La fiabilité des réponses de l’IA dépend aussi de vos PDF

La désinformation de l’IA sur votre marque peut commencer dans vos propres documents

Un chatbot peut présenter votre entreprise de manière erronée tout en répétant fidèlement un document que votre organisation laisse encore accessible au public. Une politique, un guide produit ou un rapport financier peut rester en ligne longtemps après avoir cessé de décrire la situation actuelle. Gérer cette exposition exige deux types de contrôle : veiller à ce que les affirmations publiées soient adaptées à leur finalité et s’assurer que les logiciels puissent en restituer le sens.

Les enjeux augmentent à mesure que les entreprises donnent un rôle plus important à l’IA. Une étude de Bain indique que 74 % des entreprises placent l’IA parmi leurs trois principales priorités stratégiques, tandis que l’enquête 2026 AI Adoption and Risk Survey de Gallagher a révélé que 57 % des répondants considéraient les « erreurs de l’IA, la désinformation et les hallucinations » comme la principale menace perçue liée à l’IA. Ces chiffres reflètent à la fois l’importance que les entreprises accordent à l’IA et les risques perçus par les répondants.

La gestion de ces risques commence souvent par apprendre aux employés à vérifier les résultats de l’IA avant de prendre des décisions ou de publier des contenus générés. Mais les clients créent une autre voie d’exposition lorsqu’ils utilisent des services comme ChatGPT pour se renseigner sur une entreprise. Ils peuvent recevoir des informations inexactes, obtenir des réponses qui donnent trop peu de visibilité à une marque, ou tomber sur des documents obscurs qui attiraient auparavant peu de lecteurs. Les PDF publiés doivent donc faire partie de la réponse d’une organisation à la désinformation de l’IA.

Des PDF oubliés peuvent façonner les réponses sur votre entreprise

Les PDF méritent une attention particulière parce qu’ils échappent souvent aux processus de révision appliqués aux pages web. Un système de gestion de contenu, ou CMS, aide les équipes à organiser et à mettre à jour le contenu d’un site web, mais les fichiers téléversés peuvent recevoir moins d’attention. Une organisation peut maintenir ses pages principales à jour tandis que des milliers de PDF s’accumulent sur ses sites web et dans ses référentiels documentaires.

« L’IA met en lumière un problème de gestion de contenu qui existe depuis des années », a déclaré Dipo Ajose-Coker, responsable marketing de la Content Technology chez RWS Group. RWS a un intérêt commercial à ce que les organisations investissent dans la gestion et la publication de contenu. « Les organisations pouvaient s’en sortir avec des centaines ou des milliers de documents oubliés parce que les humains les trouvaient rarement », a ajouté Ajose-Coker. La récupération par l’IA, c’est-à-dire le processus consistant à trouver des contenus à utiliser dans une réponse, rend ces documents plus faciles à rencontrer.

Trouver davantage de documents soulève aussi une question : quelle version doit faire autorité ? « Les organisations ont souvent plusieurs copies, formats, référentiels et propriétaires pour des informations essentiellement identiques, sans mécanisme fiable pour déterminer ce qui est actuel, fait autorité ou est obsolète », a déclaré Ajose-Coker. Chaque copie supplémentaire rend la question plus difficile à trancher, tandis qu’une propriété mal définie permet à davantage de copies de s’accumuler sans révision cohérente.

Résoudre la question de la propriété exige une aide au-delà de l’équipe web, car l’ensemble couvre de nombreuses fonctions de l’entreprise. Rapports, contrats, brochures, politiques, guides produits et comptes financiers ont des propriétaires et des exigences d’approbation différents. Les rapports annuels, spécifications techniques, documentation produit, informations réglementaires et déclarations officielles de l’entreprise ajoutent encore d’autres obligations de publication. Des consignes de sécurité mal comprises ainsi que des documents opérationnels ou pédagogiques peuvent également avoir de graves conséquences.

