CYCLE 2 — LA CONNAISSANCE COMME ACTIF • ARTICLE 13

Ce n’est pas la puissance du modèle qui manque. C’est l’architecture de ce que vous savez.

— 7 min de lecture —

La question n’est pas quelle IA choisir. La question est ce que votre IA va trouver quand elle cherchera ce que vous savez.

Claire a 41 ans. Elle dirige un cabinet de conseil de douze personnes, spécialisé dans la transformation des organisations. Douze ans de méthodes accumulées, de retours d’expérience clients, de frameworks maison. Tout cela existe quelque part. Dans un Notion abandonné depuis dix-huit mois, des centaines d’emails archivés, des drives partagés que personne ne retrouve. Le mois dernier, elle a branché Claude sur ses projets en cours. L’IA a produit des recommandations génériques, interchangeables avec celles de n’importe quel cabinet concurrent. Ce qu’elle avait mis douze ans à apprendre était là — invisible, inaccessible, inexploitable.

Cet article est le premier du Cycle 2 - La connaissance comme actif. L’article Vision CEO qui l’a précédé a posé ce diagnostic à l’échelle de la DSI. Il s’installe ici à l’échelle individuelle — là où il est né, et là où il est encore plus difficile à admettre. La réponse est la même à toutes les échelles : architecturale, pas disciplinaire. Mais avant les réponses, il y a une question à regarder en face : ce que l’IA révèle de notre rapport à ce que nous savons, et pourquoi cette question est plus ancienne qu’il n’y paraît.

⸻

La mauvaise question

En mars 2026, Tiago Forte a annoncé le pivot radical de sa méthode “Building a Second Brain”. Quatre cent mille exemplaires vendus. La conclusion de 1 200 jours d’analyse intensive : le paradigme a basculé. “Le pivot de ‘knowledge management’ vers ‘context management’ est le changement structurel de la décennie PKM.” L’inventeur du concept vient d’admettre que son système ne répondait plus à la bonne question.

Depuis deux ans, la même conversation revient dans chaque organisation que j’accompagne. En CODIR : quel modèle adopter ? GPT ou Claude ? Quel budget plateforme ? Et chez les praticiens individuels, en écho : comment mieux utiliser l’IA dans mon travail quotidien ?

Ce sont les mauvaises questions.

Moins d’une organisation sur cinq qui a déployé l’IA voit un impact significatif sur ses résultats, les données McKinsey 2026 ne laissent pas de place à l’interprétation. Ce n’est pas que les modèles sont insuffisants. C’est que le modèle le plus puissant du monde, posé sur une connaissance désordonnée, produit du désordre à grande vitesse.

La question n’est pas “quel modèle ?” C’est “qu’avez-vous structuré ?” Et pour comprendre pourquoi cette question change tout, il faut revenir à ce que l’amplification présuppose.

⸻

Ce que la moto cherche

Naval Ravikant a construit toute sa pensée sur l’IA autour d’une prémisse que peu ont tirée jusqu’à ses implications : la moto amplifie le pilote. Ce que le pilote apporte décide de tout.

Mais l’amplification ne présuppose pas seulement un pilote. Elle présuppose un matériau. Ce n’est pas la même chose que ce que vous avez appris, c’est ce que vous avez appris de façon activable : structuré pour être retrouvé, relié, mobilisable au moment où la pression arrive. Quand douze ans de missions sont dispersés sur des outils qui ne communiquent pas, ce n’est pas un matériau, c’est une forêt. La moto ne traverse pas une forêt. Elle attend une route.

« The means of learning have just gotten even more abundant. It’s the desire to learn that’s scarce. »

— Naval Ravikant, A Motorcycle for the Mind, 2026

La rareté s’est déplacée. Elle n’est plus dans les outils, ils sont là, puissants, accessibles. Elle est dans ce que les années de travail ont eu le temps de laisser derrière elles sous une forme que quelqu’un ou quelque chose, peut retrouver.

⸻

Ce que Marc Aurèle avait compris

Rendre sa connaissance disponible sous pression est un problème d’architecture, pas de mémoire. Et ce problème a été résolu, délibérément, par un praticien dont la charge était sans commune mesure avec la nôtre. Marc Aurèle gouvernait l’empire le plus puissant de son époque. Il prenait chaque jour des décisions dont dépendaient des millions de personnes, menait des campagnes militaires sur plusieurs fronts, gérait une administration complexe dans un contexte de pression sans relâche. Et chaque soir, dans des camps militaires, lors de déplacements, au fil des crises, il écrivait.

