L’IA en gestion de crise : la pertinence ne tient pas au modèle, mais à sa configuration — RAG, fine-tuning et garde-fous

Les articles précédents ont mentionné l’intelligence artificielle à chaque étape — veille, vérification, synthèse, rédaction, simulation — en lui assignant toujours la même place : elle propose, l’humain décide, tout est tracé. Ce douzième cours traite de la question que les organisations se posent désormais : comment rendre l’IA en gestion de crise réellement utile ? La réponse tient en une thèse. La pertinence ne dépend pas du modèle choisi ; elle dépend de sa configuration rappelle l’expert en communication de crise Florian Silnicki, Président Fondateur de l’agence LaFrenchCom spécialisée en gestion de crise. Un modèle de pointe qui ignore votre plan de crise inventera votre plan de crise ; un modèle modeste qui a accès à votre documentation et a été adapté à votre métier répondra juste.

Deux techniques portent cette configuration. La génération augmentée par récupération, ou RAG, donne au modèle accès à toute la documentation pertinente — plan, fiches, annuaire, retours d’expérience, textes réglementaires — pour qu’il la consulte au moment voulu. Le fine-tuning, ou réentraînement léger sur des cas concrets, adapte le modèle à un métier précis : son vocabulaire, ses formats, ses règles, son ton. Le premier donne la mémoire, le second donne le métier. Ce cours explique pourquoi cette combinaison produit de bons résultats, comment la mettre en œuvre, ce qu’elle exige de la documentation et de la gouvernance, et où s’arrête sa compétence.

À retenir

• Le modèle compte moins que ce qu’on lui donne : le RAG apporte la connaissance de l’organisation, le fine-tuning apporte le comportement du métier.
• Le RAG ne vaut que ce que vaut la documentation : la configuration de l’IA commence par le pilier documentaire du dispositif de crise.
• La configuration inclut les garde-fous — instructions, citations obligatoires, aveu d’ignorance, validation humaine, traçabilité, confidentialité — et une évaluation sur des cas réels.
• L’IA configurée réduit les limites informationnelles et techniques de la gestion de crise ; elle ne supprime ni les limites humaines ni la responsabilité de décider.

1. Pourquoi le modèle compte moins que sa configuration

Ce que l’IA sait et ce qu’elle ignore

Un grand modèle de langage a lu une part considérable du web ; il connaît la théorie de la communication de crise, les cas d’école et les principes de réponse. Il ignore tout de ce qui compte en crise : qui est d’astreinte ce soir, quel lot est concerné, ce que dit la fiche réflexe cyber de l’organisation, quelle promesse a été faite à l’autorité la semaine dernière, quel ton la direction a validé lors de la dernière crise. Interrogé sur ces points, il ne se tait pas : il complète avec ce qui est plausible. En gestion de crise, le plausible est le pire des ennemis.

La convergence des modèles

Les modèles disponibles en 2026 ont convergé en capacité générale : raisonnement, rédaction, multilinguisme, synthèse. Les écarts persistent sur la vitesse, le coût, la fenêtre de contexte, la sécurité et les conditions d’hébergement — critères de choix légitimes — mais ils ne font plus la différence sur la pertinence des réponses dans un contexte précis. Ce qui la fait, c’est ce que le modèle sait de vous et comment il a appris à se comporter pour vous. Le meilleur modèle est celui qui est suffisant, maîtrisé, hébergé dans des conditions acceptables, et correctement configuré.

Les trois couches de la configuration

Couche	Ce qu’elle apporte	Technique	Ce qu’elle exige
Connaissance	Les faits de l’organisation, à jour, cités	RAG	Une documentation propre, versionnée, accessible
Comportement	Le métier : vocabulaire, formats, règles, ton	Fine-tuning sur cas concrets	Des exemples validés, représentatifs, de qualité
Cadre	Les règles d’usage, les limites, la traçabilité	Instructions système, garde-fous, évaluation	Une gouvernance et un propriétaire

Les trois couches sont nécessaires. Le RAG sans fine-tuning répond juste mais mal — dans le mauvais format, avec le mauvais ton. Le fine-tuning sans RAG répond bien mais faux — dans le bon style, à partir d’informations périmées. Les deux sans cadre produisent un outil brillant et dangereux.