Même lorsque les propriétaires identifient un problème, des obstacles pratiques peuvent empêcher les changements. Un autre service peut contrôler l’approbation tandis qu’un partenaire de design externe détient les fichiers d’origine, et une organisation qui a dépensé des milliers pour la conception de PDF peut devoir faire face à des coûts de révision supplémentaires. Les exigences de conformité peuvent aussi restreindre les modifications. Les fichiers peuvent donc rester intacts, tandis que de mauvaises pratiques de suppression permettent à des copies oubliées de persister.

Le maintien en publication peut aussi être délibéré : il permet de conserver des documents de référence, de répondre à des obligations réglementaires ou de maintenir des archives pérennes sur plusieurs canaux pendant des années. Ces archives peuvent être particulièrement utiles à un système de réponse. « Les PDF contiennent très souvent exactement le type d’informations qu’un système d’IA a de bonnes raisons de considérer comme faisant autorité », a déclaré Ajose-Coker. Les contrats, rapports annuels et déclarations réglementaires consignent des positions formelles, tandis que les consignes techniques et de sécurité expliquent les exigences et les actions requises.

Cette utilité change l’importance d’un fichier négligé. « Il y a ici une ironie intéressante », a déclaré Ajose-Coker. Il a également observé : « Les humains considèrent souvent les PDF comme des pièces jointes statiques, alors qu’un système de récupération par l’IA peut les rencontrer comme certaines des sources les plus riches et les plus crédibles de l’écosystème numérique d’une organisation. » Les titres, tableaux, listes et un ordre de lecture clair peuvent rendre un enregistrement figé accessible aux logiciels, même si le fait qu’il soit prioritaire sur une page web dépend de la question posée et du contenu disponible.

Les PDF peuvent véhiculer des informations obsolètes ou en altérer le sens

Le risque commence avec les informations disponibles pour la récupération. Dans une analyse portant sur 187 agents et 360 000 vérifications, le chercheur a attribué 79 % de la désinformation de l’IA aux propres contenus obsolètes des organisations. Cette conclusion concerne l’information organisationnelle au sens large et place directement la maintenance des contenus au cœur du travail de réduction des réponses inexactes de l’IA.

Le chercheur indique également que les PDF avaient jusqu’à 2,5 fois plus de chances que les pages web d’être valorisés lorsque des réponses étaient construites sur les 10 principaux outils d’IA. La comparaison est aussi exprimée en probabilité de citation. Une citation identifie un document dans une réponse, mais un document peut aussi influencer la manière dont une réponse est formulée. Le chercheur interprète le format PDF comme un possible signal d’autorité, car il véhicule souvent des informations fiables et à forts enjeux.

Pour une entreprise, le scénario d’échec est simple : une affirmation obsolète ou incorrecte reste publique, un système la récupère, et l’affirmation entre dans une réponse. Une bonne structure technique peut rendre ce processus plus efficace en aidant les logiciels à extraire le texte et ses relations. Corriger la structure laisse donc une question éditoriale distincte : les affirmations restent-elles adaptées à la question posée ?

Un deuxième scénario d’échec commence avec une information correcte que les logiciels ne peuvent pas restituer de manière fiable. La lisibilité machine signifie qu’un logiciel peut extraire le texte, relier les en-têtes de tableau à leurs valeurs, suivre l’ordre de lecture prévu et accéder aux contenus pertinents. « Un PDF peut sembler parfaitement clair pour un humain tout en ayant un mauvais ordre de lecture, une structure manquante, des tableaux inaccessibles, un contenu aplati ou d’autres problèmes techniques qui rendent son sens beaucoup plus difficile à interpréter de manière fiable pour une machine », a déclaré Ajose-Coker. L’approbation visuelle et les tests techniques servent donc des objectifs différents.

Trois cas de rapports annuels impliquant des entreprises de l’indice boursier FTSE 100 au Royaume-Uni et opérant dans des secteurs réglementés illustrent ces défaillances techniques. Dans le premier cas, un aplatissement visuel a combiné des objets distincts en une seule couche visuelle et supprimé certaines balises structurelles. Les balises décrivent le rôle et l’organisation du contenu, aidant les logiciels à reconnaître des éléments tels que les titres et les données de tableau. Le rapport a conservé son apparence prévue, mais ce changement a endommagé les informations nécessaires à l’interprétation machine.

