͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌     ͏ ‌    ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­ ­

Chers juilletistes, chers aoutiens,

Les vacances, c’est fait pour déconnecter. On lève le pied, on sort la tête des urgences. Et souvent, c’est là que le cerveau, pensant avoir quartier libre, se remet à faire des liens. Il bricole des idées, trouve des angles, relie des points qu’on croyait isolés.


La newsletter de ce mois-ci s’inscrit dans cet état d’esprit : vous soufflez, on glisse quelques pistes à faire infuser, sans tension, sans urgence.


Et si vous n’êtes pas (encore) en vacances, il fait quand même un peu plus calme, un peu plus chaud : c’est le bon moment pour penser autrement.

“Attention à la surchauffe GFX-32 !” – Vue d’artiste IA


Comme toujours, on parle de Data et d’IA.


Côté data, on s’est demandé quels signes trahissent les organisations qui utilisent vraiment leurs données : pas de grandes théories, juste des indices qui ne trompent pas.


Côté IA, on explore un enjeu simple mais structurant : comment transmettre efficacement son savoir à un copilote IA ; et comment l’IA peut, en retour, aider à capter celui de toute une organisation.


Bonne lecture et bonnes vacances !

On vous a partagé cette newsletter ? Pensez à vous inscrire pour ne pas manquer les prochaines 👉 Je m’inscris à la newsletter de Solstice Lab

Au programme aujourd’hui


📊 Culture data : les signes qui ne trompent pas

Réunions, décisions, fichiers partagés… Ce qu’on observe dans les organisations qui utilisent vraiment leurs données.


🤖 Transmettre son savoir à l’IA : par où commencer

Documents, conversations, outils : comment rendre vos connaissances utilisables par un copilote IA — et comment l’IA peut vous aider à les capter.

6 réflexes qui révèlent une vraie culture data

Photo de profil Par Emmanuel Ladoux, fondateur et dirigeant de Solstice Lab

Vous avez peut-être déjà entendu parler du concept de “maturité data”, avec ses frameworks, ses niveaux, ses audits complets. Mais dans la pratique, ce n’est pas un statut qu’on obtient, c’est une manière de faire qui s’installe. La culture de la donnée ne se décrète pas, mais elle finit par se voir. Pas seulement dans les grandes décisions. Aussi, et surtout, dans les détails du quotidien.


Les organisations vraiment à l’aise avec leurs données ne sont pas forcément les plus outillées, ni celles qui en parlent le plus. Ce sont celles où l’on pose des questions simples, où l’on sait d’où vient un chiffre, où l’on préfère un indicateur utile à un tableau complexe. Des signes souvent discrets, mais révélateurs. On en a rassemblé six. Si vous les croisez, c’est plutôt… bon signe.


TL;DR (Too Long; Didn’t Read)

  • La maturité data se manifeste dans les usages quotidiens : questions claires, accès simple aux bonnes données, indicateurs utiles.


  • Quand la donnée aide à dire non, c’est souvent bon signe.


  • Ces réflexes s’installent avec le temps… et parfois un petit coup de main.


4 méthodes simples et efficaces pour transmettre son savoir à une IA

Photo de profil Par Patrice Bonfy, directeur de projet et directeur du développement de Solstice Lab.

Quand on parle d’IA appliquée aux problématiques d’entreprise, on a tendance à se précipiter sur les problématiques techniques : faut-il sur-entraîner un modèle* ou brancher un RAG** ? Est-ce que le contexte suffira ?


Les deux premiers concepts sont expliqués en note de bas de page. Quant au contexte, il s’agit simplement des informations que vous fournissez à une IA générative dans votre prompt. Et dans bien des cas, c’est un degré de perfectionnement technologique tout à fait suffisant.


Avant de penser infrastructures ou modèles spécialisés, la vraie question est donc celle-ci : comment rendre le savoir de l’entreprise accessible à l’IA, de manière structurée, claire, et exploitable ?


Voici quatre méthodes simples et concrètes pour poser les bonnes bases, et transmettre tout ce que votre organisation sait à une IA qui pourra vraiment s’en servir.

“Il n’y avait vraiment pas une solution plus simple ?” – Vue d’artiste IA


1. Rassembler les documents utiles (et ignorer les autres)


Avant toute IA, il faut savoir ce que l’on a. Une étape simple, mais souvent fastidieuse : identifier les documents vraiment utiles (procédures, formations, modèles, retours d’expérience, etc.), les trier, les renommer, les ranger. Pas besoin de tout numériser ni de viser l’exhaustivité, juste de partir d’un socle clair.


Sur cette base, l’IA peut vous aider à passer à l’échelle : analyser le contenu d’un dossier partagé, générer des résumés, repérer des doublons, suggérer des thématiques ou proposer un classement logique. Elle peut aussi produire un inventaire synthétique, lisible et actionnable.


Mais ce travail n’a de valeur que si quelqu’un, en amont, a décidé ce qui mérite vraiment d’être conservé.


