Un RAG pour toute l'équipe : le cas d'un cabinet qui interroge enfin sa connaissance interne

La semaine dernière, j’ai eu un call avec un cabinet de conseil. Une dizaine de personnes, des dossiers clients pointus, des années d’expertise accumulée. Et un problème que je retrouve dans presque toutes les boîtes de ce genre : leur connaissance est partout et nulle part à la fois.

Le compte rendu de la réunion d’il y a six mois avec tel interlocuteur ? Quelque part dans la boîte mail d’un consultant. La note de cadrage d’un dossier similaire déjà traité ? Sur le drive personnel de quelqu’un qui est en congé. La veille sectorielle qui tombe chaque matin ? Recopiée à la main par les stagiaires, puis oubliée. Quand un consultant démarre un nouveau sujet, il refait souvent un travail que la boîte a déjà fait, parce que personne ne sait où l’info dort. Pendant le call, la question est tombée : est-ce qu’une IA pourrait aller piocher là-dedans à notre place ?

La réponse est oui. Et la pièce qui rend ça possible, c’est ce qu’on appelle un RAG. Je te raconte ce qu’on a posé, parce que le cas parle à n’importe quelle boîte qui a de la matière intelligente coincée dans des mails, des Word et des têtes.

Le vrai problème : la connaissance existe, mais elle est prisonnière

C’est le piège des boîtes qui vivent de leur cerveau collectif. Elles produisent de la valeur en continu (des analyses, des retours de terrain), mais cette valeur se dépose dans des endroits qui ne se parlent pas. Le savoir n’est pas perdu, il est juste inaccessible au moment où on en a besoin.

Le patron m’a résumé son quotidien sans le vouloir. Il voulait pouvoir demander à une IA : « lis tous les comptes rendus de nos rendez-vous avec cette personne, sur tous les dossiers clients, et dis-moi les points sur lesquels elle revient toujours ». Aucun outil du commerce ne sait faire ça, parce que la réponse est éclatée dans dix documents que seul un humain sait relier. Sauf qu’un humain qui relit dix comptes rendus, c’est une demi-journée. Une IA qui a accès à ces dix documents, c’est trente secondes.

Voilà le déclic. Le vrai besoin tenait là : rassembler la matière au même endroit et la rendre interrogeable. Le reste découle de ça.

RAG, automatisation, MCP : trois mots, trois rôles

Avant de dessiner quoi que ce soit, on a passé cinq minutes à démêler le vocabulaire, parce que ces trois notions se mélangent tout le temps dans les têtes. Elles ne font pas le même métier.

Le mot	Ce que ça fait vraiment	Quand ça sert
RAG	Une base de documents que l’IA peut lire et citer pour répondre	À la demande, quand tu poses une question à ton savoir
Automatisation	Un robot qui tourne tout seul à heure fixe et déplace de la donnée	En tâche de fond, sans humain devant l’écran
MCP	Une prise standard qui branche l’IA sur un de tes outils	Pour que l’IA agisse, pas seulement qu’elle discute

RAG veut dire Retrieval-Augmented Generation. Derrière le sigle, l’idée est simple : au lieu de répondre avec sa culture générale, l’IA va d’abord chercher dans tes documents à toi, puis rédige à partir de ce qu’elle y trouve. Tu obtiens une réponse ancrée dans ta réalité, pas une généralité plausible.

L’automatisation, c’est un autre animal. C’est le robot qui va, chaque matin à dix heures, récupérer de la donnée et la ranger au bon endroit. Il ne réfléchit pas, il exécute une routine. C’est là que Make entre en scène.

Et le MCP (Model Context Protocol), c’est le connecteur qui donne des mains à l’IA : sans lui, Claude sait parler ; avec lui, il sait ouvrir ton drive, lire un fichier ou créer une fiche. Trois briques, trois rôles. On les a assemblées dans cet ordre.

Chantier n°1 : monter la mémoire interne

C’était la priorité, on l’a designé en premier. L’objectif tient en une phrase : que n’importe qui dans l’équipe puisse poser une question en français et obtenir une réponse tirée des documents maison.

Le mécanisme est plus accessible qu’il n’en a l’air. On rassemble tous les documents utiles (comptes rendus de réunions, notes de cadrage, dossiers clients, veille du jour) dans un seul espace de stockage, un drive partagé type Google Drive ou OneDrive. Puis on branche Claude dessus, via son connecteur. À partir de là, l’IA voit ces fichiers comme une bibliothèque qu’elle peut fouiller à chaque question.

Concrètement, ça donne des demandes de ce genre :

« Prépare une note sur ce dossier en t’appuyant sur les comptes rendus des trois derniers rendez-vous. »
« Quels sont les points qui reviennent dans nos échanges avec cet interlocuteur, tous clients confondus ? »
« Résume ce qu’on sait déjà en interne sur ce sujet avant que je démarre. »

L’IA va lire les bons fichiers, recouper, et te sortir une synthèse sourcée. Le consultant ne part plus de zéro : il part de tout ce que la boîte a déjà appris. C’est ça, la bascule. La connaissance passe du statut de « souvenir de quelqu’un » à celui de ressource partagée.

Chantier n°2 : la veille qui s’alimente toute seule (et la limite qu’on a acceptée)

Deuxième besoin : la veille sectorielle. Chaque jour, le cabinet reçoit des sources payantes, les lit, en tire des signaux. Aujourd’hui, ce sont des stagiaires qui copient-collent le contenu du jour dans un document, à la main. Le rêve, c’était que ce document se remplisse tout seul.

