Accueil
Accueil
Envoyer à un ami
Version imprimable
Partager
Communication dans le cadre de la Session 1 - APIA 2026 "Représentation de connaissances, données d’observation de la Terre, santé" 29 juin 2026 - Alain Berger
Université d'Artois - Arras
Ardans - https://www.ardans.fr
La fin de l’illusion de la connaissance gratuite
Depuis les années 1980, l’ingénierie de la connaissance s’est affranchie des approches centrées sur les outils pour replacer la situation métier au cœur de la réflexion. « La connaissance ne peut plus être traitée comme un flux passif, mais comme un actif critique » . Cette évolution impose de reconnaître que l’expertise n’est pas un matériau brut : elle se construit, se mérite, et surtout, elle se valide. Cette étude présente les mutations de l'ingénierie de la connaissance (IC) de 1985 à l'horizon 2026, transformant des concepts académiques en leviers de décision opérationnels.
Le Cycle en omega, méthodologie d’élicitation et de modélisation itérative, incarne cette exigence. Loin d’être un coût, il devient un avantage compétitif en transformant le tacite en patrimoine tangible. Alain Berger insiste sur cette idée en affirmant que « contrairement à la donnée, la connaissance possède un coût d’élicitation massif » . Ce coût est précisément ce qui confère à l’expertise sa légitimité scientifique et opérationnelle.
Le Cycle en omega, méthodologie d’élicitation et de modélisation itérative, incarne cette exigence. Loin d’être un coût, il devient un avantage compétitif en transformant le tacite en patrimoine tangible. Alain Berger insiste sur cette idée en affirmant que « contrairement à la donnée, la connaissance possède un coût d’élicitation massif » . Ce coût est précisément ce qui confère à l’expertise sa légitimité scientifique et opérationnelle.
Pour une culture de la contradiction
L’un des paradoxes les plus intéressants mis en lumière est celui de la dissonance entre experts. Là où les organisations recherchent souvent le consensus, l’ingénierie de la connaissance valorise la contradiction argumentée. « Les désaccords entre experts sont les sources les plus fertiles de connaissance » .
Cette approche transforme la controverse en outil de robustesse décisionnelle. La vérité technique n’est plus un bloc monolithique, mais un espace dynamique où les divergences permettent d’affiner les raisonnements, de révéler les angles morts et de renforcer la fiabilité des systèmes de décision. Dans un contexte saturé par les biais statistiques des IA génératives, cette culture de la contradiction devient un rempart essentiel.
Cette approche transforme la controverse en outil de robustesse décisionnelle. La vérité technique n’est plus un bloc monolithique, mais un espace dynamique où les divergences permettent d’affiner les raisonnements, de révéler les angles morts et de renforcer la fiabilité des systèmes de décision. Dans un contexte saturé par les biais statistiques des IA génératives, cette culture de la contradiction devient un rempart essentiel.
Une nouvelle architecture du savoir
L’évolution technologique s’accompagne d’un durcissement normatif. L’empilement des standards ISO — 30401 pour le management de la connaissance, 22989 pour la terminologie IA, 5392 pour l’ingénierie de la connaissance — transforme la discipline en exigence de gouvernance mondiale. Cette structuration révèle un passage « du système expert isolé à l’intégration systémique » .
Cette maturité s’incarne également dans les ambitions de la DARPA, qui vise un système capable de délivrer une pépite de connaissance « just in time, just enough, and just for me ». L’enjeu n’est plus le volume, mais la pertinence contextuelle, une forme de souveraineté cognitive où l’utilisateur reçoit la bonne information avant même de la demander.
Cette maturité s’incarne également dans les ambitions de la DARPA, qui vise un système capable de délivrer une pépite de connaissance « just in time, just enough, and just for me ». L’enjeu n’est plus le volume, mais la pertinence contextuelle, une forme de souveraineté cognitive où l’utilisateur reçoit la bonne information avant même de la demander.
Vers une IA de confiance : hybridation et jumeau numérique
L’irruption des LLM impose une rupture : l’IA statistique doit désormais s’hybrider avec des architectures de confiance. Cette transition est un passage nécessaire vers une IA explicable, adossée à des faits validés par l’organisation.
