(Si l’architecture de la connaissance n’est pas redéfinie d’abord)
Considérons les Universités comme étant des institutions du savoir et de la connaissance toutes sciences et spécialités confondues:
- Les Universités créent le savoir et le génèrent.
- Elles le partagent, l’enseignent et le transfèrent.
- Elles l’améliorent en le confrontant à d’autres savoirs, à d’autres vues de la connaissance.
Et pourtant, de nombreuses organisations académiques ne disposent pas de leurs propres connaissances opérationnelles pleinement structurées.
Ce n’est pas une question d’attitude. C’est un problème d’architecture.
Le coût invisible
Dans The Social Economy : Unlocking Value and Productivity through Social Technologies (2012), le McKinsey Global Institute a estimé que les travailleurs du savoir passent environ 20 % de leur journée à chercher des informations internes ou à trouver quelqu’un capable de les aider à accomplir une tâche.
Pas pour exécuter mais pour identifier ce qui est nécessaire pour pouvoir exécuter.
Extrapolé à une université de taille moyenne, cela représente une charge de travail globale équivalente à celle de centaines de personnes dédiées à la reconstruction du contexte et à la localisation de précédents déjà existants au sein de l’institution.
Plus récemment, dans le Magic Quadrant for Knowledge Management Systems (2023) et dans ses analyses sur la gouvernance des connaissances, Gartner souligne qu’une part importante du travail dans les organisations à forte intensité de connaissances dépend d’informations non structurées réparties à travers plusieurs systèmes.
En pratique, ces connaissances sont souvent dispersées dans :
- Emails
- Dossiers partagés (la gestion du partage restant très peu claire)
- Documents non versionnés. (pas de mise à jour ou de gestion de l’obsolescence)
- Mémoire personnelle (avec la volatilité qu’on lui connait…)
Il n’apparaît pas comme un élément budgétaire. Mais cela a un impact direct sur l’efficacité, la cohérence et le risque opérationnel.
L’illusion technologique
L’émergence de l’IA générative a suscité une attente compréhensible : si la technologie peut répondre à n’importe quelle question, le problème de la recherche d’informations internes devrait être considérablement réduit.
Cependant, des preuves récentes introduisent des nuances pertinentes.
Les Work Trend Index 2023 et Work Trend Index 2024 de Microsoft montrent que, si l’IA accélère l’élicitation de la réponse initiale, le besoin de validation augmente lorsque l’information source est incomplète ou incohérente.
Parallèlement, l’article « Generative AI at Work » publié dans Harvard Business Review (2023) analyse comment l’utilisation de l’IA augmente la productivité individuelle, mais montre également l’importance de disposer d’informations structurées et fiables pour éviter toute refonte.
De plus, dans The Economic Potential of Generative AI : The Next Productivity Frontier (2023), McKinsey & Company estime qu’entre 60 % et 70 % de l’impact potentiel de l’IA générative dépend de la qualité et de la structuration des connaissances organisationnelles sous-jacentes.
En termes stratégiques :
L’IA ne remplace pas une architecture de gestion de connaissance robuste. Cela l’amplifie — pour le meilleur ou pour le pire.
Investir dans l’IA de manière désorganisée équivaut à accélérer des processus déjà inefficaces.
Une décision structurelle
Les institutions qui réalisent des retours tangibles grâce à l’IA n’ont pas commencé par la technologie.
Ils ont commencé par identifier, structurer et gouverner leurs connaissances organisationnelles.
Des rapports industriels tels que How to Measure the ROI of Knowledge Management (Bloomfire, 2024) et les analyses de ROI publiées par Stravito (2024) montrent des réductions significatives du temps passé à la recherche et à la validation des informations après la mise en place de systèmes formels de gestion des connaissances.
La question n’est donc pas exclusivement technologique.
C’est une décision d’architecture organisationnelle qui conditionne le retour sur tout investissement ultérieur dans l’IA.
Un débat stratégique en attente
Dans de nombreuses universités, la conversation actuelle tourne autour des outils d’IA à adopter.
Cependant, la question précédente peut être une autre :
Les connaissances institutionnelles sont-elles structurées, gouvernées et prêtes à être amplifiées par l’IA ?
La réponse à cette question déterminera non seulement l’efficacité opérationnelle, mais aussi la cohérence institutionnelle et la capacité à prendre des décisions en fonction de la connaissance de soi.
