• IA générative, machine learning, NLP, recherche sémantique, assistants documentaires : repères essentiels.
• Pourquoi la qualité des sources conditionne la qualité des réponses.
• Différence entre entraîner un modèle, interroger un corpus, créer un assistant ou mettre en place un RAG.
• Rôle des documentalistes, archivistes, bibliothécaires et gestionnaires de l’information dans l’écosystème IA.
• Exemples d’applications : OCR, extraction d’entités, recherche intelligente, enrichissement de métadonnées, assistant documentaire.
• Enjeux éthiques, biais, confidentialité et gouvernance.

• Typologie des données : structurées, semi-structurées, non structurées.
• Identifier les formats et sources disponibles : PDF, bureautique, bases, images, audio, pages web, exports.
• Métadonnées et standards documentaires : Dublin Core, MARC, METS, PREMIS, TEI, référentiels internes.
• Structuration des documents : titres, sections, paragraphes, tableaux, images, annexes.
• Définir le niveau de granularité utile : document, page, paragraphe, notice, fragment.
• Construire une grille d’analyse de la qualité documentaire.

Atelier pratique
Auditer un mini-corpus et identifier les problèmes de structure, format, métadonnées et qualité.

• Prétraitement des documents : OCR, reconnaissance de mise en page, correction d’erreurs.
• Nettoyage des textes : bruit, caractères spéciaux, formats, doublons, versions multiples.
• Normalisation : casse, ponctuation, dates, noms, variantes terminologiques.
• Détection et correction des erreurs issues de la numérisation ou de l’OCR.
• Enrichissement par mots-clés, résumés, catégories, concepts ou métadonnées.
• Reconnaissance d’entités nommées : personnes, organisations, lieux, dates, concepts.
• Apports des ontologies, lexiques et bases de connaissances.

Atelier pratique
Nettoyer et enrichir un petit jeu de documents ou notices pour améliorer son exploitabilité.

• Qu’est-ce qu’un corpus exploitable par IA ?
• Critères de sélection des sources.
• Qualité, représentativité, diversité et équilibre du corpus.
• Documents à exclure : obsolètes, redondants, sensibles, hors périmètre.
• Anonymisation et pseudonymisation lorsque nécessaire.
• Découpage des contenus et préparation pour la recherche sémantique.
• Bases vectorielles et embeddings : comprendre les principes sans entrer dans la technique.
• RAG : principe, intérêts, limites et conditions de réussite.

• Annotation manuelle, semi-automatique ou assistée par IA.
• Types d’annotations : thèmes, entités, relations, niveaux de confiance, catégories.
• Outils et stratégies d’annotation.
• Contrôle qualité des annotations.
• Construire une règle d’annotation simple et partageable.
• Limites et coûts de l’annotation.

Atelier pratique
Définir une règle d’annotation et qualifier un échantillon de corpus.

• Aligner les pratiques avec la gouvernance de l’intelligence artificielle et celle des données
• Critères de qualité des datasets : diversité, échantillonnage, équilibre
• Open Data et exploitation de jeux de données publics (data.gouv.fr, Europeana, Kaggle)
• Introduction aux FAIR Data Principles (Findable, Accessible, Interoperable, Reusable)
• Formatage et étiquetage des jeux de données pour entraînement IA

• Données personnelles, données sensibles, documents confidentiels.
• Droits d’auteur et réutilisation des contenus.
• Traçabilité des sources.
• Gestion des versions et mises à jour.
• Critères de qualité : exactitude, fraîcheur, complétude, cohérence, interopérabilité.
• Lien avec la gouvernance des données et la gouvernance IA.
• Checklist de validation avant usage IA.

• sources à mobiliser ;
• formats disponibles ;
• métadonnées à contrôler ;
• traitements à réaliser ;
• risques juridiques ou de confidentialité ;
• critères qualité ;
• règles d’annotation ;
• livrables attendus ;
• étapes de validation.

• Évaluer la qualité d’un corpus documentaire pour un usage IA.
• Structurer et enrichir des documents ou données non structurées.
• Identifier les métadonnées nécessaires à l’exploitation par l’IA.
• Comprendre les notions de corpus, annotation, NER, bases vectorielles et RAG.
• Repérer les risques liés aux droits, à la confidentialité et aux biais.
• Préparer une checklist opérationnelle pour un projet IA documentaire.

• Auto-évaluation dans le questionnaire de préparation
• Validation des concepts
• Exercices pratiques
• QCM
• Évaluation à chaud
• Évaluation à froid (6 mois)

Avant : FAD101 pour les usages IA en documentation ou FA119 pour le Knowledge Management augmenté.

Après : FA141 pour explorer un corpus avec NotebookLM, FA142 pour créer un assistant IA documentaire, FA99 pour aller vers les LLM et les données d’entreprise.