Documents & contenus
Rassemblez textes, fichiers et pages web utiles à votre activité, selon les formats pris en charge.
Base de connaissances IA
Créez une base de connaissances IA qui reste sous votre maîtrise.
Réunissez vos documents, vos contenus web et vos références métier dans une base de connaissances que l’IA consulte avant de répondre. Définition, méthode en 6 étapes, RAG ou wiki LLM, exemples par métier : tout pour bâtir la vôtre.
DéfinitionQu’est-ce qu’une
Qu’est-ce qu’une
base de connaissances IA ?
Une base de connaissances IA est un ensemble de contenus sélectionnés (documents, pages web, vidéos, notes internes) qu’une intelligence artificielle consulte avant de répondre. Au lieu de puiser dans ses seules données d’entraînement, le modèle s’appuie sur vos informations : vos offres, vos procédures, votre manière de travailler.
La différence avec une base de connaissance classique (intranet, centre d’aide, wiki) tient à l’usage : on ne cherche plus le bon article, on pose une question. L’IA retrouve les passages utiles, rédige une réponse et indique d’où elle vient. C’est l’héritier moderne des « systèmes à base de connaissance » : la connaissance reste séparée du moteur qui l’exploite.
Une base de connaissances n’entraîne pas un nouveau modèle : elle lui fournit du contexte au moment de la question. Vous la mettez à jour quand vous voulez, et vous pouvez changer de modèle sans la reconstruire.
Votre patrimoine de connaissances
Le point de départ d’une base de connaissances IA, ce sont vos sources.
Bases par périmètre
Organisez des corpus pour une équipe, un sujet ou une destination publique.
Accès & usages
Définissez qui peut exploiter une base et dans quel cadre elle est utilisée.
Le RAG, simplementUne base de connaissances IA cherche dans vos sources
Une base de connaissances IA cherche dans vos sources
avant de formuler sa réponse.
Le RAG associe une recherche dans un corpus à la génération d’une réponse. Il apporte un contexte spécifique à l’IA, sans réentraîner le modèle sur l’ensemble de votre savoir.
Vous posez une question
Une demande concrète est formulée dans votre assistant ou votre application.
Le contexte utile est recherché
Le système sélectionne les passages pertinents dans la base autorisée.
Le modèle prépare la réponse
Les éléments retrouvés servent de contexte. La réponse reste à vérifier.
Ce qui compte pour vos données : avec un modèle externe, des extraits peuvent lui être transmis pour produire la réponse. Le stockage local de la base ne suffit donc pas, à lui seul, à garantir un traitement entièrement local. Comprendre le parcours des données
Pourquoi c’est indispensableUne IA sans vos connaissances
Une IA sans vos connaissances
répond à côté.
ChatGPT, Claude ou Gemini savent rédiger, résumer et raisonner. Mais ils ne savent rien de votre organisation : ni vos tarifs, ni vos procédures, ni vos décisions récentes.
Des réponses fondées sur vos sources
Sans contexte, un modèle comble les vides avec des réponses plausibles mais fausses. La base de connaissances lui donne l’information exacte.
Des réponses vérifiables
Chaque réponse peut renvoyer au document d’origine : vos équipes contrôlent l’information au lieu de la croire sur parole.
Un savoir qui ne dépend de personne
Le savoir de l’organisation reste disponible quand les personnes changent de poste, et ne dépend d’aucun modèle en particulier.
MéthodeComment bâtir une base de connaissance
Comment bâtir une base de connaissance
pour une IA, en 6 étapes.
La technologie compte moins que la qualité des sources et la clarté de l’usage. Voici la méthode que nous appliquons avec nos clients.
Choisir un premier usage
Partez d’une tâche précise : accueillir les nouveaux arrivants, aider le SAV, retrouver une clause. L’usage dit quelles sources réunir et comment mesurer le résultat.
Réunir les bonnes sources
Listez les documents qui contiennent réellement les réponses : procédures, notices, FAQ, offres, pages du site, vidéos de formation. Un corpus réduit et fiable vaut mieux qu’un serveur entier.
Nettoyer et dater
Retirez doublons, brouillons et versions obsolètes. Nommez un responsable par source. L’IA ne fait pas le tri : elle répète ce que vous lui donnez.
