May 1, 2026

Le savoir-faire qui disparaît quand une personne part : pourquoi 5BY.AI conserve les processus de pensée

Le savoir qu'une personne accumule au fil du temps n'existe pas uniquement dans les résultats qu'elle a produits.

Les critères de jugement affinés en résolvant plusieurs fois le même problème, le sens qui permet d'éviter les erreurs, la capacité à réorienter les priorités selon la situation : tout cela contient du savoir.

Mais ce savoir-faire est difficile à consigner intégralement par écrit.

Quand une personne quitte une organisation ou ne peut plus expliquer son expérience, des décennies de contexte de jugement peuvent disparaître avec elle.

Ce n'est pas seulement une perte pour l'individu.

C'est aussi une perte de savoir pour l'organisation et la société, puisque la personne suivante devra affronter le même problème depuis le début.

C'est ce problème que 5BY.AI identifie.

Si l'on ne conserve que les résultats, on sait ce qui a été fait. Si l'on conserve aussi le processus de pensée, on comprend pourquoi cela a été fait ainsi.

Les documents retiennent les résultats, mais le sens du jugement rarement

À la fin d'un projet, il reste des rapports, des spécifications, des contrats et des produits finalisés.

Ces résultats sont importants.

Ils permettent de vérifier ce qui a été produit, quelle procédure a été suivie, et quelle décision a été prise.

Mais avec les seuls résultats, il est difficile de répondre aux questions suivantes :

Quel problème voyait-on au départ ?
Quelles hypothèses a-t-on examinées ?
Pourquoi telle méthode a-t-elle échoué ?
Qu'a-t-on observé pour modifier son jugement ?
Quel critère a guidé le choix parmi des options similaires ?
Quel risque a motivé l'introduction d'une condition particulière ?
Comment a-t-on réagi face aux situations exceptionnelles ?

Le document final ne retient souvent que la logique la plus aboutie.

Les questions initiales confuses, les hypothèses erronées, les tentatives ratées et les changements de direction sont effacés.

Le lecteur voit le résultat, mais peine à apprendre la manière de penser qui y a conduit.

Le savoir difficile à expliquer s'appelle le savoir tacite

Le savoir que l'on possède par l'expérience mais qu'on ne peut pleinement formuler par la parole ou l'écrit est souvent appelé savoir tacite.

Un expert peut observer une situation et détecter rapidement une anomalie.

Mais il peut ne pas être capable d'expliquer immédiatement tous les indices qui ont déclenché son intuition.

Par exemple, une personne expérimentée peut porter les jugements suivants :

L'artisan adapte sa méthode selon l'état de la matière.
L'opérateur réagit à des signaux infimes avant qu'une grande panne ne survienne.
Le négociateur ajuste son approche en observant les expressions et la situation.
Le responsable produit découvre un problème structurel plus large à partir d'une brève réclamation d'utilisateur.
Le développeur resserre la cause à partir du flux modifié plutôt que du message d'erreur.

Ces capacités sont difficiles à transcrire en une simple liste de procédures.

Elles résultent de jugements forgés par des comparaisons et des échecs répétés dans l'expérience.

On ne peut pas tout enregistrer du savoir tacite.

Il est impossible de convertir intégralement en données les compétences acquises par le corps, les sens et l'expérience personnelle.

Mais si l'on peut ne serait-ce que partiellement conserver le processus de formation des jugements, on peut réduire la perte de savoir.

Le savoir-faire ne se compose pas uniquement de méthodes réussies

Quand on organise un savoir-faire, on enregistre généralement les méthodes qui ont abouti.

Procéder dans cet ordre.
Utiliser cet outil.
Appliquer ce critère.
Si ce résultat apparaît, c'est un succès.

Mais l'expérience réelle inclut aussi les méthodes qui ont échoué.

Pourquoi la première méthode essayée n'a-t-elle pas fonctionné ?
Dans quelles conditions la même méthode échoue-t-elle ?
Comment distingue-t-on des problèmes superficiellement similaires mais différents ?
Que faut-il vérifier avant d'agir ?
À quel moment faut-il interrompre le plan initial ?

Si l'on ne transmet que les méthodes réussies, le successeur ne sait pas quand elles restent valables.

Il risque d'appliquer la même méthode dans un contexte différent et d'échouer.

En revanche, si le contexte des échecs et des corrections est conservé, le successeur peut partir des essais et erreurs de son prédécesseur.

Le savoir-faire n'est pas une liste de bonnes réponses.

C'est un savoir accumulé sur la manière de juger face à une situation.

Quand une personne part, l'organisation répète les mêmes questions

Quand une personne expérimentée quitte une organisation, les documents et les résultats peuvent subsister.

Mais le nouveau responsable doit reposer les questions.

Pourquoi cette structure a-t-elle été choisie ?
D'autres méthodes ont-elles été examinées ?
Quel problème a motivé cette règle ?
Faut-il encore maintenir cette condition ?
Que se passe-t-il si on modifie tel élément ?
Quels problèmes restent non résolus ?

L'ancien responsable avait peut-être déjà examiné ces questions plusieurs fois.

Mais sans trace du processus de jugement, le nouveau responsable doit répéter les mêmes recherches et les mêmes erreurs.

Si l'on ne transmet que les résultats, il ne reste que deux options : suivre aveuglément les décisions passées ou tout réexaminer depuis le début.

Si le contexte du jugement est transmis avec, d'autres choix deviennent possibles.

On peut comprendre pourquoi les décisions passées ont été prises, les comparer aux conditions actuelles, et décider de les maintenir ou de les modifier.

C'est la différence entre transférer des résultats et transmettre un savoir.

Les conversations IA conservent le processus de formation des jugements

À l'ère de l'IA, beaucoup de gens mènent leurs recherches, leurs comparaisons et leurs décisions dans des conversations IA.