La structure endommagée a modifié le sens des chiffres financiers. Pour le système d’IA, les en-têtes de tableau n’étaient plus alignés avec les valeurs situées en dessous, de sorte que les chiffres ont reçu des libellés incorrects et que le système a mal cité les informations financières. Vérifier que chaque chiffre apparaissait sur la page n’aurait pas permis de détecter le défaut : la relation cruciale était celle entre chaque chiffre et ce qu’il représentait.

Le deuxième rapport annuel a échoué lors de l’extraction de texte après que son équipe de design a introduit une police sans l’incorporer. L’incorporation inclut dans le PDF les informations de police nécessaires ; sans cela, l’IA ne pouvait pas lire la police et a substitué des caractères, produisant de la désinformation. Une personne consultant le rapport pouvait voir les mots prévus tandis que le logiciel récupérait des caractères différents. La révision devait donc examiner le texte extrait en parallèle du design affiché.

Le troisième rapport annuel était trop volumineux pour un accès fiable. L’IA ne pouvait atteindre qu’une partie du fichier, laissant certaines sections indisponibles lors de la construction d’une réponse, tandis que Google Gemini ne pouvait pas accéder du tout au même PDF. Un accès partiel peut rendre une réponse incomplète parce que des sections pertinentes n’atteignent jamais le système. Une exclusion complète crée un problème de visibilité : même des informations actuelles et utiles ne peuvent pas représenter l’entreprise via ce document.

Ces cas montrent pourquoi les équipes de publication ont besoin de contrôles distincts. Un rapport techniquement lisible peut contenir des affirmations obsolètes, tandis qu’un rapport actuel peut perdre les relations entre tableaux, substituer des caractères ou empêcher l’accès à des sections entières. Les équipes doivent donc évaluer séparément l’adéquation factuelle, la préservation du sens et l’accès ; la réussite d’un contrôle ne garantit en rien la réussite des deux autres.

Les archives historiques ont besoin d’un périmètre d’autorité clair

Évaluer l’adéquation factuelle demande de la prudence, car un ancien document peut encore être exact pour sa finalité d’origine. Des obligations historiques, de conformité et réglementaires peuvent exiger que des archives restent publiques et inchangées. Un rapport annuel peut décrire fidèlement une période de reporting antérieure tout en induisant les lecteurs en erreur sur la situation actuelle. Son ancienneté devient un problème lorsque des informations sur le passé répondent à une question sur le présent.

La même distinction s’applique aux engagements, politiques et positions financières passés. Une archive figée peut constituer la bonne preuve pour une question historique, tandis qu’une spécification ou un document d’orientation actuel peut être nécessaire pour une décision prise aujourd’hui. Supprimer ou masquer tous les anciens PDF sacrifierait des documents de référence utiles et pourrait entrer en conflit avec les obligations de conservation. Des contraintes de conformité peuvent aussi empêcher l’équipe web de modifier une archive même lorsqu’elle reconnaît le risque de récupération.

La gouvernance doit préserver cette valeur tout en clarifiant le rôle de chaque document. Les équipes doivent identifier la version actuelle, conserver des métadonnées utiles, des informations descriptives telles que la date, le propriétaire et le statut d’un document, et évaluer les conséquences du maintien de l’accès public. Les fichiers historiques ont aussi besoin d’une structure lisible par machine afin que leur sens d’origine survive à l’extraction. Ces contrôles aident les systèmes à interpréter les archives, même si l’IA peut encore confondre des informations historiques avec une autorité actuelle.

Priorisez la remédiation selon le risque et testez le résultat

Comme une vaste collection de PDF prend du temps à corriger, ce travail, appelé remédiation, a besoin d’un enchaînement clair. Ajose-Coker recommande quatre étapes : inventaire et évaluation des risques, priorisation, remédiation hybride et exécution. La remédiation hybride combine un travail automatisé et une intervention humaine. Tout au long du processus, les équipes doivent suivre séparément l’actualité factuelle et la lisibilité technique.

