Université: fiabiliser un assistant IA avec un graphe de connaissances

Contexte

L'établissement souhaitait déployer un assistant IA pour répondre aux questions sur les règles académiques, les politiques internes et certains processus administratifs. Les informations existaient, mais elles étaient réparties entre plusieurs dépôts documentaires et interprétées différemment selon les unités.

Problème

Les essais initiaux montraient des réponses plausibles mais instables, sans ancrage suffisant dans les sources officielles. Le risque était élevé pour les équipes qui devaient répondre à des enjeux d'admission, de cheminement et de conformité institutionnelle.

Ce cas renvoie directement à [IA non fiable en contexte organisationnel](/problemes/ia-non-fiable-organisation/) et aux besoins du secteur [Universités](/secteurs/universites/).

Intervention

Cotechnoe a proposé une approche en trois volets: définition d'un noyau de concepts institutionnels, priorisation des sources faisant autorité, puis branchement d'un mécanisme RAG sur une couche de connaissance structurée.

• Cartographie des politiques et règlements prioritaires.
• Modélisation des entités, relations et règles de validité.
• Prototype de réponses avec sources explicites et périmètres clairs.

L'intervention s'appuie sur les services [IA & RAG](/services/intelligence-artificielle/) et [Knowledge Graphs](/services/knowledge-graphs/).

Résultats

• Réduction des réponses contradictoires sur les cas les plus fréquents.
• Amélioration de la confiance des équipes administratives envers l'assistant.
• Meilleure traçabilité des réponses grâce à l'explicitation des sources.
• Base plus solide pour élargir l'usage à d'autres unités.