Préparer ses données avant un agent IA, c'est faire en sorte que l'agent trouve la bonne information, à jour, et rien de plus que ce qu'il a le droit de voir. Cela passe par quatre gestes : supprimer ce qui ne sert plus, ranger chaque donnée à une place connue, nettoyer les doublons et les versions concurrentes, puis vérifier qui a accès à quoi. Ensuite, il faut que cet ordre tienne dans la durée.
C'est l'étape que la plupart des projets sautent, parce qu'elle est moins visible qu'une démonstration. Elle décide pourtant de la qualité des réponses de l'agent et des risques qu'il fait courir. Voici la méthode que nous appliquons, les 5S de la donnée, et la façon de la mener dans une PME sans tout reprendre à zéro.
Pourquoi les données passent avant l'agent
Un agent IA ne sait que ce que vos données lui disent. Si deux fichiers clients se contredisent, il choisira l'un des deux, sans prévenir. Si une procédure de 2019 traîne à côté de celle de 2025, il peut citer l'ancienne avec le même aplomb.
Le risque n'est pas théorique. Dans un communiqué du 26 février 2025, Gartner prévoit que, jusqu'en 2026, les organisations abandonneront 60 % des projets d'IA qui ne s'appuient pas sur des données prêtes pour l'IA. La même enquête, menée en juillet 2024 auprès de 1 203 responsables de la gestion des données, indique que 63 % des organisations n'ont pas, ou ne savent pas si elles ont, les bonnes pratiques de gestion des données.
Une PME n'a pas besoin d'un projet de plusieurs années pour s'en protéger. Elle a besoin de remettre en ordre les données qui servent au cas d'usage visé, et seulement celles-là.
La méthode des 5S de la donnée
Notre règle tient en une phrase : « Pas d'agent IA avant les 5S. » La méthode s'inspire du 5S du lean, appliqué aux données : trier, ranger, nettoyer, standardiser, maintenir. Chaque étape répond à une question simple.
Trier : de quoi l'agent a-t-il besoin ?
On part du cas d'usage, pas de l'ensemble du système d'information. Un agent qui prépare des devis a besoin du catalogue, des tarifs en vigueur et des conditions commerciales. Il n'a pas besoin des archives de 2012 ni des dossiers du personnel. Ce qui ne sert ni au métier ni à l'agent est archivé ou supprimé.
Ranger : où se trouve la bonne version ?
Chaque donnée doit avoir une place connue de tous : une bibliothèque SharePoint pour les procédures, le CRM pour les contacts, l'ERP pour les stocks. Tant qu'une information existe à la fois dans une pièce jointe, un dossier personnel OneDrive et un fichier Excel partagé, un agent ne peut pas savoir laquelle croire.
Nettoyer : qu'est-ce qui est faux ou en double ?
On supprime les doublons, les sources de vérité concurrentes et les fichiers Excel tenus à la main en parallèle du logiciel. On corrige les champs mal remplis qui servent au cas d'usage. Un contrôle à la main sur un échantillon de fiches suffit souvent à mesurer l'ampleur du travail.
Standardiser : quelles règles pour tout le monde ?
Une même façon de nommer les fichiers, des formats de date et de référence communs, un modèle de document par type de procédure. Ces règles évoluent par étapes, avec les équipes, plutôt que d'être imposées d'un coup.
Maintenir : qui garde l'ordre dans six mois ?
Sans suivi, le désordre revient en quelques semaines. Il faut un responsable par source de données et un contrôle régulier. Dans notre parcours, cette étape relève de l'exploitation sous contrat.
Les documents comptent autant que les tableaux
Les guides des éditeurs de logiciels de données parlent surtout de bases clients et de tableaux. Dans une PME, la plupart des agents travaillent pourtant sur des documents : procédures internes, contrats, fiches produits, échanges avec les clients. Ces documents se préparent aussi.
- Gardez une seule version en vigueur de chaque procédure, avec sa date, et archivez les autres hors de la portée de l'agent.
- Donnez aux documents des titres qui disent ce qu'ils contiennent. « Procédure retour client 2026 » se retrouve mieux que « doc final v3 ».
- Évitez les informations qui n'existent que dans des captures d'écran ou des scans illisibles : l'agent les lira mal.
- Repérez les documents qui contiennent des données personnelles ou sensibles avant de les rendre accessibles.
Ce travail sert aussi vos équipes : elles cherchent les mêmes documents que l'agent.
Donner les bons accès, avant de brancher l'agent
Un agent IA ne doit voir que ce dont il a besoin pour sa tâche. Le danger le plus fréquent n'est pas une faille technique, mais un partage trop large que personne n'a remarqué : un dossier RH ouvert à toute l'entreprise, un lien de partage « tout le monde » créé il y a trois ans.
Microsoft le dit pour ses propres outils : Microsoft 365 Copilot et les agents s'appuient sur les données auxquelles l'utilisateur a déjà accès. La documentation de Microsoft Learn recommande donc de corriger le surpartage avant le déploiement, en repérant les sites et fichiers à risque et en restreignant les accès si besoin. Notre article sur Copilot et le sur-partage dans Microsoft 365 détaille les situations à vérifier.
