Manifeste
Le knowledge management des cabinets de conseil est cassé. Structurellement.
Pas culturellement.
« Ce n'est pas un problème de discipline, ni de bonne volonté. C'est un problème d'architecture. Et l'IA ne le résout pas, elle le nomme. »
Dans un cabinet de conseil, la connaissance est l'actif principal.
Des années de missions, De méthodes éprouvées,
« De diagnostics qui ont fonctionné. Et de ceux qui ont échoué. »
Des frameworks maison construits à force de tentatives.
Des clients dont les patterns organisationnels se répètent d'une mission à l'autre.
Cette connaissance existe. Elle est là, quelque part.
Dans un Notion abandonné depuis dix-huit mois.
Dans des emails archivés que personne ne retrouve.
Dans la tête de deux ou trois associés qui seront partis dans cinq ans.
Quand vous branchez l'IA sur ce système,
Elle produit ce que votre concurrent peut produire avec le même modèle
Et un prompt générique : Une réponse correcte, générique, interchangeable.
Parce que l'IA n'amplifie que ce qui est structuré.
Elle n'a rien sur quoi s'appuyer.
Ce n'est pas un problème de modèle. C'est un problème d'architecture.
Le diagnostic
Les 4 gaspillages du knowledge management
Le Lean identifie quatre gaspillages dans tout système de production défaillant. En knowledge management, ces quatre gaspillages expliquent pourquoi la connaissance existe mais ne se retrouve pas et pourquoi déployer l'IA sans les traiter accélère ce qui ne fonctionnait déjà pas.
La distinction fondamentale
Stocker n'est pas activer
La plupart des cabinets stockent. Peu activent.
Stocker, c'est mettre quelque chose quelque part.
Un drive partagé. Une page Notion. Un email archivé.
La connaissance est là, en principe. En pratique, elle est invisible.
Personne ne la retrouve au moment où elle servirait. Personne ne sait qu'elle existe.
Activer, c'est rendre la connaissance disponible au moment et à l'endroit où elle est utile.
Pas archivée, convocable. Pas stockée, reliée. Pas accumulée, mobilisable.
La confusion entre les deux explique pourquoi tant d'investissements KM échouent.
On mesure le stockage (combien de documents, combien de pages)
Plutôt que l'activation (est-ce que la connaissance d'hier informe la décision de demain ?).
L'IA est un amplificateur. Sur un système bien architecturé, elle multiplie la valeur. Sur un système non structuré, elle accélère ce qui ne fonctionnait déjà pas.
Ce n'est pas une prédiction. C'est un diagnostic qui se joue maintenant, dans chaque cabinet qui déploie des outils IA sans avoir résolu les 4 gaspillages.
La réponse
Ce que "bien architecturé" veut dire
Un système de connaissance bien architecturé a quatre propriétés.
Il capture sans friction. La connaissance entre dans le système au moment où elle est produite pas en fin de mission, pas lors du bilan annuel. La capture coûte moins d'attention qu'elle n'en fait gagner plus tard.
Il relie automatiquement. Une nouvelle connaissance est automatiquement connectée aux connaissances existantes qui lui sont liées. Ce n'est pas un catalogue de documents isolés, c'est un graphe où chaque élément sait ce qu'il est par rapport aux autres.
Il rend disponible sous pression. Quand un consultant prépare un brief à 22h avant une réunion COMEX, le système lui donne les bonnes connaissances, pas toutes les connaissances, les bonnes. Au bon moment, dans le bon contexte.
Il reste souverain. La connaissance du cabinet reste dans le cabinet. Elle n'est pas indexée par un outil tiers, partagée avec des modèles d'entraînement, ou dépendante d'une API dont les conditions changent d'un trimestre à l'autre.
Ces quatre propriétés ne sont pas un idéal. Elles sont un programme.
JARVIS est ce programme, construit à l'échelle individuelle d'abord pour démontrer que ça fonctionne avant de le transposer à l'échelle d'un cabinet.
Ce manifeste n'est pas une liste de bonnes pratiques. C'est le diagnostic derrière deux piliers éditoriaux et une formation construite pour les cabinets qui veulent passer du stockage à l'activation.