Identifiez où sont les informations (CRM, Drive, mails, ERP), supprimez les doublons et les versions obsolètes, désignez un propriétaire par source, vérifiez les accès API et les droits, et retirez les données personnelles inutiles à la tâche. Quelques jours de préparation évitent des semaines de réponses fausses.
Pourquoi c'est l'étape décisive.
Un agent IA qui lit une procédure obsolète donnera une réponse obsolète, avec beaucoup d'assurance. Un agent qui n'a pas accès au CRM devra deviner. La plupart des déceptions attribuées à « l'IA » viennent en réalité des données : sources éparpillées, versions contradictoires, accès impossibles. C'est pour cela que l'étape « données et accès » de ma méthode dure à elle seule une à deux semaines.
La checklist en six points.
- Faire l'inventaire des sources 1 à 2 jours
Pour la tâche visée, où se trouve l'information ? CRM, Drive ou SharePoint, boîte mail partagée, ERP, tableurs, logiciel métier. Notez le format et le volume.
- Trier les documents quelques jours
Supprimez ou archivez les doublons et les anciennes versions, signalez les contradictions. Mieux vaut vingt documents fiables que deux mille douteux.
- Désigner un propriétaire par source 1 heure
Une personne responsable de la mise à jour de chaque source. Sans elle, la qualité se dégrade en quelques mois.
- Vérifier les accès techniques 1 à 3 jours
Votre outil a-t-il une API ? Un export ? Qui peut créer un compte technique ? Si un logiciel n'a pas d'API, il existe d'autres portes (voir l'IA avec un logiciel sans API).
- Définir les droits 1 réunion
Ce que l'agent peut lire, ce qu'il peut modifier, ce qui doit être validé par un humain. Le principe : le minimum nécessaire.
- Retirer les données personnelles inutiles en continu
Si la tâche n'a pas besoin du numéro de téléphone ou de l'adresse, l'agent ne doit pas les recevoir.
Le cadre RGPD, sans jargon.
La CNIL recommande, pour tout déploiement d'IA générative, de vérifier ce que le fournisseur fait des données, de limiter les données personnelles envoyées (minimisation) et de mettre en place une gouvernance associant le DPO, la sécurité et les métiers. Elle précise aussi qu'en connectant un modèle à une base contenant des données personnelles, l'entreprise devient responsable de ce traitement : il doit figurer dans votre registre.
Faut-il des données parfaites ?
Non. Il faut des données suffisantes pour la tâche visée, pas un entrepôt de données d'entreprise. Pour un agent qui répond aux questions récurrentes des clients, une FAQ à jour et une dizaine de fiches produits suffisent. Pour un diagnostic complet de vos données, le Diagnostic Data IA de Bpifrance existe, mais il vise des entreprises d'au moins 10 salariés, avec 1 M€ de chiffre d'affaires et plus d'un an d'existence, pour un coût de 10 000 € HT dont 40 % pris en charge.
Ce que je recommande.
Préparez les données pour une tâche, pas pour toute l'entreprise. Choisissez le cas d'usage d'abord, puis faites la checklist uniquement pour les sources qu'il touche. C'est rapide, concret, et ça produit un effet de bord précieux : des procédures enfin à jour, utiles même sans IA.
J'ai l'habitude de ces chantiers côté technique : applications métier et bases de données chez XEFI, et pipeline de données de santé avec ETL-HealthIA.
Réalisations liées
- ETL-HealthIADonnées & IAPipeline ETL de données de santé couplé à de l'IA : extraction, transformation, chargement et analyse. (nouvel onglet)
- XEFIArchitecte IA · backendESN lyonnaise (2025-2026) : applications de gestion pour concessionnaires automobiles et agents IA internes intégrés aux workflows des équipes.
Sources
- CNIL : Comment déployer une IA générative ? Premières précisions (18 juillet 2024)consulté le 13 octobre 2026
- CNIL : Questions-réponses sur l'utilisation d'un système d'IA générative (18 juillet 2024)consulté le 13 octobre 2026
- Les-aides.fr : Fiche Bpifrance « Diagnostic Data Intelligence Artificielle »consulté le 13 octobre 2026
Dernière vérification des informations : 13 octobre 2026.