La première étape établit ce à quoi l’organisation s’expose. « Commencez par un inventaire et une évaluation des risques », a conseillé Ajose-Coker. « Identifiez ce qui est public, ce qui fait encore autorité, ce qui est dupliqué, ce qui est obsolète et ce qui présente le plus grand risque réputationnel, réglementaire ou commercial. » Trouver ces fichiers exige de rechercher dans l’ensemble des emplacements de publication de l’organisation, y compris des référentiels que le catalogue habituel des pages du site web peut ne pas repérer.

Une fois localisé, chaque fichier doit faire l’objet d’une évaluation qui relie son état à ses conséquences potentielles. Une politique obsolète, un rapport annuel mal interprété et un guide produit inaccessible créent des problèmes différents, même s’il s’agit dans tous les cas de PDF. Les équipes doivent identifier les fichiers qui peuvent déjà contribuer à la désinformation et évaluer leur sujet, leur disponibilité publique et leur autorité. L’inventaire a alors une finalité pratique : décider où l’intervention compte le plus.

Les outils alimentés par l’IA peuvent aider en repérant les faiblesses au regard de critères définis et en identifiant les fichiers susceptibles de nécessiter un travail. Ces critères doivent couvrir à la fois le statut du contenu et l’état technique, faute de quoi un document lisible mais obsolète pourrait être validé. Les résultats fournissent aussi un point de départ pour mesurer les progrès, afin que les équipes puissent comparer l’exposition restante à l’évaluation initiale au fur et à mesure des corrections.

La priorisation transforme les constats en un travail compatible avec les personnes et les budgets disponibles. Ajose-Coker recommande de choisir un sous-ensemble en fonction du risque, de l’impact probable, du coût et des ressources, car une collection de milliers de PDF peut demander une longue période de traitement. Les rapports annuels et les politiques justifient des revues d’exactitude, car des erreurs peuvent affecter des réponses à fort enjeu. La priorité doit aussi refléter l’intervention requise pour chaque document.

L’intervention détermine qui doit participer. Des affirmations obsolètes nécessitent une révision éditoriale et une décision sur leur traitement, y compris d’éventuelles contraintes de conservation ; une structure endommagée dans un fichier actuel nécessite une réparation technique. Un document présentant les deux problèmes exige les deux types de travail. La planification doit tenir compte du propriétaire métier, des spécialistes techniques et de toute autre personne devant approuver les changements.

Pour les réparations techniques, Ajose-Coker recommande de combiner l’automatisation avec une intervention manuelle précise selon le document, son contenu, son risque et le défaut. Certaines réparations se prêtent à un traitement automatisé, tandis que d’autres exigent un travail humain détaillé qui consomme du temps, de la capacité des équipes et de l’argent. Les réparations doivent préserver ou restaurer les balises, incorporer les polices et maintenir la taille des fichiers dans les limites des crawlers qui récupèrent le contenu. Les relations entre tableaux et l’ordre de lecture doivent aussi être vérifiés, car un texte lisible peut malgré tout véhiculer un sens erroné.

Les tests doivent ensuite établir si les machines récupèrent correctement le document réparé. Ajose-Coker recommande de vérifier au-delà de son apparence visuelle : inspecter les associations entre en-têtes et valeurs dans les tableaux financiers, examiner les caractères extraits là où les polices ont causé des problèmes, et tester l’accès dans l’ensemble des fichiers volumineux. En suivant les mécanismes de défaillance observés dans les cas de rapports annuels, ces vérifications donnent à chaque réparation un test d’acceptation concret.

