Demander « combien avons-nous de clients actifs ? » à une IA connectée aux données peut devenir très simple.
Le problème commence quand le commerce, la finance et le support ont trois définitions différentes de « client actif ».
L’outil peut être excellent. Il n’a aucune chance de fabriquer tout seul une définition commune que l’entreprise n’a jamais décidée.
Le langage naturel rend les ambiguïtés beaucoup plus visibles
Avant, certaines personnes ne touchaient pas aux données parce qu’il fallait connaître le bon tableau, la bonne requête ou le bon outil.
Avec des agents de données, beaucoup plus de monde peut poser une question directement.
C’est une excellente évolution. Elle fait aussi remonter une vieille dette : les mots métier ont souvent plusieurs sens.
« Marge », « commande », « prospect », « retard », « stock disponible ». Tout le monde comprend ces mots. Pas toujours de la même manière.
Avant de faire un beau dashboard, écris cinq définitions
Pas un dictionnaire de 200 pages.
Prends les indicateurs qui comptent vraiment et écris pour chacun : définition, source, fréquence de mise à jour, exclusions importantes, personne qui tranche en cas de doute.
Rien que ça évite beaucoup de réunions où deux personnes défendent des chiffres différents alors qu’elles ne calculent tout simplement pas la même chose.
Une réponse peut être fausse parce que le calcul est mauvais. Elle peut aussi être incomplète parce que l’agent n’a pas accès à une source, ou trop large parce qu’il voit des données qu’il ne devrait pas voir.
Connexion et autorisation sont donc deux sujets différents.
« Techniquement accessible » ne veut pas dire « utile pour cette question », encore moins « autorisé pour cette personne ».
Utilise l’IA pour révéler les ambiguïtés
Il y a un exercice assez efficace : demande au système quelles définitions lui manquent pour répondre correctement à une question métier.
Si la réponse est « je ne sais pas si une commande annulée compte dans le volume », tu viens peut-être de découvrir une règle que l’équipe n’avait jamais formalisée.
Ce n’est pas un échec du modèle. C’est une ambiguïté du travail qui devient visible.
OpenAI a présenté le 10 septembre 2026 de nouveaux usages pour rendre les données d’entreprise plus directement interrogeables. La direction est claire : poser une question aux données devient plus accessible. Voir la publication.
Ça rend les définitions communes encore plus importantes, pas moins.
Une IA peut accélérer la réponse. Elle ne peut pas décider à ta place ce que ton entreprise veut dire par « bon chiffre ».