Cas d'usageMigration de contenu
Les achats quittent OpenText : 3,8 millions de fichiers, la moitié sans type, beaucoup en triple. Les copier tels quels livrerait ce désordre à l'IA.
Le contenu est mesuré avant de bougerChaque fichier reçoit une classe et ses propriétés en cheminUne personne revoit chaque fichier dont l'IA doute
3,8 millions de fichiers lus sur place. 2,4 millions n'ont aucune catégorie, et 410 000 sont des doublons exacts d'un autre fichier.
source · analyse de découverte, Content ServerL'IA est sous le seuil · une personne confirme ou corrige
Un index de recherche nourri de doublons sans type renvoie trois versions du mauvais contrat, et un assistant appuyé sur eux cite le brouillon au lieu de l'exemplaire signé. Une copie telle quelle déplace le problème dans le nouveau référentiel.
Le nettoyage voyage avec la migration. La chaîne classe chaque fichier, extrait les propriétés que sa classe exige et signale ce qui est redondant, et tout ce qui reste sous le seuil part chez une personne. Les fichiers arrivent avec un type, un fournisseur et un seul exemplaire principal.
Si vous ne gardez qu'une chose de cette page, gardez l'ordre : mesurer le contenu, définir à quoi ressemble un fichier utilisable, corriger chaque fichier dans la chaîne, et envoyer les doutes à une personne. Tomas mesure, Kevin construit la chaîne, et Kenza tranche les doutes avant de poser la première question.
Un profil qualité vient d'abord : il dit à l'équipe de quelles étapes la chaîne a besoin et combien de revue prévoir.
Tomas Lindqvist, architecte de contenu, lance une analyse de découverte sur l'espace achats du Content Server. Elle lit formats, volumes, catégories et dossiers sur place, et rien ne bouge.
Plus de la moitié des fichiers dort dans des dossiers appelés Divers, Scans ou Ancien. Le profil devient la référence à laquelle le projet sera mesuré.
Tomas écrit le modèle cible avec l'équipe achats : huit classes de documents, chacune avec ses propriétés obligatoires. Un contrat fournisseur demande un fournisseur, un numéro de contrat, une date de début et un indicateur de signature.
Un fichier qui ne peut pas recevoir ses propriétés obligatoires n'est jamais chargé avec des blancs. Il part en revue.
Quatre étapes s'intercalent entre l'extraction et le chargement, et chacune écrit sur le fichier ce qu'elle a fait.
Kevin Brandt, ingénieur migration, ajoute une étape de classement après l'extraction. L'IA lit chaque fichier et propose l'une des huit classes avec un niveau de confiance.
Au-dessus du seuil fixé par Tomas pour cet usage, la classe est appliquée. En dessous, le fichier part dans la file de revue avec la proposition de l'IA jointe.
Une fois qu'un fichier a sa classe, l'étape suivante extrait les propriétés de cette classe : nom du fournisseur, numéro de contrat, dates, montants. Une règle métier aligne le nom du fournisseur sur l'orthographe utilisée par les achats.
Les doublons exacts ont été comptés dans le profil. L'IA signale aussi le contenu redondant que l'analyse ne voit pas : le même contrat numérisé deux fois, un brouillon Word à côté de son PDF signé. Elle signale en même temps les données personnelles d'une numérisation.
La règle garde l'exemplaire signé comme document principal. Toutes les autres copies sont mises de côté et listées dans le rapport, avec leur chemin d'origine.
Kenza Brahimi, des achats, ouvre la file de revue chaque matin. Chaque fichier montre la proposition de l'IA et ce qui manque. Elle confirme SCAN_0412_0004 comme courrier fournisseur, choisit le fournisseur, et marque deux anciennes pages de garde de télécopie comme inutiles à garder.
Après chaque lot, l'équipe compare le résultat à la référence, puis essaie le contenu comme le feront les utilisateurs.
Kevin passe le dossier Scans par lots. Les comptes par étape montrent où les fichiers quittent le chemin principal : mis de côté comme redondants, envoyés en revue, exclus par une personne. Chaque sortie a une raison qu'on peut lister et exporter.
Tomas ouvre le rapport qualité. Il reprend les mesures du profil du premier acte, pour que les deux se lisent côte à côte : fichiers classés, propriétés obligatoires remplies, groupes redondants tranchés. Il l'envoie au responsable du projet IA avec les fichiers encore ouverts en revue.
Kenza essaie le résultat comme le fera un acheteur. Elle demande à l'assistant le tarif de manutention signé avec Transports Haumont. La réponse cite le contrat signé et sa page, et ne lit que ce qu'elle a le droit de voir.
Quand un fichier sort de la chaîne, l'une de trois choses lui arrive : il est chargé, il attend Kenza, ou il reste en arrière.
L'IA est au-dessus du seuil et chaque propriété obligatoire a une valeur.
Ensuite : le fichier arrive dans sa classe, avec sa trace dans le rapport.Un niveau de confiance faible, ou une propriété obligatoire introuvable.
Ensuite : une personne confirme ou corrige, et le fichier repasse.Une copie du document principal, un brouillon, une page de garde de télécopie.
Ensuite : listé dans le rapport avec son chemin et la raison, sur décision d'une personne.Elle ne supprime rien. Elle n'écrit pas les classes, et n'applique aucune classe dont elle doute. Sur les neuf étapes de cette page, chaque fichier douteux est tranché par une personne, et la décision est enregistrée dessus.
L'IA classe, extrait et signale. Le seuil et les propriétés obligatoires appartiennent à l'équipe : la règle tient quand le volume se compte en millions de fichiers.
Ces comptes viennent du seul dossier Scans, 1,1 million de fichiers. Votre contenu et vos règles fixeront les vôtres.
D'où viennent ces chiffres. Ils sont comptés sur le scénario décrit sur cette page, avec des données d'exemple. Ce ne sont pas des résultats clients.
Avant que du contenu migré nourrisse un projet d'IA, le responsable IA, l'architecte de contenu et les personnes qui connaissent les fournisseurs doivent chacun lui faire confiance. Ce qu'ils y gagnent :
Le projet d'IA a besoin d'un contenu propre, et la migration s'apprête à copier le vieux désordre.
Concevoir un modèle pour des fichiers sans aucune métadonnée : voilà votre mission.
Si l'assistant cite le mauvais contrat, c'est sur votre bureau que ça retombe.
Par un dossier. Prenez celui qui vous inquiète le plus, profilez-le et passez-le dans la chaîne en pilote. Un dossier suffit pour voir les chiffres bouger.
La source est lue sur place pendant le profil, et rien n'arrive dans le nouveau référentiel avant la lecture du rapport de lot.
Et la suite
Montrez-nous une partie de votre Content Server où personne ne trouve rien. Nous la profilerons et vous montrerons ce que la chaîne peut classer et enrichir, et ce qu'une personne aurait à revoir.
UxoDay 2026
Rejoignez-nous à l'UxoDay, le 19 novembre à Paris
Une journée pour retrouver nos clients et nos partenaires : quatre témoignages, des démonstrations en direct et du temps pour échanger.
Je réserve ma place