Un chatbot qui répond, mais qui ne récite jamais
Demandez à un chatbot généraliste combien de jours de préavis prévoit votre règlement intérieur pour convoquer une assemblée générale extraordinaire. Il vous répondra. Avec assurance, souvent. Le problème, c'est qu'il n'a jamais lu votre règlement intérieur. Il a été entraîné sur des milliards de textes, dont probablement quelques dizaines de statuts d'associations, et il va reconstituer une réponse plausible à partir de ce qu'il a vu passer ailleurs. Plausible, mais pas fiable. C'est exactement le problème que le chatbot documentaire d'Assoc-IA a été conçu pour éviter.
La différence tient à une méthode qui porte un nom un peu aride, le RAG, pour retrieval-augmented generation. Traduit simplement : avant de rédiger une réponse, le système va chercher dans vos propres documents. Statuts, règlement intérieur, comptes-rendus de conseil d'administration, procédures internes. Il ne répond pas à partir de ce qu'il croit savoir sur les associations en général. Il répond à partir de ce que vos documents disent, à vous, et rien d'autre.
Pourquoi savoir n'est pas la même chose que retrouver
Un modèle de langage classique fonctionne un peu comme une personne qui aurait lu énormément de choses il y a longtemps, et qui répond de mémoire. La mémoire flanche, se mélange, invente des détails pour combler les trous. On appelle ça une hallucination dans le jargon technique, mais le mot compte moins que le résultat : une réponse qui a l'air juste et qui ne l'est pas.
Le chatbot documentaire ne travaille pas de mémoire. À chaque question posée par un adhérent ou un bénévole, il commence par une recherche dans la base documentaire de l'association. Ensuite seulement, il rédige une réponse, construite à partir des passages qu'il vient de trouver. La génération de texte arrive en second, jamais en premier. C'est cet ordre des opérations qui change tout.
Comment le système retrouve le bon passage dans le bon document
Concrètement, chaque document versé par l'association (un PDF de statuts, un compte-rendu, une simple note de procédure griffonnée après une réunion) est découpé en fragments, puis indexé de façon à pouvoir être retrouvé rapidement selon le sens de la question, pas seulement selon les mots exacts employés. Une question posée avec des mots différents de ceux du document peut donc quand même tomber sur le bon passage. Si un adhérent demande "peut-on démissionner en cours d'année", et que le règlement intérieur parle de "cessation d'adhésion", le système fait le lien.
Une fois les passages les plus pertinents identifiés, ils sont transmis au modèle de langage avec une consigne claire : rédiger une réponse en s'appuyant uniquement sur ce contenu. Pas d'improvisation, pas de recours à des connaissances générales pour combler ce que les documents ne disent pas. Si l'information n'existe pas dans les documents de l'association, le chatbot doit le signaler plutôt que de deviner.
La citation de source, cœur du dispositif
C'est là que la citation de source prend tout son sens. Ce n'est pas un habillage pour rassurer, ni une case à cocher pour la conformité. C'est la preuve que la réponse repose sur un document réel, identifiable, et non sur une reconstitution. Chaque réponse du chatbot renvoie au passage exact d'où elle est tirée, avec le document source. Un trésorier peut ainsi vérifier en deux secondes que la réponse sur les modalités de remboursement des frais correspond bien à ce que dit la procédure votée en bureau, sans avoir à rouvrir le fichier PDF de vingt pages pour retrouver le bon paragraphe.
Cette traçabilité change aussi la nature de la confiance qu'on peut accorder à l'outil. On ne demande pas aux bénévoles de croire le chatbot sur parole. On leur donne les moyens de vérifier, tout de suite, sans effort. Pour une association, où les décisions s'appuient souvent sur des textes votés collectivement, statuts, règlements, procès-verbaux, cette possibilité de remonter à la source n'est pas un détail technique. C'est ce qui rend l'outil utilisable en toute confiance par des personnes qui n'ont ni le temps ni l'envie de fouiller dans des archives.
Des documents organisés, pas un tas de fichiers
Toutes les associations n'ont pas vocation à partager les mêmes documents avec tout le monde. Un compte-rendu de bureau n'a pas la même destination qu'une plaquette d'adhésion. La gestion documentaire d'Assoc-IA permet de regrouper les documents en collections thématiques, avec des droits d'accès configurables selon qui pose la question. Un adhérent qui consulte le chatbot n'aura pas accès aux mêmes réponses qu'un membre du conseil d'administration, sans que personne n'ait à trier manuellement ce qui peut être vu ou non.
Les documents restent hébergés et traités en France, dans le respect du RGPD, ce qui compte particulièrement pour des structures qui manipulent des données de donateurs, de bénévoles ou de bénéficiaires. La facturation suit l'usage réel plutôt qu'un abonnement par utilisateur, ce qui évite de payer pour des comptes qui ne servent jamais. L'outil équipe déjà des structures en production, dont daniel-ia.fr, et repose sur une équipe technique formée à l'École polytechnique, un détail qui compte quand il s'agit de garantir que la recherche documentaire reste rigoureuse même sur des corpus complexes et mal formatés, ce qui est souvent le cas des archives associatives accumulées depuis des années.