Seulement 4 % des organisations françaises, publiques et privées, disposeraient de données normalisées et gouvernées, prêtes pour l’IA. C’est le constat central d’une étude publiée en avril 2026 par le Laboratoire Hubert Curien (CNRS, Université Jean Monnet), menée auprès de 746 décideurs IT dans le cadre du consortium DaVinciDoc. Ce chiffre contredit une intuition répandue : beaucoup d’entreprises pensent avoir réglé leur sujet IA en activant Copilot ou en ouvrant l’accès à ChatGPT. L’étude montre autre chose. L’outil est rarement le facteur limitant. La donnée qu’on lui donne à lire l’est.
Ce que révèle l'étude DaVinciDoc sur la préparation des données à l'IA
Le détail des chiffres dessine une image nette de l’état des lieux documentaire en France. 75 % des organisations sondées n’auraient pas sécurisé leurs bases, avec un versionnage partiel et un archivage fait au coup par coup. 85 % ne maîtriseraient pas la qualité de leurs données, entre doublons et versions contradictoires. 56 % classeraient encore leurs documents manuellement, avec peu de métadonnées.
Le lien entre préparation des données et adoption réelle de l’IA n’a rien d’anecdotique : les organisations dont les données sont jugées prêtes pour l’IA affichent un score d’adoption 2,4 fois supérieur aux autres. Le rapport résume le risque sans détour : un système RAG qui interroge une base truffée de doublons produira des hallucinations documentées, avec la légitimité trompeuse d’une source interne.
| Indicateur DaVinciDoc (2026) | Valeur |
|---|---|
| Organisations avec des données prêtes pour l’IA | 4 % |
| Organisations sans base documentaire sécurisée | 75 % |
| Organisations sans maîtrise de la qualité des données | 85 % |
| Classement documentaire encore manuel | 56 % |
| Score d’adoption IA, données prêtes vs non prêtes | x 2,4 |
| Organisations dotées d’un système RAG | 13 % |
Source : Baromètre national DSI Data & IA 2026, consortium DaVinciDoc.
Trois mécanismes qui expliquent pourquoi un corpus mal gouverné sabote un projet IA
Un corpus mal gouverné ne se contente pas de ralentir un projet IA, il produit des effets précis, qu’on retrouve d’un environnement Microsoft 365 à l’autre.
Des doublons et des versions obsolètes coexistent souvent sur un même espace SharePoint, sans qu’aucune des deux ne soit signalée comme la référence. Un assistant IA interrogé sur ce corpus n’a aucun moyen de savoir laquelle citer, et répond avec la version qu’il trouve, sans certitude qu’il s’agisse de la bonne.
Les partages jamais revus posent un second problème, plus discret mais tout aussi réel. Un accès accordé un jour pour un projet ponctuel reste actif des mois, parfois des années après. Le jour où un assistant IA se met à indexer et résumer ce corpus, chaque partage oublié devient un canal d’exposition instantanée à une information qui aurait dû rester cloisonnée.
Le troisième mécanisme tient à l’absence de tri en amont. Quand un projet IA démarre sur un corpus jamais classé, il hérite du désordre existant plutôt que de le corriger. La donnée en entrée détermine la qualité de la réponse en sortie ; sur un socle non trié, ce rapport reste défavorable, quel que soit le modèle choisi derrière.
Le biais Copilot fausse-t-il le taux réel de déploiement de l'IA documentaire ?
Dans le détail des outils utilisés, Copilot domine largement les usages déclarés, porté par son intégration native dans Microsoft 365. L’étude DaVinciDoc met en garde sur ce point : ajouter Copilot à un abonnement relève d’une décision d’achat, distincte du choix d’architecture qui déterminera si l’outil est réellement exploitable sur le corpus existant. Déclarer un outil et l’utiliser sont deux choses distinctes, et les analyses convergent sur un écart significatif entre licences activées et usages effectifs.
Le taux de déploiement déclaré d’outils d’IA documentaire doit également être distingué de l’adoption de l’IA à l’échelle des entreprises. Selon l’Insee, 18 % des entreprises françaises de 10 salariés ou plus utilisaient au moins une technologie d’intelligence artificielle en 2025. Les périmètres et méthodologies étant différents, ces chiffres ne sont pas directement comparables à ceux du baromètre DaVinciDoc, mais ils rappellent qu’équipement, expérimentation et usage effectif ne désignent pas la même réalité.
Comment préparer son corpus documentaire avant un projet IA
C’est précisément l’angle mort que couvre la gouvernance documentaire : préparer le corpus avant de brancher l’IA dessus, plutôt que de découvrir ses limites une fois le projet lancé. Sodoc Radar s’inscrit dans cette logique de préparation, à travers la cartographie de l’existant, l’identification des doublons et des accès à risque, et la réduction du désordre avant qu’un projet d’IA documentaire ne s’appuie dessus.
La recherche en langage naturel sur SharePoint illustre bien cette dépendance : elle ne peut restituer que ce qu’un corpus bien préparé lui permet de voir. La gouvernance prépare la donnée, l’IA l’exploite ensuite.
Le rapport DaVinciDoc pointe aussi un levier structurel : les organisations dotées d’une équipe data dédiée, même sous une forme légère, doublent leur score d’adoption par rapport à celles qui n’en ont pas. La leçon vaut à l’échelle d’un seul chantier documentaire : un projet IA a besoin d’un responsable identifié pour la qualité de ses données d’entrée, une responsabilité distincte du choix du fournisseur pour son modèle.
Avant d'élargir un projet IA, diagnostiquez votre corpus
Le déploiement d’un assistant IA se pilote habituellement par ses cas d’usage. Le rapport DaVinciDoc invite à ajouter une question préalable, trop souvent sautée : sur quel corpus ce projet va-t-il s’appuyer, et ce corpus a-t-il déjà fait l’objet d’un tri ? Avant d’élargir un déploiement Copilot ou un projet RAG à de nouveaux périmètres, un diagnostic de l’état réel du corpus documentaire permet de savoir si la donnée d’entrée tiendra la promesse faite à l’utilisateur final.
Faites diagnostiquer l’état réel de votre corpus documentaire avant votre prochain projet d’IA documentaire.