L’hybridation RAG/LLM désigne une architecture où deux technologies complémentaires travaillent ensemble : un module RAG, chargé d’aller chercher des informations fiables dans des sources contrôlées, et un modèle de langage (LLM), chargé de formuler, expliquer et mettre en récit ces informations.
Cette hybridation répond à un enjeu devenu central : éviter que l’IA ne s’appuie sur des données approximatives ou externes, et garantir que chaque réponse repose sur la mémoire maîtrisée de l’organisation. Le RAG fournit la matière première vérifiée ; le LLM la met en forme.
Autrement dit, l’hybridation RAG/LLM permet de marier la rigueur documentaire et la puissance interprétative, pour produire une connaissance fiable, contextualisée et souveraine.
Parallèlement, la modélisation des savoir-faire ouvre la voie au jumeau numérique de l’expert. Visualiser un graphe de connaissance revient à percevoir « le squelette du jumeau numérique de l’expert » . Cette structure logique permet de simuler des raisonnements critiques, de transférer des compétences et de sanctuariser la mémoire d’entreprise face au départ des sachants.
L’hybridation RAG/LLM désigne une architecture où deux technologies complémentaires travaillent ensemble : un module RAG, chargé d’aller chercher des informations fiables dans des sources contrôlées, et un modèle de langage (LLM), chargé de formuler, expliquer et mettre en récit ces informations.
Cette hybridation répond à un enjeu devenu central : éviter que l’IA ne s’appuie sur des données approximatives ou externes, et garantir que chaque réponse repose sur la mémoire maîtrisée de l’organisation. Le RAG fournit la matière première vérifiée ; le LLM la met en forme.
Autrement dit, l’hybridation RAG/LLM permet de marier la rigueur documentaire et la puissance interprétative, pour produire une connaissance fiable, contextualisée et souveraine.
Parallèlement, la modélisation des savoir-faire ouvre la voie au jumeau numérique de l’expert. Visualiser un graphe de connaissance revient à percevoir « le squelette du jumeau numérique de l’expert » . Cette structure logique permet de simuler des raisonnements critiques, de transférer des compétences et de sanctuariser la mémoire d’entreprise face au départ des sachants.
L’humain, ultime garant de la vérité
Malgré l’automatisation croissante, Alain Berger rappelle que « la technologie n’est qu’un artefact ; l’humain reste le propriétaire souverain du sens » . L'expert demeure le seul capable de distinguer la pépite du bruit.
L’ingénierie de la connaissance, en structurant et en légitimant ce discernement, redonne à l’humain sa place centrale dans le triptyque Technologie–Usage–Connaissance.
L’ingénierie de la connaissance, en structurant et en légitimant ce discernement, redonne à l’humain sa place centrale dans le triptyque Technologie–Usage–Connaissance.
A propos de ...
Alain Berger, docteur en intelligence artificielle, débute à la fin des années 1980 dans le nucléaire civil, où il développe et déploie le premier Systèmes d'Enseignement Par Intelligence Artificielle dans l'industrie. Cofondateur d’Ardans dont il est le Directeur Général, il en fait un acteur clé de la gestion des connaissances, alliant conseil, méthode et solutions logicielles pour transformer l’information en levier stratégique.
ARDANS, fondée en 1999, est une société française spécialisée dans le knowledge management et le conseil en systèmes d’information. Elle accompagne les organisations dans la structuration, la valorisation et le transfert de leurs connaissances, tout en développant des solutions logicielles dédiées. Reconnue pour son expertise, elle intervient auprès d’entreprises de secteurs variés pour optimiser leur capital informationnel et enrichir leurs processus métier par la capitalisation sur leurs connaissances sensibles clés.
∗Ardans, 6 rue JP Timbaud, «Le Campus» Bât. B1, 78180 Montigny-le-Bretonneux
aberger@ardans.fr,
https://www.ardans.fr
Knowledge Engineering # AI Governance # Expertise Management # RAG Architecture # Digital Twin Expert # ISO Knowledge Standards # Strategic Intelligence # Enterprise Memory # Cognitive Systems # AI Reliability