Un assistant documentaire IA permet à un technicien de SAV de retrouver en quelques secondes le bon schéma, la bonne notice ou la bonne nomenclature, avec le nom du fichier et la page. Dans la PME industrielle dont il est question ici, le temps de recherche documentaire a baissé de 55 % sur un périmètre pilote de 2 000 documents. Le plus long n'a pas été l'IA. C'est la préparation des documents.
Ce retour correspond au cas client publié sur l'assistant documentaire. Nous y ajoutons ce qu'un dirigeant industriel doit savoir avant de lancer un projet comparable.
Avant : 50 000 fichiers et un technicien au téléphone
L'entreprise est centenaire. Elle conçoit et maintient des machines de lavage de haute précision pour l'aéronautique, le ferroviaire et l'automobile. Chaque machine est unique, livrée à façon, avec son propre dossier : notice, schémas électriques, nomenclatures, historique de maintenance. Au fil des décennies, ce patrimoine a atteint 50 000 fichiers sur un serveur interne, sans index commun.
Quatre techniciens itinérants assurent le SAV, et une vingtaine de collaborateurs peuvent partir en intervention. Pour un dépannage, il fallait parfois vingt minutes pour retrouver un schéma électrique dans l'arborescence avant même de commencer le diagnostic.
Ces vingt minutes avaient un coût direct. Quand un client de l'aéronautique appelle pour une panne, une résolution au téléphone n'est pas facturée ; dès qu'il faut connecter un automaticien à distance, le compteur tourne. Chaque minute de recherche pesait sur la marge et sur la patience du client.
Pourquoi un moteur de recherche classique ne suffisait pas
La question d'un technicien n'est presque jamais un nom de fichier. Il cherche un câblage, une référence de pièce, une valeur de réglage, pour une machine précise. La réponse est dans la page 37 d'un PDF de cinquante pages, ou dans un onglet de nomenclature.
Un moteur à mots-clés renvoie des fichiers. Un assistant fondé sur la recherche sémantique et la génération augmentée (le principe du RAG, détaillé sur notre page dédiée aux assistants IA adossés à vos documents) retrouve les passages pertinents, formule une réponse courte et indique d'où elle vient. Pour un industriel, c'est cette dernière partie qui compte : une réponse sans source ne vaut rien dans un atelier.
Un obstacle supplémentaire : le lien entre un numéro de machine et son client existait dans l'ERP, mis en place trois ans plus tôt, mais pas dans les dossiers du serveur. Les documents les plus anciens n'avaient jamais été rattachés à quoi que ce soit.
Pendant : dix semaines en trois phases
Le projet a duré dix semaines du lancement à la mise en service du pilote : deux semaines de cadrage et d'infrastructure, quatre de développement du moteur et des interfaces, quatre de tests sur le terrain. Quatre profils y ont travaillé : un responsable produit IA pour le cadrage et la coordination, un ingénieur IA et données pour le traitement documentaire et le moteur, un développeur d'interface, un développeur pour l'infrastructure et la sécurité.
La préparation des documents. Les 2 000 fichiers du périmètre pilote ont d'abord été audités. Chaque document a été passé en reconnaissance de caractères quand c'était nécessaire, découpé en fragments qui gardent leur contexte, puis enrichi de métadonnées : version du document, numéro de machine, type de contenu. Ces métadonnées servent à filtrer avant de chercher. Si le technicien travaille sur une machine donnée, l'assistant ne lui sert pas la notice d'un modèle voisin.
Quatre familles de formats cohabitaient : notices natives, scans anciens, plans issus de la CAO, nomenclatures exportées vers Excel. Elles ne se découpent pas de la même façon. Un tableau de nomenclature coupé au milieu d'une ligne perd son sens ; un schéma électrique se lit par planche, pas par paragraphe. C'est là que se joue la qualité des réponses, bien plus que dans le choix du modèle.
L'hébergement. Le client avait posé une condition non négociable : aucune donnée technique ne devait servir à entraîner un modèle tiers, et l'hébergement devait rester en France. L'ensemble tourne sur une infrastructure européenne souveraine, avec un modèle d'IA français pour la lecture et le traitement du langage, et une authentification par les comptes Microsoft 365 de l'entreprise.
L'interface. Elle a été pensée pour un iPad en intervention, pas pour un poste de bureau. Le technicien pose sa question, obtient une réponse courte, et ouvre la page citée en deux gestes.
La recette. Cinq techniciens SAV ont utilisé l'outil en conditions réelles pendant trois semaines. Leurs retours ont conduit à redécouper certains documents, à affiner les consignes données au modèle et à traiter les cas limites des schémas techniques. Le directeur des opérations et le chef de projet interne ont validé les réponses au regard de l'expertise métier.
Après : ce que recouvrent les chiffres
Le temps de recherche documentaire du SAV a baissé de 55 %. La précision des réponses atteint 90 %, mesurée en recette par les cinq techniciens sur les 2 000 documents du pilote.
Ce 90 % mérite une lecture honnête. Il signifie qu'une réponse sur dix n'est pas jugée correcte par les techniciens. Ce qui rend l'outil utilisable malgré tout tient à une règle de conception : chaque réponse cite son fichier et sa page, et quand l'information n'existe pas dans la base, l'assistant le dit au lieu d'inventer. Un technicien qui doit tout vérifier ne gagne rien. Un technicien qui ouvre la page citée et confirme en dix secondes gagne son diagnostic.
Le pilote couvre 2 000 fichiers sur 50 000. Le code a été remis en pleine propriété, avec un rapport de nettoyage des données et une feuille de route pour rattacher l'indexation à l'ERP et l'étendre au reste du fonds. C'est la suite logique : sans le lien avec l'ERP, l'assistant ne sait pas quelle machine appartient à quel client.
Ce qu'il faut regarder avant de lancer un projet comparable
Quatre points, tirés de ce projet et valables pour la plupart des fonds documentaires industriels.
- Commencer petit. Un périmètre pilote de quelques milliers de documents, choisi avec les utilisateurs, plutôt que tout le serveur. Indexer 50 000 fichiers dès le départ, c'est s'assurer de n'avoir rien d'utilisable au bout de deux mois.
- Traiter les versions. Deux révisions d'un même plan qui cohabitent sur un serveur, c'est un assistant qui risque de citer la mauvaise. La version doit être une métadonnée, et la règle de priorité explicite.
- Mesurer avant. Chronométrez quelques recherches réelles avant le projet. Sans cette base, le gain annoncé ne sera qu'une impression.
- Faire tester par les plus exigeants. Les techniciens qui connaissent les réponses sont les meilleurs testeurs. Leur confiance se gagne en recette, pas en démonstration.
La confidentialité se décide dès le cadrage. Pour des plans sous contrat aéronautique ou défense, l'hébergement en France, l'absence de réentraînement sur les données et, si besoin, un déploiement local sont des choix d'architecture, pas des options ajoutées à la fin. Nous détaillons la préparation d'un fonds documentaire dans notre article sur la préparation d'une base documentaire pour un RAG, et la suite industrielle dans la maintenance prédictive en PME.
Pour regarder ce que cela donnerait sur votre propre fonds documentaire, notre page IA pour l'industrie décrit la démarche.









