Pourquoi la mémoire organisationnelle n’est pas seulement un système de connaissance basé sur l’IA.

Author: Yauheni Kurbayeu
Published: Mar 11, 2026
LinkedIn

Suite à la publication de la première version du Provenance Manifesto, j’ai commencé à examiner si les solutions existantes sur le marché s’alignent avec les principes qui y sont décrits.

La question était simple : existe-t-il aujourd’hui des outils capables de préserver et de gérer efficacement les décisions qui influencent le développement de nos systèmes ?

Très rapidement, j’ai remarqué un schéma intéressant. De nombreuses solutions se présentent comme des plateformes de mémoire organisationnelle, mais ce qu’elles fournissent réellement est légèrement différent. Dans la plupart des cas, elles proposent ce que l’on pourrait appeler un système moderne de connaissance basé sur l’IA.

Ces plateformes connectent des outils d’entreprise tels que Slack, Jira, GitHub, Notion, les systèmes CRM et les dépôts de documentation. Elles ingèrent les données, construisent des embeddings et permettent aux agents d’IA de récupérer du contexte pendant l’exécution de tâches.
En substance, elles transforment les données de l’organisation en une couche de connaissance interrogeable.

D’un point de vue technique, la plupart de ces systèmes reposent sur la Retrieval Augmented Generation (RAG). Les documents, tickets, conversations et le code sont indexés et transformés en un espace de recherche sémantique. Lorsqu’un assistant IA a besoin de contexte, il récupère des fragments pertinents et les intègre dans son raisonnement.

C’est une capacité puissante.

Pour la première fois, des agents IA peuvent naviguer dans le paysage fragmenté d’informations à l’intérieur des organisations.

Mais appeler cela mémoire organisationnelle est quelque peu trompeur.

Ce que ces systèmes fournissent réellement est une récupération de connaissances organisationnelles.

• Ils peuvent nous indiquer quelles informations existent.
• Ils peuvent faire apparaître de la documentation, des tickets et des conversations liés à une question.
• Ils peuvent même résumer des discussions ou expliquer certaines parties du code.

Pourtant, les organisations ne sont pas principalement façonnées par des documents.

Elles sont façonnées par des décisions.

Chaque architecture, chaque comportement produit, chaque contournement opérationnel existe parce que quelqu’un a pris une décision à un moment donné. Ces décisions ont été influencées par des contraintes, des hypothèses, des risques et des compromis qui n’ont souvent été documentés que partiellement.

Lorsqu’un système de connaissance récupère un document indiquant « nous utilisons Kafka pour le streaming d’événements », il nous montre le résultat.

Mais il ne nous dit pas pourquoi Kafka a été choisi.

• A-t-il été sélectionné pour sa scalabilité ?
• A-t-il été adopté parce que l’équipe disposait déjà d’une expertise opérationnelle ?
• Une autre technologie a-t-elle été rejetée pour des raisons de fiabilité ?

Sans ce raisonnement, l’organisation se souvient du résultat mais oublie la logique qui l’a produit.

C’est là que l’idée de provenance des décisions devient essentielle.

Si les systèmes de connaissance représentent la couche d’information de la mémoire organisationnelle, la provenance des décisions représente la couche de raisonnement.

Les systèmes de connaissance répondent à des questions telles que :

• Que fait le système ?
• Où se trouve la documentation ?
• Quel service implémente ce comportement ?

La provenance des décisions répond à un autre type de questions :

• Pourquoi le système fonctionne-t-il de cette manière ?
• Quelles alternatives ont été envisagées ?
• Quelles hypothèses ont façonné l’architecture ?
• Qui est responsable de la décision et quand devra-t-elle éventuellement être révisée ?

Ces deux couches sont complémentaires.

Les systèmes de connaissance basés sur le RAG permettent à l’IA de récupérer des artefacts existants.

La provenance des décisions relie ces artefacts aux décisions qui les ont créés et au contexte qui les a justifiés.

Combinées, elles forment quelque chose de beaucoup plus proche d’une véritable mémoire organisationnelle.

La couche de connaissance raconte l’histoire de ce qui existe.

La couche de provenance explique pourquoi cela existe.

À mesure que l’IA s’intègre plus profondément dans le développement logiciel et les flux opérationnels, cette distinction devient de plus en plus importante. Les agents IA capables de lire des documents aideront les équipes à naviguer dans l’information. Mais les agents IA capables de comprendre le raisonnement derrière les systèmes pourront participer à l’évolution de ces systèmes.

En d’autres termes, la prochaine étape au-delà de la gestion des connaissances par l’IA n’est pas simplement une meilleure récupération.

C’est une mémoire organisationnelle consciente des décisions.

C’est la direction explorée dans le Provenance Manifesto, qui propose de traiter les décisions comme des artefacts de premier ordre, dont le contexte, le raisonnement et l’évolution devraient être préservés aux côtés des systèmes qu’elles façonnent.

Car au final, les organisations ne fonctionnent pas uniquement à partir de documents.

Elles fonctionnent à partir des décisions qui y sont intégrées.