Choisir la technologie
RAG vectoriel pour retrouver des passages dans un grand volume, wiki LLM pour structurer un savoir dispersé, protection des données identifiantes pour les contenus sensibles.
Définir les accès et les modèles
Séparez les bases par public (équipes, clients, visiteurs) et choisissez les modèles autorisés selon la tâche et la sensibilité des contenus.
Tester, mesurer, maintenir
Posez les vraies questions de vos utilisateurs, vérifiez les réponses et leurs sources, corrigez les documents en cause, puis planifiez une revue régulière.
Pour aller plus loin : gouverner ses contenus avant l’IA et construire le patrimoine informationnel de l’entreprise.
Choisir la technologieRAG vectoriel ou wiki LLM :
RAG vectoriel ou wiki LLM :
quelle différence ?
Deux façons de faire travailler l’IA sur vos documents. Elles ne s’opposent pas : on commence souvent par le RAG pour retrouver l’information, puis on structure un wiki pour les connaissances consultées le plus souvent.
- RAG vectoriel : retrouver
Les documents sont découpés et indexés par le sens ; à chaque question, les passages utiles sont transmis au modèle comme contexte.
- Wiki LLM : structurer
L’IA organise le corpus en sujets reliés et synthétisés, avec des références à vérifier.
- Protection : limiter l’exposition
Les informations identifiantes prises en charge peuvent être remplacées ou chiffrées avant le traitement.
RAG vectoriel · Wiki LLM
PrincipeRAG : Recherche par similarité de sens
Wiki : Synthèse en sujets reliés
Idéal pourRAG : Grands volumes, documents techniques, réponses précises
Wiki : Savoir dispersé, onboarding, méthodes à transmettre
Ce que voit l’utilisateurRAG : Une réponse et les passages sources
Wiki : Une connaissance organisée, consultable et interrogeable
Point de vigilanceRAG : Qualité du découpage et des sources
Wiki : Relecture des synthèses et des références
Les trois technologies sont disponibles dans toutes les formules, au même prix par base.
Un socle vivantUne base de connaissances IA se choisit
Une base de connaissances IA se choisit
et s’entretient.
Commencez par des références fiables et identifiez les personnes chargées de les actualiser.
- Un périmètre lisible
Évitez de mélanger des contenus publics avec des dossiers confidentiels.
- Des références à jour
Vérifiez les versions et retirez les informations devenues obsolètes.
- Des questions testées
Utilisez les demandes réelles des équipes pour repérer les manques.
DocumentsSites webSavoir métierOutils connectés
Vos bases de connaissances sécurisées
Sources choisies · Accès définis · Savoir réutilisable
Dans Narratheque
IA en équipe, assistants, agents, chatbot
Dans vos outils
Applications et automatisations connectées
Le modèle s’adapte à l’usage. Votre savoir reste organisé.
Exemples de bases de connaissancesUne base de connaissances IA,
Une base de connaissances IA,
métier par métier.
La même logique sert des usages très différents. Ce qui change : les sources, le public et le niveau de protection.
Ressources humaines
Un assistant interne qui répond aux nouveaux arrivants à partir du livret d’accueil, des procédures et des accords internes.
Assistant interneService client & SAV
Des réponses cohérentes aux questions fréquentes, appuyées sur les notices, les garanties et les procédures de retour.
Service clientAccueil sur le site web
Un chatbot qui renseigne les visiteurs à partir d’un corpus public dédié : offres, horaires, FAQ, pages du site.
Chatbot de site webMarketing & communication
Produire articles, posts et newsletters à partir de votre positionnement, de vos cas clients et de votre ton.
Contenus & campagnesJuridique, conformité, qualité
Retrouver une clause, une norme ou une exigence dans un grand volume de documents, avec la référence du passage.
Wiki de connaissancesConseil & expertise
Capitaliser le savoir-faire d’un cabinet pour qu’il reste disponible quand les personnes changent de poste.
Savoirs explicites et tacitesÀ éviterLes 6 erreurs qui font échouer
Les 6 erreurs qui font échouer
une base de connaissances IA.
La plupart des projets qui déçoivent ne butent pas sur la technologie, mais sur les sources et la gouvernance.
Tout importer d’un coup
Verser tout un serveur de fichiers noie les bonnes réponses dans les versions obsolètes. Commencez petit, sur un usage.