2. Le RAG : donner à l’IA accès à toute la documentation pertinente

Le principe

La génération augmentée par récupération, formalisée en 2020 par des chercheurs qui cherchaient à ancrer les modèles dans des sources vérifiables, consiste à ne pas demander au modèle de se souvenir, mais de consulter. À chaque question, un moteur de recherche interne identifie les passages pertinents de la documentation de l’organisation ; le modèle les reçoit avec la question et rédige une réponse fondée sur eux, en les citant. L’IA ne sait plus « par cœur » ; elle lit avant de répondre — au moment voulu, dans la version en vigueur.

Le corpus de crise

Tout l’intérêt du RAG tient au corpus. Pour une cellule de crise, il comprend : le plan de crise et ses annexes, les fiches réflexes par scénario, les fiches de rôle, l’annuaire, la matrice de gravité et les délégations ; la cartographie des parties prenantes et la matrice des messages ; les messages d’attente, questions-réponses et déclarations validés lors des crises et exercices passés ; les retours d’expérience et les mains courantes des crises précédentes ; les textes réglementaires applicables — notification des violations de données, sécurité des produits, obligations sectorielles ; les contrats d’assurance et d’assistance ; les procédures de continuité et les modes dégradés ; la documentation produit et la banque de preuves. En 2026 s’y ajoute la couche vivante : le document unique de vérité de la crise en cours, mis à jour à chaque cycle, pour que l’assistant raisonne sur la situation d’aujourd’hui et non sur celle du plan.

Ce que le RAG exige de la documentation

Le RAG est impitoyable pour la documentation médiocre : il retrouve la fiche périmée aussi bien que la fiche à jour, et il cite le plan de 2022 si personne ne l’a retiré. Il impose donc une hygiène que le pilier documentaire du dispositif de crise exigeait déjà. Des documents datés et versionnés, avec un propriétaire. Une seule version en vigueur par document, les anciennes archivées hors du corpus. Des métadonnées — scénario, rôle, date, statut de validation — qui permettent au moteur de retrouver le bon passage. Des contenus rédigés pour être lus par morceaux : titres explicites, paragraphes autonomes, tableaux plutôt que prose enchevêtrée. Et une revue à chaque mise à jour du plan. Beaucoup d’organisations découvrent, en préparant leur corpus, que leur documentation de crise n’existait pas au sens propre : elle était dispersée, contradictoire et périmée. Le RAG est alors l’occasion de construire le pilier qui manquait.

Les garde-fous du RAG

Trois règles rendent le RAG sûr. La citation obligatoire : toute affirmation renvoie au passage qui la fonde, avec sa date ; une réponse sans source n’est pas une réponse. L’aveu d’ignorance : quand le corpus ne contient pas l’information, l’assistant le dit — « le plan ne prévoit pas ce cas » — au lieu de compléter. Le périmètre fermé : l’assistant de cellule ne consulte que le corpus autorisé ; s’il doit lire des contenus externes — un article, un post, un document reçu —, ceux-ci sont traités comme des données non fiables, car un texte peut contenir des instructions cachées qui détournent le modèle. Cette injection par document est un risque réel pour tout système qui lit ce qu’un adversaire a écrit.

3. Le fine-tuning : adapter l’IA à un métier précis à partir de cas concrets

Le principe

Le fine-tuning réentraîne légèrement un modèle existant sur un ensemble d’exemples choisis, pour modifier durablement son comportement sans lui réapprendre le langage. Les techniques dites à faible empreinte n’ajustent qu’une petite fraction des paramètres, ce qui rend l’opération accessible en quelques heures sur un modèle de taille moyenne. Le résultat n’est pas un modèle qui en sait plus, mais un modèle qui se comporte comme le métier l’attend : il rédige un message d’attente en quatre-vingts mots et trois temps, distingue les registres selon l’arène, refuse les formules vides, applique la hiérarchie des publics, utilise le vocabulaire réglementaire exact du secteur.