2. Ne pas laisser le papier partir à la benne


Fiches terrain, classeurs, cahiers d’atelier, impressions annotées… Une partie du savoir métier vit encore hors écran. Ce savoir est souvent précieux, mais invisible pour toute solution IA tant qu’il n’a pas été numérisé et structuré.


L’IA peut ici apporter une vraie aide, dès la numérisation : grâce à la reconnaissance automatique de caractères (OCR), elle transforme des documents scannés en texte exploitable. Elle peut ensuite classer, résumer, proposer des mots-clés, ou même détecter les doublons avec des contenus existants.


Mais là encore, un regard humain est indispensable : pour hiérarchiser ce qui vaut la peine d’être extrait, reformuler ce qui est trop flou, et contextualiser ce que l’IA ne peut pas interpréter seule. Le but n’est pas de tout numériser, mais d’extraire le savoir qui mérite de circuler.


3. Exploiter ce qui circule déjà : mails, échanges clients, tickets support, etc


Le savoir utile ne se trouve pas que dans les documents formalisés. Il se niche aussi dans les réponses aux clients, les tickets de support, les mails internes, les commentaires sur des fichiers partagés. Ces contenus sont souvent plus concrets, plus vivants, et plus proches du langage réel des utilisateurs que les documentations officielles.


L’IA peut aider à les valoriser : en extrayant les questions récurrentes, en résumant les échanges, en identifiant les formulations naturelles, ou même en construisant une FAQ à partir de cas réellement traités. Cela demande un peu de préparation (droits, accès, nettoyage), mais le potentiel est énorme.


C’est une façon de capitaliser sur ce qui existe déjà, sans rien demander de plus aux équipes. Juste d’écouter ce qu’elles disent, au lieu de leur demander d’écrire ce qu’elles savent.


4. Créer un agent pour interroger les experts métier


Une grande partie du savoir d’entreprise n’est écrite ni sur du papier, ni dans des disques durs : elle vit dans la tête de quelques personnes clés, dans des routines, des ajustements, des cas particuliers que personne n’a jamais pris le temps de formaliser.


C’est là qu’un agent IA peut devenir utile. Configuré pour poser des questions, il peut interagir avec les experts métier, capturer leurs réponses, structurer l’information au fil de la discussion. On peut lui confier un script de départ, ou le laisser rebondir à partir des réponses, comme le ferait un intervieweur bien formé.


À la clé : une base de connaissances vivante, contextualisée, ancrée dans la réalité du terrain, et surtout, obtenue sans exiger des équipes qu’elles “rédigent leur savoir”. L’IA écoute, résume, classe. L’humain transmet, sans effort de mise en forme.


Commencer petit, structurer progressivement


On l’a vu, transmettre son savoir à une IA n’est pas, de prime abord, un chantier technique : c’est un travail de clarification. Il ne s’agit pas d’en faire trop, trop vite, ni de viser une base de connaissances idéale. Il s’agit de partir de ce qui existe, de ce qui circule déjà, et d’y mettre un peu d’intention.


L’IA peut vous aider à chaque étape : à trier, capter, reformuler, organiser. Mais elle ne remplace ni le jugement métier, ni l’envie de transmettre. Et surtout, elle ne fait pas de miracles si la matière première n’est pas là.


C’est une règle simple, mais qu’on oublie souvent : les chantiers IA sont, d’abord, des chantiers Data. Structurer le savoir, c’est préparer le terrain. Commencer par un cas simple, s’appuyer sur les bons réflexes, et construire au fil de l’usage, c’est souvent ça, la meilleure méthode.


* Autrement appelé fine-tuning : cela consiste à ajuster un modèle d’IA en l’entraînant sur une liste de questions-réponses spécifiques à vos données.


** Retrieval-Augmented Generation : une technique qui permet à l’IA d’aller chercher les bonnes informations dans une base documentaire pour enrichir sa réponse.


TL;DR (Too Long; Didn’t Read)

  • Transmettre son savoir à une IA ne commence pas par la tech, mais par la clarté.


  • Ce que l’entreprise sait est souvent dispersé : documents, papier, échanges, experts.


  • L’IA peut aider à trier, capter, structurer — à condition d’avoir un point de départ.


  • Mieux vaut un cas d’usage bien couvert qu’une base de connaissances idéale.


☀️ À propos de Solstice Lab


Créée en 2019, Solstice Lab est une agence-conseil Data & IA située à Paris.

  • Directions générales / financières / commerciales ou marketing : nous intervenons aux côtés des décideurs.


  • Nous accompagnons nos clients sur l’ensemble du cycle de vie de leurs projets Data & IA.


  • Notre force : comprendre finement les enjeux business de nos clients, grands groupes, ETI et scale-ups, et les traduire en solutions technologiques impactantes et innovantes développées sur mesure par nos équipes.


💬 Besoin de réfléchir à un projet Data et/ou IA de votre entreprise ?


Envoyez-nous un message via notre formulaire de contact ou directement par mail à contact@solstice-lab.com.

Ils nous font confiance :