Pendant plusieurs décennies, les entreprises ont structuré leurs opérations autour de systèmes spécialisés.
L’ERP a organisé les transactions. Le CRM a structuré la relation client. Le PLM a géré le cycle de vie produit. Le MES a piloté la production. SharePoint et Microsoft 365 ont organisé une partie de la collaboration et des contenus.
L’intelligence artificielle ne remplace pas automatiquement ces systèmes. Elle ajoute une nouvelle couche : comprendre, raisonner, recommander et agir à travers eux.
Pour être réellement utile, cette couche doit être contextuelle.
Pourquoi l’ERP ne suffit pas
L’ERP constitue souvent la colonne vertébrale transactionnelle. Il sait :
- enregistrer une commande ;
- calculer une marge ;
- gérer un stock ;
- suivre une facture ;
- planifier une production ;
- contrôler une validation.
Mais il ne conserve pas toujours la raison d’une décision, les signaux faibles, les hypothèses ou la connaissance tacite.
L’ERP dit ce qui s’est passé. Il explique rarement pourquoi.
Pourquoi le LLM ne suffit pas
Le LLM apporte une capacité de compréhension linguistique et de raisonnement général. Mais il ne connaît pas spontanément :
- le vocabulaire interne ;
- les relations entre objets métier ;
- les sources de vérité ;
- les permissions ;
- les exceptions ;
- les objectifs stratégiques ;
- l’historique des décisions.
Il faut donc relier intelligence générale et structure d’entreprise.
Le rôle de l’ontologie
Une ontologie formalise les concepts et relations du métier.
Par exemple :
- un client appartient à un segment ;
- un produit répond à un besoin ;
- une opportunité repose sur des preuves ;
- une décision engage un responsable ;
- une commande dépend d’un contrat ;
- un risque affecte un projet.
L’ontologie crée un langage commun entre métiers, données, systèmes et agents.
Le rôle du knowledge graph
Le graphe de connaissances instancie ces relations avec les données réelles.
Il peut relier :
- un client ;
- ses contrats ;
- ses interlocuteurs ;
- ses incidents ;
- les décisions prises ;
- les documents justificatifs ;
- les résultats obtenus.
Le graphe permet une navigation contextuelle que la recherche documentaire seule ne fournit pas.
Le rôle de la mémoire
La mémoire conserve l’expérience :
- décisions ;
- justifications ;
- résultats ;
- erreurs ;
- exceptions ;
- apprentissages ;
- changements de règles.
Elle permet d’éviter que chaque agent ou chaque projet reparte de zéro.
Le rôle des agents
Les agents transforment la compréhension en action.
Un agent peut :
- collecter des données ;
- vérifier une règle ;
- appeler une API ;
- créer une tâche ;
- proposer une décision ;
- demander une validation ;
- mettre à jour un système ;
- surveiller un résultat.
Mais cette capacité d’action exige une gouvernance rigoureuse.
Une architecture en sept couches
1. Systèmes de référence
ERP, CRM, PLM, MES, outils RH, données industrielles.
2. Couche d’intégration
APIs, événements, connecteurs et pipelines.
3. Couche de connaissance
Documents, données non structurées et sources externes.
4. Couche sémantique
Ontologies, taxonomies, modèles métier et knowledge graph.
5. Couche de mémoire
Décisions, preuves, interactions, résultats et apprentissages.
6. Couche agentique
Agents, outils, orchestration, évaluations et supervision.
7. Couche d’expérience
Interfaces, copilotes, applications métiers et tableaux de pilotage.
Exemple : traitement d’une opportunité commerciale
L’ERP fournit la marge et les conditions. Le CRM fournit l’historique. SharePoint contient les contrats. Le knowledge graph relie les acteurs, produits et incidents. La mémoire conserve les décisions antérieures. L’agent analyse la situation, propose une action et demande une validation si le risque dépasse un seuil.
La valeur ne vient pas d’un composant isolé. Elle vient de leur cohérence.
Les erreurs fréquentes
Connecter directement le LLM à toutes les données
Cela crée du bruit, des risques et des réponses difficiles à contrôler.
Ignorer les sources de vérité
Lorsque plusieurs systèmes contiennent la même information, l’agent doit savoir lequel fait autorité.
Construire des agents sans ontologie
Chaque agent développe son propre vocabulaire et ses propres interprétations.
Confondre mémoire et historique de conversation
Une mémoire d’entreprise doit être structurée, gouvernée et partagée.
Automatiser avant de comprendre
Un mauvais processus automatisé devient simplement un mauvais processus plus rapide.
Une démarche pragmatique
Il n’est pas nécessaire de construire immédiatement une architecture complète.
Commencez par :
- un workflow à forte valeur ;
- les systèmes indispensables ;
- une ontologie minimale ;
- une mémoire décisionnelle ciblée ;
- un agent avec un niveau d’autonomie limité ;
- un jeu d’évaluation ;
- une boucle d’apprentissage.
Conclusion
L’entreprise intelligente ne sera pas une entreprise où un chatbot est connecté à chaque application.
Elle sera une entreprise où les transactions, les connaissances, les décisions et les actions sont reliées dans une architecture cohérente.
L’ERP apporte la réalité opérationnelle. L’ontologie donne du sens. La mémoire conserve l’expérience. Les agents transforment cette intelligence en action.
C’est cette combinaison qui permet de construire une IA réellement contextuelle et difficile à reproduire.
À RELIER
Relier cette analyse aux autres décisions IA
Cette architecture devient exploitable lorsqu’elle combine la mémoire d’entreprise, une ontologie métier compréhensible, une gouvernance claire du harnais et une trajectoire réelle vers la production.
QUESTIONS FRÉQUENTES
FAQ
Une ontologie est-elle nécessaire pour tous les projets ?
Non. Mais elle devient très utile lorsque plusieurs agents, systèmes ou métiers doivent partager une compréhension commune.
Peut-on connecter des agents à un ERP ?
Oui, via APIs, événements ou connecteurs, avec des identités dédiées, des permissions limitées et des contrôles.
Quelle différence entre knowledge graph et base vectorielle ?
Une base vectorielle facilite la recherche par similarité. Un graphe représente explicitement les relations entre entités. Les deux peuvent être complémentaires.