Mélanger public et interne
Une même base pour les équipes et un chatbot public expose des informations qui n’auraient pas dû sortir.
Ne jamais mettre à jour
Une base figée perd sa fiabilité en quelques mois. Prévoyez un responsable et une revue régulière.
Croire le modèle sur parole
Exigez des réponses sourcées et faites relire les premières par les experts métier avant d’ouvrir l’usage.
Dépendre d’un seul modèle
Séparer le socle de connaissances du modèle permet d’en changer sans tout reconstruire.
Oublier le parcours des données
Stockage, traitement et réutilisation par le fournisseur sont trois questions distinctes. Vérifiez chacune.
BudgetCombien coûte une
Combien coûte une
base de connaissances IA ?
Le coût dépend du nombre de bases, du nombre d’utilisateurs et du volume de traitements (imports, réponses, génération du wiki). Une base de connaissances commence à 29 € HT par mois avec la formule Simple : 1 base, 2 utilisateurs, choix des modèles et budget d’usage inclus, recharges sans dépassement automatique.
Les visiteurs d’un chatbot ne sont pas des utilisateurs payants.
Essai gratuit
- 14 jours pour tester votre besoin.
- 1 base, 1 utilisateur, 100 Mo de documents.
- Sans carte bancaire.
- Sans conversion payante automatique.
Pour aller plus loin
Nos guides sur la base de connaissances.
- RAG vectoriel et wiki LLM
Les deux technologies expliquées en détail.
- Base de savoir
Pourquoi formaliser le savoir de l’organisation.
- L’IA sans sources fiables
Ce qui se passe quand l’IA n’a pas de mémoire d’entreprise.
- Structurer la mémoire d’entreprise
Faire de l’IA un outil de capitalisation.
- Base de connaissances certifiée
Fiabiliser les réponses de l’IA générative.
- Base de connaissances souveraine
Garder la maîtrise de ses données.
- Une base IA française
Les critères pour choisir une solution européenne.
- Multi-LLM
Choisir le modèle adapté à chaque tâche.
Questions fréquentes
Ce que vous voulez savoir sur une base de connaissances IA.
Qu’est-ce qu’une base de connaissances IA ?
C’est un ensemble de contenus sélectionnés (documents, pages web, vidéos, notes internes) qu’une intelligence artificielle consulte avant de répondre. Le modèle s’appuie sur vos informations au lieu de ses seules données d’entraînement, et peut citer ses sources.
Comment créer une base de connaissances pour une IA ?
En six étapes : choisir un premier usage, réunir les sources qui contiennent les réponses, les nettoyer et les dater, choisir la technologie (RAG vectoriel ou wiki LLM), définir les accès et les modèles autorisés, puis tester les réponses et maintenir la base à jour.
Une base de connaissances est-elle un simple dossier de fichiers ?
Elle rassemble des sources organisées pour être exploitées par des usages IA. La qualité du corpus, sa préparation et les règles d’accès influencent directement la pertinence des résultats.
Faut-il entraîner un modèle sur ses documents ?
Non. La base fournit du contexte au modèle au moment de la question (c’est le principe du RAG). Elle se met à jour à tout moment, et le modèle peut être changé sans la reconstruire.
Quelle différence entre RAG vectoriel et wiki LLM ?
Le RAG vectoriel retrouve les passages pertinents dans vos documents pour chaque question. Le wiki LLM organise le savoir en sujets reliés et synthétisés. Le premier convient aux grands volumes, le second aux savoirs dispersés. Les deux se combinent.
Peut-on créer une base publique et une base interne ?
Oui, ces périmètres doivent être distingués. Une base destinée à un chatbot public ne doit contenir que les informations pouvant être diffusées aux visiteurs.
Le RAG supprime-t-il les erreurs de l’IA ?
Non. Il apporte des références mais ne garantit pas une réponse correcte. Les sources et les réponses doivent être vérifiées, particulièrement pour les décisions engageantes.
Combien coûte une base de connaissances IA ?
Chez Narratheque, à partir de 29 € HT par mois pour une base et deux utilisateurs, avec un budget d’usage inclus. Le prix dépend du nombre de bases, d’utilisateurs et du volume de traitements. Un essai gratuit de 14 jours est proposé sans carte bancaire.
