Tous nos articles

Le Knowledge Management (KM) est encore une notion abstraite. Il est fréquent de constater une difficulté à se représenter ce qu’il recouvre au juste. Cet article se propose d'en éclairer le sens et les réalisations.

Une diversité de représentations et d’expressions

Quelle est sa plus-value ? Ceux qui le pratiquent savent qu’à la longue une gouvernance des connaissances vertueuse octroie un gain de temps, de qualité et de confiance dans les connaissances mobilisées (on obtient plus vite une réponse plus fiable). L’objectif poursuivi est souvent l’excellence opérationnelle (dans les entreprises industrielles notamment), ou l’excellence tout court (dans des structures plus proches du service public et de l’intérêt général). La quête d’une plus grande performance (à condition de renoncer à ce qu’elle soit immédiate), la réduction des erreurs, le maintien d’un haut niveau d’expertise, l’innovation sont souvent visés par les organisations qui mettent en œuvre une démarche KM. Elles savent en outre que l’existence d’un dispositif de ce type favorise la préservation des connaissances, valorise les savoirs et savoir-faire des collaborateurs les plus expérimentés et constitue un facteur d’attractivité (et de rétention) pour les collaborateurs les plus jeunes.

Les initiatives qui relèvent du Knowledge management sont par ailleurs innombrables. C’est cet état de fait (le flou ou la diversité des perceptions comme celle des actions) qui nous a donné envie d’interroger les représentations et expressions du KM auprès d’un panel de professionnels curieux ou adeptes du management des connaissances (1).

Nous avons eu l’occasion de le répéter plusieurs fois déjà, le brevet est une formidable source d’informations techniques qu’il est hasardeux d’ignorer dans une démarche d’innovation. État de l’art, recherche de solutions techniques, tendances du marché, positionnement d’un concurrent… Autant de raisons qui justifient une recherche dans les bases de données brevet.

Lorsque l’on se concentre sur les aspects plus juridiques, on retrouve les recherches de brevetabilité, celles réalisées dans le cadre d’une procédure d’opposition ou d’invalidation, et les recherches de liberté d’exploitation (dénommées FTO, pour Freedom To Operate, en anglais). Comme notre titre l’indique - que Beaumarchais nous pardonne cette irrévérence -, c’est sur celles-ci que nous allons nous pencher aujourd’hui.

De l’art du géomètre : qu’est-ce qu’un brevet ?

Rappelons tout d’abord quelques fondamentaux concernant le brevet.

Il est fréquent qu’un spécialiste technique qui lit pour la première fois un brevet revienne avec un air dépité s’exclamant « qu’est-ce que ce charabia, on n’y comprend rien ». C’est une réaction compréhensible : notre spécialiste s’attendait à lire un document décrivant une technique, un peu comme une publication scientifique, et il est tombé sur un texte parfois jargonnant, utilisant une terminologie étrange, qu’il est occasionnellement bien difficile d’interpréter. C’est que le but du brevet n’est pas seulement de décrire une technique, c’est aussi et avant tout de définir un territoire technique d’accès interdit. Nous sommes en présence d’un titre de propriété, et comme tout titre de propriété, il faut définir les limites de ladite propriété afin que les tiers sachent bien où ils ne peuvent pas aller. Rédiger un brevet, c’est au fond une affaire de technicien, mais aussi un peu de géomètre expert.

Imaginez un monde où l’intelligence artificielle générative deviendrait un documentaliste chevronné pour orchestrer vos recherches les plus ardues, un allié incontournable dans toutes vos tâches de traitement et de gestion de l’information, un compagnon d’une humanité confondante sur les réseaux sociaux, - un monde où rédiger une lettre de motivation sans IA s’imposerait comme un acte d’authenticité revendiqué…

Ce monde est déjà le nôtre. À la lecture de ce Netsources, on mesure l’ampleur avec laquelle l’IAG s’est infiltrée dans chaque facette de nos activités intellectuelles .

Dans son « Guide pratique du Deep Research », Véronique Mesguich montre comment l’IA est particulièrement intéressante dans le cas de recherches complexes exigeant l’analyse de sources multiples, et de production de synthèses, redéfinissant — ce faisant — le rôle des experts.

Ulysse Rajim (« Quand l’IA réinvente les réseaux sociaux… ») décrypte comment l’IA redéfinit les interactions sur les réseaux sociaux, complexifie la veille en brouillant l’authenticité de la parole et convertit les plateformes en viviers de données pour nourrir leur apprentissage.

Dans le précédent numéro de Netsources (« Deep Research : l’âge de raison des IA ? », Netsources N° 175 - mars/avril 2025), nous avons décrit et analysé l’irruption et les nombreux développements des outils de Deep Research proposés par les différentes IA.