L'ANSSI va dans le même sens dans ses recommandations de sécurité pour un système d'IA générative (avril 2024). Elle demande de prendre en compte le besoin d'en connaître dès la conception, d'appliquer le moindre privilège aux comptes d'administration, de revoir régulièrement les droits des outils d'IA sur les applications métier et de journaliser les traitements réalisés.
Avant de brancher un agent, vérifiez au minimum :
- les dossiers et sites qu'il pourra lire, et ceux qu'il ne doit jamais lire ;
- les actions qu'il pourra faire (lire, écrire, envoyer), avec un compte qui lui est propre ;
- la trace de ce qu'il fait, pour pouvoir expliquer une réponse ou une erreur.
Pour aller plus loin, notre article explique comment sécuriser un projet d'agent IA en entreprise.
Les données personnelles : ne garder que l'utile
Si l'agent traite des données de clients, de salariés ou de candidats, le RGPD s'applique. La règle de base est la minimisation : la CNIL rappelle, dans ses fiches pratiques sur l'IA, qu'il s'agit de s'assurer que les données sont pertinentes compte tenu des objectifs poursuivis.
Pour un agent, cela veut dire retirer de son périmètre les données personnelles dont il n'a pas besoin, fixer combien de temps elles sont gardées et documenter les sources utilisées. Chez IT Systèmes, les données de nos clients ne servent pas à entraîner les modèles d'IA, et nos agents sont hébergés par défaut sur Azure, en région France.
Par où commencer dans une PME
Commencez par un seul cas d'usage, le plus utile et le plus simple. Préparer toutes les données de l'entreprise avant de lancer un premier agent est le meilleur moyen de ne jamais le lancer.
- Choisissez la tâche à confier à l'agent et la personne qui la fait aujourd'hui.
- Listez les sources dont cette personne se sert : logiciels, dossiers partagés, boîtes mail, fichiers Excel.
- Pour chaque source, notez qui en est responsable, si elle est à jour et qui y a accès.
- Contrôlez à la main une centaine de fiches ou de documents pour mesurer les erreurs et les doublons.
- Corrigez d'abord ce qui bloque le cas d'usage, et laissez le reste pour plus tard.
Cet état des lieux montre souvent qu'une simple automatisation suffit, sans agent. C'est une bonne nouvelle : elle coûte moins cher et se maintient plus facilement.
Comment nous accompagnons cette préparation
Chez IT Systèmes, la préparation des données est une étape à part du parcours d'un agent IA, pas une ligne cachée dans le devis de construction.
- Le pré-diagnostic : un échange gratuit de 45 minutes sur votre processus et vos données. Il peut conclure qu'un audit n'est pas utile ; vous recevez ensuite un mail court avec la réponse, la raison et la prochaine étape.
- Le Diag iA, notre audit IA pour les PME : il mesure où vous en êtes sur chacun des 5S, identifie les cas d'usage, les priorise et chiffre ce qu'il faut traiter avant tout agent.
- La remise en ordre des données : nous traitons ce que le Diag iA a chiffré, par lots définis à l'avance, sur devis.
- La construction et la mise en production : un agent coûte de 5 000 à 30 000 € HT selon sa complexité, avec 30 à 90 jours entre le Diag iA et la mise en production, selon le périmètre.
- L'exploitation, sous contrat : nous suivons l'agent au quotidien et tenons l'étape Maintenir dans la durée.
Ce que nous apprenons de votre entreprise est écrit dans un référentiel qui vous appartient. Pour voir le parcours complet, consultez notre page agents IA pour les entreprises ; pour la partie technique du branchement de l'agent sur vos outils, notre guide pour intégrer un agent IA dans un système d'information existant. Le détail des budgets est dans notre article combien coûte un agent IA en entreprise.
Frequently asked questions
Faut-il des données parfaites pour lancer un agent IA ?
Non. Il faut des données fiables sur le périmètre de l'agent, pas dans toute l'entreprise. On remet en ordre les sources dont le cas d'usage a besoin, puis on étend au fil des projets.
Que sont les 5S de la donnée ?
C'est la méthode d'IT Systèmes, inspirée du 5S du lean : trier, ranger, nettoyer, standardiser et maintenir les données. Notre règle est simple : pas d'agent IA avant les 5S.
Comment éviter qu'un agent IA voie des informations confidentielles ?
En vérifiant les droits d'accès avant de le brancher : corriger les partages trop larges, donner à l'agent un compte qui lui est propre, limité aux dossiers utiles à sa tâche, et garder une trace de ses actions.
Combien coûte la préparation des données ?
Cela dépend de l'état de vos données. Chez IT Systèmes, le Diag iA chiffre le travail à faire, puis la remise en ordre est réalisée par lots définis à l'avance, sur devis. Le premier échange de 45 minutes est gratuit.
Sources
- Gartner, Lack of AI-Ready Data Puts AI Projects at Risk, 26 février 2025, consulté le 13/11/2026.
- ANSSI, Recommandations de sécurité pour un système d'IA générative, 29 avril 2024, consulté le 13/11/2026.
- Microsoft Learn, Get ready for Microsoft 365 Copilot and agents with SharePoint Advanced Management, mis à jour le 3 novembre 2026, consulté le 13/11/2026.
- CNIL, IA : Tenir compte de la protection des données dans la collecte et la gestion des données, 8 avril 2024, consulté le 13/11/2026.





.png)