Les cas concrets qui servent d’exemples

La qualité du fine-tuning dépend entièrement des exemples. Pour une cellule de crise, les meilleurs sont ceux que l’organisation a déjà validés : les messages diffusés et approuvés lors de crises et d’exercices passés, avec leur contexte ; les questions-réponses préparées et leurs versions finales ; les briefs d’entrée et points de situation bien rédigés ; les classifications de signaux effectuées par la veille — grave, à surveiller, bruit — ; les retours d’expérience et leurs recommandations. Quelques centaines d’exemples de qualité suffisent souvent ; des milliers d’exemples médiocres nuisent. Les exemples sont nettoyés de toute donnée personnelle, notamment concernant les victimes, et couvrent la diversité des scénarios, faute de quoi le modèle apprendra à répondre à la dernière crise.

Ce que le fine-tuning apporte et ce qu’il n’apporte pas

Il apporte le format, le ton, la structure, la terminologie, les réflexes de refus — jamais de « sans commentaire », jamais d’excuse conditionnelle — et une meilleure classification des signaux propres au secteur. Il n’apporte pas les faits : un modèle affiné sur les messages de 2024 ne connaît pas le rappel de 2026 ; c’est le rôle du RAG. Il ne remplace pas non plus les instructions système, qui fixent les règles explicites, ni l’évaluation, qui vérifie que le comportement appris est le bon. Dans bien des cas, un RAG soigné et des instructions précises suffisent ; le fine-tuning intervient lorsque le métier exige une constance de forme et de vocabulaire que les instructions n’obtiennent pas de manière fiable, ou pour spécialiser un petit modèle de classification.

Le RAG et le fine-tuning ensemble

La combinaison est ce qui produit de bons résultats. Le fine-tuning apprend à l’assistant à écrire comme la cellule ; le RAG lui donne à chaque instant ce que la cellule sait. Un message d’attente rédigé par un assistant ainsi configuré cite la fiche réflexe applicable, respecte le format validé, applique la hiérarchie des publics et mentionne l’obligation légale de notification — en trois minutes, pour relecture, signature et diffusion par un humain.

4. Les cas d’usage d’une IA configurée, et le niveau de validation humaine

Cas d’usage	Configuration dominante	Validation humaine	Indicateur
Veille : tri, regroupement, mesure de vélocité et de tonalité	Fine-tuning de classification, RAG sur la cartographie	Analyste veille valide les alertes	Précision du tri, délai d’alerte
Aide à la vérification : incohérences, provenance, comparaison de versions	RAG sur la banque de preuves, outils externes	Vérificateur décide	Faux positifs et faux négatifs
Synthèse de situation : mise à jour du document unique de vérité	RAG sur les flux et la main courante	Secrétaire de cellule	Exactitude à chaque cycle
Assistant de cellule : « que prévoit le plan ? », « qui appeler ? », « quelles obligations ? »	RAG sur le corpus de crise, citations obligatoires	Pilote	Taux de réponses sourcées, taux d’aveux d’ignorance
Rédaction : messages d’attente, questions-réponses, déclinaisons par arène, traductions	Fine-tuning sur messages validés, RAG sur la situation	Communication puis décideur, signature humaine	Part des textes modifiés avant diffusion
Simulation : scénarios, stimuli d’exercice, rôles de journalistes et de parties prenantes	RAG sur les retours d’expérience, fine-tuning sur les stimuli	Direction de l’animation	Réalisme perçu, apprentissages
Analyse post-crise : chronologie, écarts, recommandations	RAG sur la main courante	Responsable du retour d’expérience	Complétude de la chronologie
Réponse aux publics : questions fréquentes pendant un rappel	RAG strict sur les informations validées, périmètre fermé	Communication, revue quotidienne	Exactitude, taux d’escalade vers un humain

Une règle traverse le tableau : plus la sortie s’adresse à l’extérieur, plus la validation humaine est stricte. Une synthèse interne se relit ; un message public se signe. Les publics de 2026 reconnaissent les textes générés et les sanctionnent, et le droit européen impose de signaler les contenus synthétiques dans certains usages : aucune parole de crise ne sort sans qu’un humain l’ait assumée.

5. Le cadre : instructions, confidentialité, traçabilité, gouvernance

Les instructions système

Elles fixent le rôle de l’assistant et ses interdits : ne jamais inventer, citer chaque source avec sa date, signaler l’incertitude, refuser de répondre hors du corpus, appliquer la hiérarchie des publics, ne jamais produire d’excuse conditionnelle ni de « sans commentaire », renvoyer toute décision à l’humain. Elles sont écrites par la cellule, testées en exercice et versionnées comme le plan.