Passons dans cette deuxième partie à la pratique en présentant et comparant les résultats obtenus avec les différents outils.

Une recherche approfondie pas à pas

Testons à présent la recherche approfondie des IA sur un exemple, en partant du prompt suivant : « Comporte-toi comme un analyste veilleur et rédige un rapport détaillé sur la stratégie et le positionnement des entreprises françaises dans le contexte des droits de douane annoncés par Trump en 2025. Base-toi sur des exemples concrets d’entreprises françaises dans différents secteurs (luxe, automobile, vins et spiritueux) pour étudier et comparer les différents positionnements et stratégies ».

Commençons par la recherche approfondie de ChatGPT (disponible dans la version payante, et depuis peu, de façon limitée dans la version gratuite). Avant d’élaborer son plan de veille, l’IA demande des précisions :

Une fois les précisions apportées par l’utilisateur, l’IA récapitule la demande et élabore son plan de recherche.

L’intégration de l’intelligence artificielle dans les réseaux sociaux est une tendance de fond, entamée au début des années 2010 et qui connaît une accélération marquée depuis l’émergence de l’IA générative en fin 2022. Cette évolution redéfinit l’utilité de ces plateformes, leur modèle économique et la nature même des interactions qu’elles hébergent.

Nous explorerons comment l’IA est passée d’un outil d’optimisation fonctionnant en arrière-plan à un rôle de plus en plus central dans nos échanges. Ce changement soulève une question essentielle : à mesure que l’IA prend plus de place, que reste-t-il de « social » dans les médias sociaux et comment cela impacte-t-il nos interactions en ligne ?

I. L’IA en coulisses : l’optimisation comme premier moteur

Pendant plus d’une décennie, l’intelligence artificielle a été le moteur discret, mais essentiel, des réseaux sociaux. Son déploiement à grande échelle répondait à un objectif principal : capter l’attention de l’utilisateur pour maximiser la durée des sessions et, par conséquent, les revenus publicitaires.

La fin du fil d’actualité chronologique

Cette stratégie reposait sur la personnalisation des contenus . Dès 2009, Facebook expérimentait déjà un nouvel algorithme (nommé EdgeRank ) pour remplacer le fil d’actualité chronologique (1). C’est entre 2012 et 2016 que cette tendance se généralise. Durant cette période, la plupart des plateformes de réseaux sociaux abandonnent progressivement le fil chronologique au profit du fil algorithmique . L’objectif n’étant alors plus de montrer ce qui venait d’être publié, mais ce qui était le plus susceptible de provoquer une réaction . Twitter remplace ainsi son fil d’actualité par le flux « Home timeline » en 2016 (2), et TikTok, lancé une année plus tard, érige cette approche en modèle avec sa « For You Page » (3). Aujourd’hui, cette méthode est devenue la norme et les algorithmes n’ont fait que s’améliorer d’année en année. Meta annonçait d’ailleurs en 2023 que ses algorithmes de recommandation étaient responsables d’une hausse de 24 % du temps passé sur Instagram , notamment grâce à la suggestion de contenus issus de comptes non suivis par les utilisateurs (4).

Nous avons souhaité interroger Christophe afin qu’il partage ses observations sur les transformations apportées par l’intelligence artificielle générative. Cet entretien apporte un éclairage sur l’évolution de la veille et du Knowledge Management à l’ère de l’IA.

Christophe Deschamps est depuis 20 ans consultant‐formateur en veille stratégique, intelligence économique et gestion des connaissances. Il enseigne depuis plusieurs années ces matières à l’IAE de Poitiers, à l’ILERI et à OTERIA Cyber School. Il publie régulièrement dans des revues comme Archimag, ou I2D (anciennement Documentaliste - Sciences de l’information). Il est l’auteur de plusieurs ouvrages sur l’intelligence économique et la veille, dont La boîte à outils de l’intelligence économique (Dunod), et l’animateur du blog OUTILS FROIDS .

CHRISTEL RONSIN : Christophe, depuis quand vous intéressez-vous au phénomène de l’intelligence artificielle générative ?

CHRISTOPHE DESCHAMPS : Mon intérêt pour l’intelligence artificielle générative a commencé vers 2017-2018, avec l’émergence des deepfakes . L’une des vidéos les plus marquantes était celle d’Obama, où il était presque impossible de distinguer la vidéo truquée de la réalité. Le mouvement de ses lèvres avait été modifié par l’IA pour lui faire dire des phrases qu’il n’avait jamais prononcées. Cela a naturellement suscité mon intérêt, car ce que redoutent le plus les professionnels de l’information, c'est évidemment de se faire manipuler par de fausses images, vidéos ou textes.