L’exécution a aussi besoin de jalons qui reflètent la taille et l’état de la collection. Le volume de documents, l’effort manuel, les effectifs et le budget influencent tous la livraison ; Ajose-Coker suggère donc de viser, dans les 30 jours, un catalogue plus précis et une vision plus claire de la répartition des PDF dans l’organisation. Ce premier jalon donne aux équipes une meilleure base pour attribuer et séquencer le travail. Il révèle aussi quels référentiels ou propriétaires nécessitent une investigation plus poussée.

D’ici 90 jours, l’objectif proposé par Ajose-Coker est de disposer de certains documents sous une forme structurée pour l’IA, d’un inventaire avec les travaux de remédiation cartographiés, et d’enseignements à appliquer à la production future. Ces jalons instaurent un contrôle et démontrent les progrès tandis que le programme de correction plus large se poursuit. Une mesure continue peut ensuite montrer quels risques subsistent et où les priorités doivent évoluer.

Gouvernez l’information avant de publier le PDF

Un programme de correction continuera à générer de nouveaux travaux si les équipes continuent à créer des PDF comme des fichiers déconnectés. « Mettez en place une gouvernance », a conseillé Ajose-Coker. Il recommande de commencer par l’information utilisée pour créer un document, là où la propriété et les exigences de révision peuvent être établies avant la publication. Cela fait intervenir plus tôt dans le processus de publication les décisions sur l’autorité et l’actualité.

« Les organisations doivent reprendre le contrôle des informations qui les sous-tendent », a déclaré Ajose-Coker. Son modèle utilise du contenu structuré, c’est-à-dire des informations organisées en éléments définis, avec une propriété claire, des métadonnées, un versioning pour suivre les changements, et des règles de cycle de vie qui régissent la révision, la conservation et le retrait. « Puis publiez cela en PDF, HTML et sur d’autres canaux à partir de cette source contrôlée. » HTML est le format utilisé pour structurer les pages web, de sorte que différents formats peuvent partager la même information approuvée tout en répondant à leurs publics respectifs.

Les informations partagées nécessitent malgré tout des vérifications pour chaque format de sortie, car la production d’un PDF peut introduire des problèmes de structure, d’extraction de texte ou d’accès. Les nouveaux fichiers doivent fonctionner pour les lecteurs humains comme pour les logiciels, avec une mesure et une surveillance continues intégrées à la publication. L’exposition commerciale, réglementaire et réputationnelle peut aussi exiger une prise en charge plus senior du risque. La responsabilité doit rester attribuée après la mise en ligne afin que les dates de révision, les contrôles techniques et les changements nécessaires continuent de recevoir l’attention voulue.

Points clés

• Attribuez un propriétaire aux PDF publics : Les fonctions métier doivent avoir des propriétaires responsables des documents sur les sites web et dans les référentiels. Un inventaire doit identifier les fichiers actuels, obsolètes et dupliqués, en donnant la priorité à l’exposition réglementaire, réputationnelle et commerciale.
• Vérifiez séparément l’exactitude et la lisibilité machine : Les équipes de publication doivent examiner l’actualité factuelle en parallèle de l’extraction de texte, des relations entre tableaux, de l’ordre de lecture et de l’accès aux fichiers. Un PDF visuellement clair peut malgré tout produire des chiffres incorrects, des caractères substitués ou des réponses d’IA incomplètes.
• Clarifiez l’autorité historique : Les propriétaires des archives ont besoin de dates, d’informations de version et de métadonnées de statut qui distinguent les archives historiques des consignes actuelles. Conservez les documents requis tout en rendant clair leur périmètre prévu.
• Priorisez les corrections selon le risque : Les propriétaires de contenu et les spécialistes techniques ont besoin d’un plan de remédiation partagé fondé sur l’impact probable, le coût et les ressources disponibles. Testez les fichiers corrigés par rapport aux défauts précis constatés, notamment les tableaux mal alignés, les polices illisibles et les sections inaccessibles.
• Gouvernez le contenu avant publication : Les responsables de publication ont besoin d’un contenu source contrôlé avec une propriété claire, des métadonnées, un versioning et des règles de cycle de vie. Validez chaque sortie PDF et attribuez la responsabilité de la révision continue après publication.