Pour une partie des sources, c’est jouable. Certaines proposent une API (une porte d’entrée technique par laquelle un robot peut récupérer la donnée). Là, un scénario Make fait le travail : il se réveille à heure fixe, va chercher les nouveautés, et les dépose dans le drive au bon format. Le RAG les avale dans la foulée, et la veille du jour est prête avant que quiconque arrive au bureau.

Mais on a buté sur un mur, et je préfère te le raconter plutôt que de te vendre du rêve.

Cette décision, en apparence un renoncement, est en fait le bon calcul. L’obsession de tout automatiser fait rater l’objectif. Le but, c’était une connaissance interrogeable. Un copier-coller de deux minutes qui alimente une base consultée par dix personnes toute la journée, c’est un excellent rapport effort/valeur. On automatise ce qui se laisse automatiser, on assume le reste, et on ne bloque pas le projet entier sur les 10 % rétifs.

Chantier n°3 : les fiches et les notes qui se nourrissent du RAG

Une fois la mémoire en place, les usages qui semblaient prioritaires au début deviennent presque triviaux. C’est le bon ordre qui les rend faciles.

La fiche de synthèse sur un interlocuteur ? On demande à l’IA d’aller chercher dans le RAG tout ce que le cabinet possède sur cette personne (comptes rendus, notes, mentions dans d’autres dossiers) et de composer la fiche. La note de cadrage d’un nouveau dossier ? Même logique : elle s’appuie sur les dossiers comparables déjà traités. La veille du matin ? L’IA lit le document « veille du jour » fraîchement alimenté et en tire les points saillants.

Ce sont trois usages différents qui partagent le même moteur. On ne recode rien à chaque fois. On pose une instruction à l’IA (« quand tu fais une fiche, va lire ceci dans la base »), et la brique déjà construite fait le reste. C’est tout l’intérêt d’avoir démarré par le socle : chaque nouveau besoin devient une phrase, pas un projet.

La brique Make : le robot qui remplit le drive pendant que tu dors

Revenons deux secondes sur la partie automatisation, parce que c’est le cœur de ce qu’on enseigne et le point où beaucoup de monde bloque. Une veille qui s’alimente seule, techniquement, c’est un scénario tout ce qu’il y a de classique.

Tu poses un déclencheur temporel (« tous les jours à 6 h »). Derrière, le scénario va interroger les sources qui ont une API, met en forme ce qu’il récupère, et écrit un fichier propre dans le drive partagé. Trois modules bien réglés, et la routine tourne sans que personne y pense. C’est exactement le genre de mécanique que Make rend accessible sans écrire de code : la personne qui connaît le métier construit et ajuste elle-même l’automatisation, sans dépendre d’un développeur débordé.

Et quand il faut brancher l’IA sur un outil que Claude ne connaît pas nativement, on retombe sur le MCP. Make sait exposer un de tes scénarios comme un serveur MCP : tu construis tes actions en glissant des modules, Make te donne une URL, tu la colles dans Claude, et l’IA voit tes actions comme des outils. Pas de serveur à héberger, pas de dev. J’ai détaillé cette mécanique dans Make AI Agents + MCP : brancher ton agent à n’importe quel outil si tu veux le pas-à-pas.

Un compte d’équipe plutôt que dix comptes perso

Un point est remonté pendant l’appel, et il vaut de l’or pour toute boîte qui se met à l’IA. Le réflexe naturel, c’est que chacun prenne son abonnement Claude dans son coin. Le patron avait le sien, les consultants allaient prendre le leur. Sauf que dix abonnements personnels qui ne se parlent pas, c’est dix îlots.

Le plan d’équipe change la donne. Pour un tarif par siège proche d’un abonnement individuel, il permet de partager les configurations entre tout le monde : le connecteur vers le drive, les instructions de veille, les recettes de fiches. Tu montes le système une fois, et les dix personnes en profitent. Avec des comptes éparpillés, chacun rebricole son coin dans son coin, et la connaissance reste cloisonnée, ce qui est exactement le problème qu’on cherchait à tuer au départ. Le choix de l’abonnement décide, au fond, si ton IA est un outil collectif ou dix gadgets isolés.

Ce que ce cas révèle

Ce cabinet n’avait pas un problème d’IA. Il avait un problème de mémoire. Une expertise réelle, produite chaque jour, qui s’évaporait dans des mails et des drives perso au lieu de servir la boîte entière. Le RAG ne crée pas de la connaissance : il rend disponible celle que tu as déjà et que tu payais sans le savoir à re-fabriquer à chaque dossier.

Et ça dépasse largement le conseil. Si dans ta boîte les gens refont un travail déjà fait parce que « on avait sûrement déjà traité ça quelque part », tu as le même chantier devant toi. Rassemble la matière au même endroit, branche une IA dessus pour l’interroger, et automatise avec Make ce qui peut l’être pour que la base reste fraîche. Le RAG n’est pas un truc de laboratoire. C’est le moyen le plus direct de faire enfin travailler pour toi tout ce que ton équipe sait déjà.

Tu veux apprendre à construire ce genre de systèmes, des scénarios Make de base jusqu’aux automatisations qui alimentent une IA et aux serveurs MCP qui la branchent à tes outils ? La formation Make complète t’emmène de débutant à autonome : plus de 100 vidéos, des projets concrets, et un formateur certifié Make Partner pour répondre à tes questions.

Et si tu veux juste tester par toi-même, tu peux ouvrir un compte Make gratuit ici et monter ton premier scénario de veille en quelques minutes.

Sources : Make · Scheduling a scenario, Make · Custom MCP servers, Anthropic · Model Context Protocol.