Un chatbot RH interne répond aux questions des salariés (congés, mutuelle, télétravail, notes de frais) en s'appuyant uniquement sur vos propres documents : convention collective, accords d'entreprise, règlement intérieur, procédures. La technique qui rend cela fiable s'appelle le RAG (Retrieval-Augmented Generation) : le modèle de langage ne répond pas « de mémoire », il lit d'abord les passages pertinents de vos documents, puis formule une réponse en citant ses sources. Voici comment cela fonctionne, ce qu'il faut préparer et les pièges à éviter.
Pourquoi un chatbot RH plutôt qu'une FAQ ou un intranet ?
Dans la plupart des entreprises, une part importante des sollicitations du service RH porte sur des questions répétitives dont la réponse existe déjà quelque part : dans un PDF de 80 pages, un accord signé il y a trois ans ou une note de service perdue dans l'intranet. Le salarié ne trouve pas, il envoie un e-mail, et le service RH répond pour la dixième fois à la même question.
Une FAQ classique ne suffit pas, car elle couvre les cas simples et vieillit vite. Un moteur de recherche interne renvoie des documents, pas des réponses. Un assistant RAG, lui, comprend une question formulée librement (« Est-ce que je peux poser un jour de congé la veille d'un pont ? »), retrouve le bon article de l'accord et répond en une ou deux phrases, avec le lien vers le passage source.
Les bénéfices attendus sont concrets :
- Disponibilité : une réponse immédiate, y compris le soir ou pour les équipes en horaires décalés.
- Cohérence : la même question reçoit la même réponse, fondée sur le même texte.
- Temps RH libéré : l'équipe se concentre sur les situations individuelles, l'accompagnement et les dossiers sensibles.
- Accueil des nouveaux arrivants : l'onboarding devient plus autonome, sans multiplier les rendez-vous.
Comment fonctionne un assistant RAG sur vos documents
Le RAG combine deux briques : une recherche dans vos documents et un LLM (grand modèle de langage) qui rédige la réponse. Le principe est simple à expliquer, même si sa mise en production demande de la rigueur.
- Ingestion : vos documents (PDF, Word, pages d'intranet) sont convertis en texte, nettoyés, puis découpés en passages de taille raisonnable, en général quelques centaines de mots.
- Indexation : chaque passage est transformé en vecteur (embedding) qui représente son sens, puis stocké dans une base vectorielle, par exemple PostgreSQL avec l'extension pgvector.
- Recherche : quand un salarié pose une question, le système retrouve les passages les plus proches en sens, souvent en combinant recherche sémantique et recherche par mots-clés.
- Génération : le LLM reçoit la question et uniquement ces passages, avec une consigne claire : répondre à partir du contexte fourni, citer la source, et dire « je ne sais pas » si l'information n'y figure pas.
Cette architecture rag llm a un avantage décisif pour les RH : les réponses sont ancrées dans vos textes, pas dans des généralités trouvées sur Internet. Quand un accord est mis à jour, il suffit de réindexer le document ; aucun réentraînement de modèle n'est nécessaire.
Préparer vos documents : l'étape qui fait la qualité
La qualité d'un chatbot RH dépend d'abord de la qualité de sa base documentaire. Un modèle performant ne compensera pas des documents contradictoires ou obsolètes.
Faire l'inventaire
Listez les sources réellement utilisées : convention collective, accords (temps de travail, télétravail, intéressement), règlement intérieur, livret d'accueil, guides mutuelle et prévoyance, procédures internes (notes de frais, demandes de matériel). Pour chaque document, identifiez un responsable et une date de validité.
Éliminer les doublons et les versions périmées
Si deux versions d'un accord coexistent, l'assistant risque de citer la mauvaise. Ne conservez que la version en vigueur, ou ajoutez une métadonnée de date pour que la recherche privilégie le texte le plus récent.
Structurer et taguer
Des titres explicites, des métadonnées (thème, population concernée, site, date) et un découpage qui respecte la structure des articles améliorent nettement la pertinence des passages retrouvés. Un tableau de grille de congés mal converti en texte, par exemple, donne des réponses fausses : il faut le traiter spécifiquement.
Sécurité, confidentialité et RGPD
Un assistant RH manipule potentiellement des informations sensibles. Quelques règles s'imposent dès la conception :
- Périmètre documentaire : commencez par les documents collectifs (accords, procédures), jamais par des dossiers individuels de salariés.
