Démocratiser le savoir institutionnel : construire un système de gestion des connaissances basé sur l'IA avec AWS
Une équipe d'architectes AWS a publié une architecture de référence pour un système de gestion des connaissances institutionnelles basé sur l'intelligence artificielle, conçu pour capturer et restituer le savoir accumulé au sein des organisations via un avatar conversationnel. La solution combine plusieurs services du cloud Amazon Web Services : une interface web accessible par navigateur, utilisable en texte ou en voix, se connecte à un système d'avatar configurable, compatible avec n'importe quelle technologie d'avatar IA du marché. Côté infrastructure, Amazon Cognito gère l'authentification et les accès, tandis qu'Amazon API Gateway contrôle et surveille les échanges avec les différents composants. Le cœur du système repose sur Amazon Bedrock Knowledge Bases, qui met en œuvre une génération augmentée par récupération (RAG) managée : les documents de l'entreprise sont stockés dans Amazon S3, puis découpés, vectorisés grâce aux modèles Amazon Titan Text Embeddings et indexés dans une base vectorielle Amazon OpenSearch Serverless. Amazon DynamoDB assure la mise en cache des réponses déjà générées, et des fonctions AWS Lambda orchestrent l'ensemble du flux de traitement. Sur le plan financier, AWS précise que la base vectorielle OpenSearch Serverless facture un socle minimal permanent, de l'ordre de plusieurs centaines de dollars par mois, indépendamment du volume de requêtes traitées, ce qui en fait le poste de coût fixe le plus important de la solution.
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
L'enjeu visé est celui du savoir dit « tribal », cette expertise accumulée pendant des années par des employés expérimentés et qui disparaît trop souvent lors de leur départ à la retraite ou de leur démission, créant des trous de compétence coûteux pour l'entreprise. Le système cible des secteurs variés : industrie manufacturière pour conserver les procédures de production et de maintenance avant le départ des techniciens, mais aussi santé, services financiers, énergie et administrations publiques. Son originalité tient à une approche « voix d'abord » portée par un avatar, plutôt qu'un simple agent conversationnel textuel : les employés non techniques peuvent interroger le système à l'oral sans courbe d'apprentissage, tandis que les experts métiers et les salariés partants peuvent y déposer leur documentation pour préserver leur savoir-faire.
Ce projet illustre une tendance plus large dans l'adoption de l'IA générative en entreprise, où le RAG s'impose comme méthode standard pour ancrer les réponses des modèles de langage dans des documents internes fiables plutôt que dans des connaissances génériques. Les méthodes de documentation traditionnelles, jugées trop souvent obsolètes ou difficiles d'accès au moment critique, motivent ce type d'architecture. AWS positionne la solution comme personnalisable, avec un mécanisme de cache intelligent destiné à limiter le coût variable lié aux appels d'inférence, en complément du socle fixe d'OpenSearch. L'approche laisse aux organisations le choix de leur technologie d'avatar et du canal d'interaction, texte, voix ou navigateur, selon les contraintes opérationnelles de chaque secteur.
Les entreprises françaises et européennes utilisant AWS pourraient reprendre cette architecture pour leur propre gestion des connaissances, mais aucune régulation ou acteur européen spécifique n'est concerne.