La confidentialité et l’hébergement

Un assistant de cellule lit les documents les plus sensibles de l’organisation, et les crises impliquent des données personnelles — victimes, salariés, clients. Trois exigences en découlent : un hébergement maîtrisé, dans une instance privée ou chez un prestataire de confiance dont le contrat exclut tout entraînement sur les données de l’organisation et garantit leur localisation ; un contrôle des accès aligné sur la cellule, avec des droits différenciés ; et une conformité au règlement sur la protection des données, dès la conception. La cybersécurité de l’assistant fait partie de la cybersécurité du dispositif : un outil qui centralise le plan, l’annuaire et la main courante est une cible.

La traçabilité

Chaque interaction est journalisée — question, sources consultées, réponse, utilisateur, heure — et rattachée à la main courante lorsqu’elle a contribué à une décision. Cette trace sert le retour d’expérience et l’auditabilité de la décision, exigence de gouvernance décrite dans un cours précédent : en cas d’enquête, il faudra montrer ce que l’assistant a proposé et ce que l’humain a retenu.

La gouvernance

L’assistant a un propriétaire, rattaché au propriétaire du dispositif de crise ; un cycle de mise à jour aligné sur les versions du plan ; une place dans les exercices, où il est utilisé et évalué comme tout autre outil ; et un mode dégradé — la cellule sait fonctionner sans lui. L’AI Act européen ajoute des obligations de transparence sur les contenus générés, applicables depuis le 2 août 2026, et une classification par niveau de risque que l’organisation vérifie selon ses usages, notamment lorsque l’assistant intervient dans des décisions touchant des personnes.

6. L’évaluation : mesurer avant de faire confiance

Le jeu d’épreuve

Avant toute mise en service, l’organisation constitue un jeu d’épreuve : cent à trois cents questions et demandes issues de crises et d’exercices réels, avec les réponses attendues — la bonne fiche, le bon numéro, le bon message, ou l’aveu d’ignorance attendu. L’assistant y est évalué à chaque modification du corpus, des instructions ou du modèle. On mesure la part de réponses exactes, la part de réponses sourcées, le taux d’invention, le taux d’aveu d’ignorance justifié et le délai. Un assistant de cellule acceptable ne se trompe pas sur les faits du plan ; un assistant qui invente une fois sur vingt est retiré.

L’épreuve contradictoire

Une équipe joue l’adversaire : questions piégées, documents falsifiés glissés dans le corpus, instructions cachées dans un article externe, demandes hors périmètre, pressions pour obtenir une décision. Les failles découvertes corrigent les garde-fous. Cette épreuve est rejouée à chaque exercice de crise, où l’assistant est confronté aux stimuli synthétiques au même titre que la cellule.

La mesure en production

En crise réelle, trois indicateurs disent si l’outil sert : la part des textes proposés qui sont diffusés après modification mineure, le temps gagné par cycle sur la synthèse et la rédaction, et le nombre d’erreurs détectées par la validation humaine. Une erreur non détectée qui atteint l’extérieur déclenche un retour d’expérience de l’outil au même titre qu’une erreur humaine.

7. Feuille de route de configuration en six étapes

1. Inventorier et assainir la documentation (un à trois mois). C’est l’étape la plus longue et la plus utile, même sans IA : une version en vigueur par document, datée, avec un propriétaire ; les anciennes versions retirées ; les contenus restructurés pour être lisibles par morceaux.
2. Choisir l’architecture et l’hébergement (deux semaines). Un modèle suffisant, une instance maîtrisée, des accès alignés sur la cellule, un contrat qui exclut l’entraînement sur les données.
3. Déployer le RAG en pilote (un mois). Assistant de cellule et synthèse de situation, avec citations obligatoires et périmètre fermé, testé par la cellule sur des questions réelles.
4. Construire le jeu d’épreuve et évaluer (deux semaines). Cent à trois cents cas ; corrections du corpus et des instructions jusqu’au niveau acceptable.
5. Affiner sur les cas concrets (deux à quatre semaines). Rassembler et nettoyer les exemples validés ; réentraîner légèrement ; réévaluer ; ne conserver le fine-tuning que s’il améliore la constance de forme et de vocabulaire.
6. Intégrer au processus et aux exercices (en continu). L’assistant entre dans les fiches de rôle, dans le brief d’entrée, dans l’exercice annuel et dans la boucle d’amélioration du système de management : chaque crise et chaque exercice enrichissent le corpus et les exemples.