- Droits d'accès : si certains documents ne concernent qu'une population (cadres, un site, une filiale), le filtrage doit se faire au moment de la recherche, selon l'identité de l'utilisateur connecté via votre annuaire (SSO).
- Hébergement et fournisseur : privilégiez un hébergement dans l'Union européenne et un contrat avec le fournisseur de modèle qui exclut l'utilisation de vos données pour l'entraînement.
- Journalisation maîtrisée : conservez les questions pour améliorer l'outil, mais avec une durée de conservation définie, et sans jamais journaliser de secrets ou d'informations personnelles inutiles.
- Escalade humaine : pour toute situation personnelle (arrêt maladie, conflit, rupture), l'assistant doit orienter vers un interlocuteur RH plutôt que répondre.
Pensez aussi à informer les représentants du personnel et à documenter le traitement dans votre registre RGPD : l'ia en entreprise s'adopte mieux quand les règles du jeu sont claires dès le départ.
Déployer un chatbot RH en quelques semaines
Un projet de chatbot entreprise réussi avance par étapes courtes, mesurées sur des questions réelles.
| Étape | Contenu | Durée indicative |
|---|---|---|
| Cadrage | Choix du périmètre, collecte de 50 à 100 questions réelles posées au service RH | 1 semaine |
| Prototype | Ingestion des documents prioritaires, premier assistant testé par l'équipe RH | 2 à 3 semaines |
| Évaluation | Comparaison des réponses avec celles attendues, correction des documents et du découpage | 1 à 2 semaines |
| Pilote | Ouverture à un groupe de salariés, intégration dans l'outil existant (Teams, Slack, intranet) | 2 à 4 semaines |
Le jeu de questions réelles est l'élément clé : il sert de référence pour mesurer la proportion de réponses correctes, sourcées et complètes, et pour vérifier qu'une modification n'a pas dégradé la qualité. Côté coûts, l'usage du modèle reste généralement modeste pour un assistant interne, de quelques dizaines à quelques centaines d'euros par mois selon le volume de questions et le modèle choisi ; l'essentiel de l'investissement porte sur l'intégration et la préparation des données.
Enfin, prévoyez un bouton « réponse utile / pas utile » : ces retours indiquent précisément quels documents manquent ou prêtent à confusion.
Les erreurs fréquentes à éviter
- Tout indexer d'un coup : mieux vaut un périmètre restreint et fiable qu'un assistant qui couvre tout, approximativement.
- Laisser le modèle improviser : sans consigne stricte et sans citation des sources, un LLM peut produire une réponse plausible mais fausse.
- Oublier la maintenance : chaque nouvel accord doit être ajouté, chaque ancien retiré. Désignez un responsable.
- Négliger l'intégration : un assistant isolé sur une URL que personne ne connaît sera peu utilisé. Il doit vivre là où les salariés travaillent déjà.
Questions fréquentes
Un chatbot RH peut-il remplacer le service RH ?
Non. Il absorbe les questions répétitives et documentées ; les situations individuelles, la négociation et l'accompagnement restent humains. Un bon assistant sait d'ailleurs reconnaître ses limites et rediriger vers la bonne personne.
Faut-il entraîner un modèle sur nos documents ?
Généralement non. Avec le RAG, le modèle n'est pas réentraîné : il lit vos documents au moment de la question. C'est plus rapide à mettre en place, plus simple à mettre à jour et plus facile à auditer, puisque chaque réponse cite sa source.
Que se passe-t-il si l'information n'est pas dans nos documents ?
L'assistant doit le dire clairement plutôt qu'inventer, puis proposer de contacter le service RH. Ces questions sans réponse sont précieuses : elles révèlent les trous de votre documentation.
Vous envisagez un chatbot RH ou un assistant interne sur vos propres documents ? Lanovatic, basée à La Seyne-sur-Mer près de Toulon, conçoit des assistants RAG avec sources citées, garde-fous et hébergement UE possible : découvrez notre approche de l'intégration de l'IA en entreprise, ou contactez-nous pour en parler autour d'un cas concret. Un premier prototype sur vos documents permet de juger rapidement de la valeur avant d'aller plus loin ; pour voir l'ensemble des cas d'usage possibles, consultez notre page chatbot entreprise et IA sur vos données.