Altitud
Édition · 25 mai 2026
Toutes les formations

FORMATION IA

Gestion des connaissances internes augmentée par l'IA

Construisez une couche de recherche IA sécurisée sur vos systèmes de contenu d'entreprise existants.

Voir si cette formation est la bonne pour votre équipe, diagnostic gratuit

Lancer le diagnostic
Format
programme
Durée
24-40h
Niveau
practitioner
Taille de groupe
6-20
Prix / participant
€3K-€6K
Prix groupe
€18K-€45K
Public
Architectes IT, responsables des opérations RH et équipes d'animation ou de gestion des connaissances dans les entreprises de taille moyenne à grande
Prérequis
Familiarité avec les plateformes de contenu d'entreprise (SharePoint, Confluence ou équivalent) ; compréhension basique des APIs et services cloud ; aucun bagage ML requis

Ce qu'elle couvre

Ce programme enseigne aux équipes IT, RH et enablement comment déployer des pipelines de génération augmentée par récupération (RAG) sur des bases de connaissances d'entreprise comme SharePoint, Notion et Confluence. Les participants apprennent à concevoir des architectures de recherche sécurisées et respectueuses des droits d'accès existants, tout en améliorant considérablement la découvrabilité des connaissances. Le cours couvre la conception de taxonomies, les stratégies de découpage, la sélection de bases vectorielles et la conduite du changement pour favoriser l'adoption. Les sessions combinent ateliers d'architecture en direct et travaux pratiques avec de vrais connecteurs d'entreprise.

À l'issue, vous saurez

  • Concevoir un pipeline RAG permission-aware qui ingère des documents d'au moins une source d'entreprise et retourne des réponses contrôlées d'accès
  • Sélectionner et configurer un vector store (p. ex. Azure AI Search, Pinecone, Weaviate) adapté au volume de données et aux exigences de conformité de votre organisation
  • Auditer une base de connaissances existante pour sa RAG-readiness et produire un plan de remédiation couvrant la stratégie de chunking et l'enrichissement de métadonnées
  • Définir et mesurer au moins trois métriques de qualité de retrieval (précision, faithfulness, relevance des réponses) en utilisant un cadre d'évaluation
  • Construire et présenter une feuille de route d'adoption pour les stakeholders qui traite la résistance au changement et suit les KPIs d'utilisation des connaissances

Sujets abordés

  • Fondamentaux de l'architecture RAG : chunking, embeddings, vector stores et ranking de retrieval
  • Connexion de sources d'entreprise : SharePoint Online, Confluence, Notion et Google Drive via APIs et connecteurs
  • Retrieval permission-aware : application des ACLs existantes et contrôle d'accès basé sur les rôles dans les réponses IA
  • Sécurité des données et conformité GDPR pour les systèmes de connaissances IA
  • Conception de taxonomie et de métadonnées pour améliorer la qualité du retrieval
  • Évaluation et suivi de la fraîcheur de la base de connaissances et de la précision des réponses
  • Gestion du changement et stratégies d'adoption par les employés pour la recherche IA interne
  • Cadre de décision build-vs-buy : Azure OpenAI, Glean, Guru et stacks open-source

Modalité

Dispensé en tant que programme hybride sur 3-5 semaines : deux jours d'ateliers virtuels en direct (totalisant 12-16 heures) plus labs en self-paced asynchrone et lectures (12-24 heures). Un jour optionnel d'implémentation on-site peut être ajouté pour les groupes. Les participants ont besoin d'accès à une instance de test de leur plateforme de connaissances d'entreprise. Les labs sont fournis sous forme de notebooks Jupyter pré-configurés et de templates de workflow low-code. Les sessions en direct se font en cohortes de 6-20 ; les grandes organisations peuvent acquérir une licence pour la piste self-paced avec un nombre illimité de sièges internes.

Ce qui fait que ça marche

  • Impliquer un groupe de pilotage transversal (IT, Legal, RH, un champion métier) avant tout déploiement technique pour aligner la gouvernance et le périmètre
  • Conduire un pilote sur un seul domaine de connaissances à forte valeur (p. ex. documents d'onboarding ou helpdesk IT) avant de monter en charge sur l'intranet complet
  • Instrumenter le système dès le jour un avec des métriques de qualité de retrieval et des boucles de feedback utilisateur pour améliorer continuellement la pertinence des réponses
  • Coupler le déploiement technique avec une communication explicite sur ce que l'IA peut et ne peut pas faire pour fixer des attentes exactes des employés

Erreurs fréquentes

  • Ingérer tous les documents sans filtrage permission, créant des risques de fuite de données où les employés récupèrent du contenu au-dessus de leur niveau d'habilitation
  • Traiter RAG comme une configuration ponctuelle plutôt que comme un pipeline continu avec suivi de fraîcheur et cadences de re-indexation
  • Négliger le travail sur les métadonnées et la taxonomie en amont, menant à une qualité de retrieval faible qui érode la confiance en quelques semaines après le lancement
  • Lancer sans plan de gestion du changement, de sorte que les employés reviennent à la recherche manuelle et le système reste inutilisé

Quand NE PAS suivre cette formation

Une équipe qui n'a pas encore standardisé sur une plateforme de connaissances primaire et stocke toujours les informations critiques dans des dizaines de partages de fichiers et de threads d'emails déconnectés, le chaos architectural sapera toute implémentation RAG avant qu'elle ne puisse livrer de la valeur ; la consolidation du contenu devrait venir en premier.

Fournisseurs à considérer

Sources

Cas d'usage que cette formation débloque

Autres formations à ce niveau

Cette formation fait partie d'un catalogue Data & IA construit pour les leaders sérieux sur l'exécution. Lancez le diagnostic gratuit pour voir quelles formations sont prioritaires pour votre équipe.