[Cas client] Faciliter la création & la mise à jour des documents ISO grâce à un agent IA
Comment structurer une base de connaissance et des agents IA pour industrialiser la production documentaire dans un environnement normé (ISO, Qualiopi, etc).
L’IA promet beaucoup. ‘En pratique’ s’intéresse à ce qui fonctionne vraiment en entreprise.
Chaque article décrypte un cas d’usage réel mis en place par nos soins, les outils employés et la méthode utilisée pour passer de l’expérimentation à l’usage.
A la base (quand on est arrivé)
Nous intervenons chez un acteur industriel du secteur agroalimentaire, confronté à un enjeu classique mais critique : la gestion de sa documentation qualité.
Dans ce type d’environnement, la conformité à des référentiels comme ISO 22000 impose :
une documentation structurée
des procédures à jour
un vocabulaire normé
une traçabilité claire
En pratique, cela se traduit souvent par :
des documents éparpillés
des versions multiples
une production lente et manuelle
une forte dépendance à quelques experts internes
La documentation devient alors un sujet à la fois stratégique… et chronophage.
Le besoin
L’objectif n’était pas simplement de “gagner du temps”.
Il s’agissait de répondre à trois enjeux structurants :
Accélérer la production documentaire pour une habilitation rapide
Assurer la conformité aux exigences normatives
Faciliter les mises à jour dans le temps
Autrement dit : transformer une activité encore artisanale en un système industrialisé.
La question stratégique
La vraie question n’était pas :
“Peut-on générer des documents avec de l’IA ?”
Mais plutôt :
“Comment structurer la connaissance pour que l’IA produise des documents conformes, cohérents et exploitables ?”
Sans structuration, un LLM produit du texte.
Avec structuration, il produit de la documentation.
Mise en œuvre & outils utilisés
Stack technique
Phase 1 (proof of concept) : Un agent IA via GPT personnalisé, qui démontre le potentiel de l’outil rapidement, et produit les 1ers documents conformes
Phase 2 (industrialisation) : utilisation de la plateforme d’automatisation Make.com qui permet d’affiner la base de connaissances, le séquencement des actions, et donc la qualité des livrables produits
Base de connaissances interne (documents normatifs + documents entreprise)
Logique multi-agents IA (Perplexity / ChatGPT / Claude)
Le système repose sur trois briques principales :
1. Base normative
Une centralisation des éléments liés à la norme ISO :
exigences
structure attendue des documents
vocabulaire spécifique
typologie des livrables
2. Contexte entreprise
Un second niveau de connaissance :
présentation de l’entreprise
organisation
ADN opérationnel
contraintes métiers
point à date avec la norme travaillée
3. Historique documentaire
Un répertoire des documents déjà existants :
procédures
enregistrements
formats internes
contenus validés
==> C’est la combinaison de ces trois couches qui permet à l’IA de produire des documents pertinents.
Le workflow opérationnel (pas à pas)
Phase 1 — POC avec GPT personnalisé
Intégration des documents de référence dans un GPT custom
Structuration des instructions (format attendu, ton, contraintes)
Génération de premiers documents types
Ajustement itératif des prompts
👉 Objectif : valider la faisabilité et la qualité
Phase 2 — Industrialisation avec Make et multi-agents
Une fois le volume de données augmenté, passage à une logique orchestrée :
Déclenchement d’un besoin documentaire
(nouvelle procédure, mise à jour, etc.)Agent 1 — Analyse de la demande
compréhension du besoin
identification du type de document
Agent 2 — Injection du contexte normatif
récupération des exigences ISO pertinentes
Agent 3 — Injection du contexte entreprise
adaptation au fonctionnement réel
Agent 4 — Génération du document
structuration complète
rédaction conforme
Agent 5 — Contrôle de cohérence
vérification du respect des standards
harmonisation du vocabulaire
Export du document finalisé
Résultats observés
Les résultats ne tiennent pas à une “IA magique”, mais à une structuration solide et efficace.
On observe notamment :
20 documents produits en 1 heure
une homogénéité documentaire renforcée
une réduction drastique du temps de rédaction
une capacité de mise à jour quasi immédiate
Mais surtout :
👉 Le gain de temps généré en interne permet alors une prise de recul via une relecture approfondie et sécurisée des documents, avant validation.
Ce que l’on en a appris
1. L’IA ne remplace pas le besoin de structuration, elle l’exige
Sans base propre :
→ résultats incohérents
→ non exploitables
Avec une base bien construite :
→ production fiable et reproductible
2. La qualité dépend plus des données que du modèle
Changer de modèle ne compense pas :
une base incomplète
des documents non structurés
un manque de contexte métier
3. Le passage au multi-agents change l’échelle
Un seul agent = génération
Plusieurs agents = système de production
C’est ce qui permet :
la cohérence
la scalabilité
l’automatisation réelle
4. La documentation devient un actif dynamique
On passe de :
→ documents figés
à
→ documentation vivante, facilement maintenable
Perspective stratégique
Ce type d’approche dépasse largement le cadre de l’ISO 22000.
Elle est applicable à :
Qualiopi
ISO 9001
référentiels internes
procédures métier complexes
Plus largement, cela pose une question clé :
Et si la documentation n’était plus un livrable… mais un système complet ? L’IA le permet.