Informations sur l'entreprise: le problème des données d'entreprise générées par l'IA

Quand on parle de données d’entreprise, les limites structurelles des chatbots IA sont particulièrement visibles : informations obsolètes, données inexactes et hallucinations sont très courantes quand on se fie au scraping de données sur le web.

Les grands modèles de langage (LLM) n’ont généralement pas accès aux données officielles des Chambres de Commerce, de l’Agence des Impôts et d’autres sources officielles, et ils génèrent leurs réponses sur une base probabiliste.

Recherche de données d’entreprise: les limites des chatbots LLM

En quelques années seulement, les chatbots basés sur l’intelligence artificielle (ChatGPT, Google Gemini, Perplexity AI, Claude AI, Microsoft Copilot, etc.) ont révolutionné la façon dont les utilisateurs recherchent des informations en ligne, s’imposant fortement dans les flux de travail des petites et grandes entreprises.

Ces outils, capables de générer rapidement des réponses même à des questions complexes, sont largement utilisés dans le service client et les campagnes de communication, mais aussi dans la génération de leads — et donc dans la collecte de données.

Et c’est précisément sur la qualité des données que les limites des LLM deviennent les plus évidentes : que ce soit de l’information prise à partir de systèmes propriétaires ou du web, les chatbots IA fonctionnent essentiellement par scraping de données (extraction de données de sites web, documents, etc.) et génération de texte basée sur la probabilité.

Ces caractéristiques les exposent à plusieurs problèmes en termes de précision des informations : des données d’entraînement obsolètes, par exemple, conduiront à des informations non actualisées et non fiables, tandis que la recherche de la “réponse la plus probable” peut donner lieu aux fameuses hallucinations des LLM, c’est-à-dire des réponses plausibles mais complètement inventées.

Par conséquent, quand il s’agit de rechercher des données susceptibles d’influencer des décisions d’entreprise et la qualité des propres bases de données, comme les chiffres d’affaires des entreprises, la propriété ou le siège social d’une société, on ne peut pas se fier aux chatbots.

Business Intelligence VS chatbots : quelles sont les différences?

Certaines données relatives aux entreprises, comme le numéro de TVA ou l’adresse PEC, peuvent être facilement disponibles sur le web, et donc à la portée de tout chatbot non spécialisé. Mais lorsque l’on cherche des informations officielles et à jour sur les entreprises pour enrichir ses bases de données, alimenter des statistiques et automatiser les workflows, il n’est pas conseillé de se fier aux réponses d’un LLM.

Les chatbots, en effet, acquièrent leurs informations à partir de blogs, d’articles de presse et d’autres sources non officielles, et n’ont pas la possibilité d’accéder aux données fournies par la Chambre de Commerce, l’Agence des Impôts et d’autres sources accréditées.

Au contraire, les plateformes de business intelligence et celles spécialisées dans la fourniture de données d’entreprise acquièrent leurs informations via des registres et bases de données officiels, assurant des données correctes et toujours actualisées. L’accès à ce type de registres est d’ailleurs à la base des services d’enrichissement de données qui permettent de croiser les données provenant de différentes sources pour profiler les utilisateurs et offrir des rapports toujours plus spécifiques et détaillés.

Données d’entreprise générées par l’IA: quels sont les risques?

Tout LLM peut efficacement résumer les tendances du marché, analyser les secteurs émergents et les informations sur la concurrence, mais il peut aussi fournir des informations inexactes ou totalement fausses sur la propriété ou le chiffre d’affaires d’une entreprise, risquant de tromper vendeurs, investisseurs et autres utilisateurs.

En raison de leur fonctionnement, les LLM ont tendance à “combler les vides” sur une base probabiliste: lorsqu’un chatbot ne trouve pas l’information demandée, il tentera donc de fournir la réponse la plus plausible — parfois en inventant de toutes pièces chiffres, noms et même entreprises entières.

Outre le risque de recevoir des informations fausses, l’utilisation de chatbots pour la vérification des données d’entreprise expose à une limite structurelle : n’ayant pas accès aux registres et documents officiels, ces outils ne peuvent pas fournir de données sur la structure sociétale, sur la véritable propriété de l’entreprise ni sur d’éventuelles protestations ou signalements.

Ceci dit, on comprend bien que les risques sont énormes: en se fiant à des données aussi incertaines, des opérations basiques comme l’enrichissement des informations d’identification peuvent facilement conduire à des systèmes corrompus par les erreurs et les hallucinations des LLM.

Comment utiliser les chatbots pour la vérification des données d’entreprise

Le fait que les chatbots présentent des limites en termes de qualité des données ne signifie pas qu’ils ne puissent pas avoir une excellente application dans la vérification des données d’entreprise. L’important est de leur fournir des données certifiées provenant de sources officielles et de les contraindre à travailler avec celles-ci.

Pour éviter de s’exposer aux dangers du scraping de données sur le web tout en ne renonçant pas aux énormes possibilités offertes par l’intégration de l’intelligence artificielle dans ses systèmes, il faut concevoir un mécanisme dans lequel les différentes opérations sont confiées aux “agents” appropriés. Et il est clair qu’un chatbot, seul, ne peut pas fournir un accès sécurisé aux données d’entreprise.

Pour obtenir des informations sur les entreprises fiables et toujours à jour, comme nous le disions, il faut se référer aux registres officiels, un processus qui peut être facilement automatisé grâce à l’intégration d’APIs qui rendent disponibles en temps réel des centaines de données certifiées et mises à jour sur les entreprises.

Et c’est là que les chatbots pour la vérification des données d’entreprise entrent en jeu : depuis quelque temps, en effet, les assistants basés sur l’IA peuvent exploiter le protocole ouvert MCP (Model Context Protocol) pour se connecter à une infinité de données et d’outils externes, y compris des APIs d’information d’entreprise.

Cela permet d’interroger directement les APIs via des chatbots, c’est-à-dire d’obtenir des informations certifiées sur les entreprises, mises à jour en temps réel, simplement en interagendo avec un assistant IA, en langage naturel.