequel ses contributions peuvent être examinées, vérifiées et validées par les personnes qui en gardent la responsabilité.
Cette responsabilité comporte également une dimension environnementale. Entraîner et utiliser une IA mobilise de l’énergie, de l’eau et des équipements dont la fabrication a elle-même un impact. La sobriété concerne donc aussi la manière dont l’organisation construit, conserve et exploite sa connaissance.
Lorsque la connaissance devient accessible uniquement au travers des réponses de l’IA, chaque besoin de compréhension impose un nouveau traitement. L’organisation risque de multiplier les analyses de documents, les reformulations et les synthèses, parfois pour retrouver une information déjà établie. Les contenus générés peuvent à leur tour alimenter une masse documentaire toujours plus importante à traiter.
Un référentiel structuré et partagé offre des leviers pour limiter ces traitements répétés : consulter directement une information validée, réutiliser une connaissance existante et fournir aux agents les seuls éléments utiles à leur tâche. Une recherche, une requête ou la lecture d’un modèle peuvent suffire, sans nécessiter systématiquement une génération de contenu.
Structurer la connaissance ne garantit pas, à lui seul, une réduction de l’empreinte environnementale. Les gains doivent être évalués en tenant compte du fonctionnement du référentiel et de l’évolution des usages. Mais cette approche permet de choisir les moyens mobilisés en fonction du besoin : une IA responsable doit aussi être une IA dont l’usage est proportionné à la valeur apportée.
Appliquer ce principe, c’est faire de l’IA un véritable collaborateur
L’IA ne doit pas devenir l’intermédiaire obligé entre les acteurs et la connaissance de leur organisation. Elle doit au contraire contribuer à construire, enrichir et exploiter cette connaissance commune.
Dans une démarche d’Architecture d’Entreprise Continue, cela signifie considérer les agents IA comme de nouveaux collaborateurs autour d’un référentiel partagé, au même titre que les architectes, les experts métier et les autres parties prenantes.
Appliquer ce principe implique notamment de :
- Partager un langage commun, pour que les humains et les agents IA manipulent les mêmes concepts, relations et règles de modélisation.
- S’appuyer sur un référentiel structuré, qui constitue une référence commune, indépendante des interprétations produites par les agents IA.
- Encadrer les contributions, afin que les informations créées ou modifiées respectent les règles de cohérence, de traçabilité et de validation.
- Rendre la connaissance accessible à tous, à travers des représentations adaptées aux différents utilisateurs, sans imposer le recours à l’IA pour la comprendre.
- Garder les humains responsables des décisions, en leur permettant de contrôler les propositions de l’IA et de vérifier les informations sur lesquelles elles reposent.
Dans ce cadre, l’IA devient un moyen supplémentaire d’interagir avec le référentiel : elle peut faciliter l’accès à l’information, identifier des relations, proposer des analyses ou contribuer à la mise à jour des modèles.
Mais elle ne se substitue ni au référentiel commun, ni aux règles qui en garantissent la cohérence, ni au jugement des personnes qui prennent les décisions.
L’enjeu n’est pas seulement de permettre aux humains de dialoguer avec l’IA, mais de leur donner, ainsi qu'aux agents IA, les moyens de construire et de partager une même connaissance.
C’est à cette condition que l’IA peut renforcer durablement la collaboration et contribuer à une Architecture d’Entreprise réellement continue.
