Un mot sépare les outils d’IA qui font réellement bouger la performance en entreprise de ceux qui se contentent de produire du texte plausible. Ce mot, c’est contexte.

Cela paraît évident. Ça ne l’est pas. La plupart des IA déployées en entreprise en 2025 fonctionnent encore sans lui, et l’écart entre « démo convaincante » et « KPI qui bouge vraiment » s’explique presque entièrement par une question : l’IA sait-elle où, quand et pour qui elle parle.

Ce que « conscient du contexte » veut dire, précisément

Un assistant généraliste, ChatGPT, Copilot, Gemini, répond à n’importe quelle question, sur n’importe quel ton, avec les informations qu’il parvient à mobiliser sur le moment. Il ne sait pas si vous êtes commercial junior au troisième mois de votre montée en compétence ou directeur régional avec douze ans d’ancienneté. Il ne connaît ni le playbook de défense des prix de votre entreprise, ni l’étape où en est votre deal, ni le fait que le client en face applique un référentiel d’achat précis sur lequel vous avez été formé. Il ne sait rien de l’exposition au risque de votre employeur, de ses obligations de conformité, ni du résultat que vous cherchez à obtenir aujourd’hui.

Une IA consciente du contexte sait tout cela. Elle lit :

  • Qui vous êtes : rôle, ancienneté, niveau de montée en compétence, équipe, localisation
  • Ce que vous faites en ce moment : l’écran devant vous, la fiche ouverte, l’événement qui vient de se produire (deal perdu, appel terminé, ticket ouvert)
  • Où vous opérez : les playbooks de votre employeur, ses politiques, ses produits, ses règles tarifaires, son paysage concurrentiel
  • Quand cela compte : le rythme de l’activité (fin de trimestre, fenêtre d’audit, passage de poste, sortie de lancement)
  • Pourquoi l’entreprise s’y intéresse : les KPI et les résultats qu’elle cherche à faire bouger

Sans ces cinq dimensions, vous avez un assistant. Avec elles, vous avez un coach. Ce rôle, nous l’appelons l’AI Performance Officer.

La différence en pratique

Voici une commerciale qui pose la même question à deux outils différents : « Comment répondre au prix plus bas d’un concurrent sur ce deal ? »

L’assistant généraliste répond par un article bien tourné en trois paragraphes sur la vente par la valeur, l’importance de raisonner en ROI, et un rappel que le prix est rarement le facteur décisif. Ce n’est pas faux. C’est aussi inutile pour elle, parce qu’elle sait déjà tout cela. Ce dont elle a besoin, c’est : lequel des trois playbooks de défense des prix de son entreprise s’applique à CE client, ce qu’a fait le dernier commercial confronté à CE concurrent, et ce que le directeur financier a validé comme remise sur CE segment.

Un AI Performance Officer conscient du contexte lit son CRM, voit que le deal concerne un distributeur de taille intermédiaire, identifie le concurrent comme celui que son équipe sales enablement a signalé au trimestre dernier avec l’objection « bundle d’abord », fait remonter le playbook exact validé par son manager, et rédige la réponse de 90 secondes, assortie de la limite tarifaire fixée par le directeur financier, qu’elle pourra ajuster et envoyer avant son appel de 15 h. (Voici l’anatomie complète d’un moment de coaching comme celui-ci.)

Même question. Deux ordres de grandeur d’écart en utilité. Cet écart, c’est le contexte.

Pourquoi c’est si difficile à construire

La conscience du contexte n’est pas une fonctionnalité à saupoudrer sur un modèle de langage. C’est un choix d’architecture. Il faut s’intégrer aux outils dans lesquels les gens travaillent : CRM, SIRH, Slack, Teams, gestion des tickets, systèmes propres à chaque secteur. Il faut ingérer les documents et les politiques qui font tourner l’entreprise. Il faut respecter la frontière des habilitations : un commercial ne peut pas voir le pipeline d’une autre région, un soignant ne peut pas voir les dossiers patients d’un autre établissement. Et il faut transporter tout ce contexte dans chaque interaction, sans obliger l’utilisateur à se réexpliquer.

Dans les secteurs régulés, la conscience du contexte suppose aussi d’être nativement aligné sur le référentiel de conformité sur lequel l’entreprise est auditée.

Il faut enfin le faire sur une couche de données auditable, conforme et maîtrisée quant à la localisation : ISO 27001 au minimum, parfois HIPAA ou PCI. Aucun acheteur en entreprise ne validera une IA qui envoie ses données de production vers une API générique.

C’est pourquoi les assistants génériques ne deviendront pas des AI Performance Officers en ajoutant une « mémoire » ou des « projets ». La distance architecturale est trop grande. La maîtrise du contexte métier ne se rattrape pas après coup : il faut avoir été conçu pour.

Le pari qui définit la catégorie

Nous croyons, et c’est le pari sur lequel Forge est construit, que chaque fonction de l’entreprise finira par s’appuyer sur un outil d’IA installé à côté de son flux de travail, qui le lit en temps réel et coache dans l’action. Non parce que le coaching IA est à la mode, mais parce que c’est la seule architecture qui comble l’écart entre la compétence et la performance.

Cet outil ne sera pas un agent conversationnel. Ce sera un AI Performance Officer conscient du contexte, qui connaît votre rôle, votre entreprise, votre moment et votre résultat, et qui vous guide à chaque fois vers la meilleure action suivante.

Quand cette catégorie aura pris son nom définitif, et elle le prendra, le mot qui la définira sera contexte.