Pas pour la postérité. Les Pensées pour moi-même portent ce titre explicitement : elles n’ont jamais été destinées à la publication. Pas pour mémoriser des faits, il avait des scribes pour ça. Il écrivait pour que ses principes soient disponibles quand la pression monterait le lendemain matin.

« Nulle part, en effet, l’homme ne peut goûter une retraite plus sereine ni moins troublée que celle qu’il porte au dedans de son âme, surtout quand on rencontre en soi ces ressources sur lesquelles il suffit de s’appuyer un instant, pour qu’aussitôt on se sente dans la parfaite quiétude. »

— Marc Aurèle, Pensées pour moi-même, Livre IV

Cette retraite intérieure n’est pas une pratique de méditation. C’est une architecture. Elle fonctionne parce qu’il y a quelque chose à trouver quand on s’y retire des principes structurés, des connexions déjà tracées entre les problèmes rencontrés et les réponses qui les ont résolus. Sans cette architecture préalable, la retraite intérieure est vide. La clarté qu’elle procure est accidentelle, pas reproductible.

Marc Aurèle précisait l’exigence avec l’image d’un autre praticien : “De même que les médecins ont toujours sous la main leurs appareils et leurs instruments tout prêts, afin de pouvoir soigner sur-le-champ les accidents imprévus, de même sois toujours muni de quelques préceptes.” La connaissance non intégrée est une bibliothèque fermée. Elle ne soigne personne au moment de l’urgence.

Ce que Marc Aurèle construisait délibérément chaque soir, c’est ce que nous nommons aujourd’hui un système de connaissance activable. Pas un journal. Pas une archive. Un pipeline qui transformait l’expérience en préceptes disponibles, prêts à être activés. Vous avez peut-être accumulé l’équivalent en quinze ans de missions, de projets, de décisions. La question est : est-ce que c’est prêt de la même façon ?

⸻

Ce que l’IA révèle

La technologie révèle l’état de votre organisation. L’IA révèle ce qu’elle oublie.

Le schéma est d’une régularité que rien ne dément. La consultante solo qui revient d’une mission de six mois avec une expertise approfondie sur un secteur. Elle a mis ses conclusions quelque part. Dix-huit mois plus tard, nouveau client du même secteur. Elle repart de zéro, parce que ses notes ne sont pas reliées, parce qu’aucun pipeline ne les a transformées en connaissance réutilisable. L’IA qu’elle branche dessus produit exactement ce que produit celle de son concurrent : du générique, sans mémoire, sans contexte propriétaire.

Ce n’est pas un problème de mémoire. Ce n’est pas un problème de motivation. C’est un problème d’architecture. Et l’IA ne le résout pas. Elle le nomme.

⸻

Vous vous reconnaissez ici

Vous savez que vous avez déjà résolu ce problème. Vous ne retrouvez plus où, ni quand, ni comment. Ce que vous avez mis des années à construire, des méthodes, des heuristiques, des réponses à des questions que personne ne vous a posées dans cet ordre est dispersé sur des outils qui ne communiquent pas. Il existe. Il ne se retrouve pas.

Si vous dirigez une équipe ou une organisation : la connaissance critique vit dans les têtes de deux ou trois personnes par domaine. L’onboarding de chaque nouveau collaborateur reconstruit partiellement ce que ses prédécesseurs ont déjà appris. Vos projets IA ne buttent pas sur la couche modèle, ils buttent sur la couche connaissance. Rien de structuré sur quoi s’appuyer.

Le lecteur qui se reconnaît ici sait qu’il est au bon endroit. Celui qui ne se reconnaît pas, est probablement déjà plus avancé ou travaille dans un tout autre registre. Dans les deux cas, c’est une information utile.

Seule l’échelle change. Et c’est cet enjeu que ce cycle va construire, article par article.

⸻

Claire ne cherche plus un meilleur modèle. Elle a compris que Claude n’était pas en cause. Ce qu’elle a mis douze ans à apprendre est là. Il reste à le rendre activable — et c’est un travail d’architecture, pas de discipline.

Ce que votre IA produit dépend de ce qu’elle trouve. Ce qu’elle trouve dépend de ce que vous avez structuré. Ce que vous avez structuré dépend de ce que vous avez décidé de ne pas laisser dormir dans un outil que vous n’ouvrez plus.

Marc Aurèle gouvernait un empire avec quelques préceptes prêts comme des instruments. La question n’est pas de savoir si vous avez assez appris. C’est de savoir si ce que vous avez appris est encore à vous.

⸻

Matthieu Riboulet Directeur Conseil · Delivery · Infrastructure cognitive · IA agentique