8. Ce que l’IA configurée change, et ce qu’elle ne change pas

Rapportée aux limites de la gestion de crise décrites dans le cours précédent, l’IA configurée agit surtout sur deux d’entre elles. Elle réduit la limite informationnelle : elle trie, regroupe, synthétise et retrouve en secondes ce que la cellule cherchait en heures, et elle rend la documentation enfin consultable. Elle atténue la limite technique : un assistant unique qui lit le plan, l’annuaire et la main courante remplace la dispersion entre dix outils, à condition d’être simple et exercé.

Elle ne change pas la limite humaine : le stress, la fatigue et les biais restent ceux de la cellule, et l’outil peut même les aggraver en offrant une réponse fluide qui dispense de penser — l’ironie de l’automatisation s’applique à l’assistant comme au pilote automatique. Elle ne change pas la limite organisationnelle : sans temps, sans formation et sans propriétaire, l’assistant vieillit avec le plan. Et elle ne change rien à la responsabilité : la décision, la parole publique et la relation aux victimes restent humaines. Un assistant bien configuré fait gagner à la cellule ce qui lui manque le plus — du temps et de l’exactitude — pour qu’elle consacre ce temps à ce qu’aucune machine ne fera à sa place : juger, choisir et assumer.

FAQ : les questions fréquentes sur l’IA en gestion de crise

Faut-il le modèle le plus puissant pour la gestion de crise ? Non. Un modèle suffisant, hébergé dans des conditions maîtrisées et correctement configuré — documentation accessible par RAG, comportement adapté par fine-tuning, garde-fous et évaluation — répond mieux qu’un modèle de pointe qui ignore votre plan.

Quelle est la différence entre RAG et fine-tuning ? Le RAG donne au modèle accès à la documentation au moment de répondre : il apporte les faits, à jour et cités. Le fine-tuning réentraîne légèrement le modèle sur des exemples validés : il apporte le format, le ton, le vocabulaire et les réflexes du métier. Le premier donne la mémoire, le second donne le métier.

L’IA peut-elle rédiger une déclaration de crise ? Elle peut en proposer un premier jet conforme aux formats validés et à la situation documentée. Elle ne la diffuse jamais : un humain la relit, la modifie, la signe et l’assume. Les publics reconnaissent les textes générés, et le droit européen impose de signaler certains contenus synthétiques.

Comment éviter que l’IA invente ? Par la citation obligatoire de sources datées, l’aveu d’ignorance imposé quand le corpus ne répond pas, un périmètre fermé, un jeu d’épreuve rejoué à chaque modification et une validation humaine proportionnée à l’exposition de la sortie.

Où héberger un assistant de cellule de crise ? Dans une instance privée ou chez un prestataire de confiance, avec un contrat excluant tout entraînement sur les données de l’organisation, une localisation maîtrisée, des accès alignés sur la cellule et une journalisation complète. L’assistant fait partie du périmètre de cybersécurité du dispositif.

Conclusion : configurer, c’est documenter, adapter, encadrer

La thèse de ce cours tient en une phrase : en gestion de crise, la valeur de l’IA n’est pas dans le modèle, elle est dans ce qu’on lui donne et dans ce qu’on lui interdit. Lui donner accès à toute la documentation pertinente, pour qu’elle la consulte au moment voulu, exige une documentation digne de ce nom — et le RAG est souvent l’occasion de la construire. La réentraîner légèrement sur des cas concrets, pour l’adapter à un métier précis, exige des exemples validés — et le fine-tuning est souvent l’occasion de formaliser ce que la cellule savait sans l’avoir écrit. L’encadrer — instructions, confidentialité, traçabilité, évaluation, validation humaine — exige une gouvernance, et c’est le cinquième pilier du dispositif qui la fournit.

Bien configurée, l’IA rend à la cellule du temps et de l’exactitude. Mal configurée, elle ajoute aux limites de la gestion de crise une limite de plus : la confiance dans une réponse fluide et fausse. La différence entre les deux ne se joue pas dans le choix d’un fournisseur ; elle se joue dans le travail, patient et peu spectaculaire, de mise en ordre de ce que l’organisation sait.