Ils ne saisissent pas une question déjà finalisée.

Ils lisent les réponses, ajoutent des contraintes, corrigent des directions erronées et passent à de nouvelles questions.

La conversation laisse naturellement les traces suivantes :

Le problème initialement défini
Les plusieurs options proposées par l'IA
Les raisons pour lesquelles l'utilisateur a accepté ou refusé
Les conditions nouvellement identifiées
Les contre-arguments sur les risques d'échec
Le moment où le jugement a changé
La direction finalement choisie
Les questions à examiner ensuite

Le document final ne retient peut-être que la conclusion : « Cette méthode est retenue. »

Mais la conversation IA révèle bien plus : pourquoi cette méthode a été choisie, ce qui a été écarté, et quelles conditions ont été jugées importantes.

Cette conversation n'est pas un simple registre de questions et réponses.

Elle peut devenir la trace du processus par lequel la pensée s'est formée et modifiée.

Stocker l'intégralité des conversations ne suffit pas

Même si le processus de pensée est présent dans les conversations IA, conserver les textes originaux ne transmet pas automatiquement le savoir-faire.

Plus la conversation s'allonge, plus il devient difficile d'en retrouver les jugements clés.

Un même travail peut être réparti sur plusieurs IA et fenêtres de conversation.

On peut définir un problème dans ChatGPT, examiner des contre-arguments dans Claude, et chercher des sources dans Perplexity. Même avec la même IA, on peut ouvrir une nouvelle fenêtre pour poursuivre.

Pour l'utilisateur, c'est un seul processus de pensée, mais les enregistrements sont dispersés.

Avec le temps, il devient difficile de retrouver :

De quelle conversation provient un jugement important
Quel contenu constitue un fait établi
Quelle proposition a été examinée sans être retenue
Pourquoi la direction a-t-elle changé
Où avait-on prévu de reprendre

L'existence des conversations originales et la possibilité de réexplorer les jugements passés sont deux problèmes différents.

Plus les enregistrements s'accumulent, plus le contexte important peut s'enfouir profondément.

5BY.AI ne cherche pas à reproduire parfaitement le savoir de chacun

5BY.AI ne peut pas préserver intégralement toute l'expérience et tout le savoir-faire d'une personne.

Les sens non verbalisés, les compétences acquises par le corps, les expériences non enregistrées ne peuvent être conservés tels quels.

Remplacer une personne par des données ou une IA n'est pas non plus le but de 5BY.AI.

Ce que 5BY.AI fait est plus concret.

Il s'agit de conserver les coordonnées significatives des questions, des jugements et des changements de direction déjà apparus dans les conversations IA, afin qu'ils ne disparaissent pas.

Que cherchait-on à résoudre ?
Quels faits a-t-on établis ?
Quelles méthodes a-t-on examinées ?
Qu'a-t-on choisi ?
Pourquoi a-t-on écarté d'autres méthodes ?
Où le jugement a-t-il changé ?
Que reste-t-il à résoudre ?
Où faut-il reprendre ?

L'impossibilité de tout conserver ne signifie que rien ne mérite d'être conservé.

Si l'on préserve ne serait-ce que le contexte de pensée qui peut l'être, on peut réduire la perte de savoir individuel et organisationnel.

Saved conserve les expériences qui méritent d'être revues

Dans une longue conversation IA, il y a des questions et réponses qui méritent d'être réexaminées.

Cela peut être une bonne explication, un contre-argument qui ébranle un jugement, ou un avertissement important.

5BY.AI permet à l'utilisateur de sélectionner et de conserver ces conversations via Saved.

Par exemple :

Une explication qui a fait comprendre le problème différemment
Une donnée qui a servi de fondement à un jugement
Un avertissement qui a révélé un risque d'échec
Une idée à développer ultérieurement
Une conversation qui mérite d'être transmise à d'autres

Le but de Saved n'est pas de tout archiver.

C'est de conserver les traces que l'utilisateur juge dignes d'être revues dans son expérience.

Anchor conserve les points de référence du jugement

Anchor n'est pas une simple fonction de sauvegarde de contenu.

C'est le point de référence que l'utilisateur juge digne d'être repris dans le fil de pensée en cours.

Anchor peut relier les contextes suivants :

Le problème que l'on cherchait à résoudre à l'époque
Les faits établis
La direction choisie par l'utilisateur
La raison de ce choix
Les conditions à maintenir
Les options écartées
Les questions encore ouvertes
Le point de départ de la prochaine conversation

Si ce contexte est conservé, le successeur ne reçoit pas seulement la conclusion passée.

Il comprend pourquoi ce jugement a été pris et peut vérifier s'il reste valable dans la situation actuelle.

Anchor n'est pas une règle qui impose de suivre aveuglément les décisions passées.

C'est une coordonnée pour réentrer dans le jugement passé et poursuivre la décision actuelle.

Pack révèle les frontières où la direction de pensée a changé

Dans une même longue conversation, le centre d'observation du problème peut changer plusieurs fois.

Au départ, on pense à un problème technique ; par la suite, on juge qu'il s'agit d'un problème d'expérience utilisateur ou de mode de fonctionnement.

Pack dans 5BY.AI n'est pas une classification thématique qui regroupe des mots similaires.

C'est une unité de contexte où se sont formés une définition du problème et une direction de pensée.

Pack permet d'examiner les changements suivants :

Où a commencé un fil de jugement
Qu'est-ce qui a modifié l'hypothèse initiale
Quel échec a engendré une nouvelle direction
Comment des conversations IA distinctes se sont reliées en un seul travail

Il aide à réexplorer le processus des changements de direction qui disparaissent du document final.

Handoff relie le savoir-faire à la conversation suivante

Conserver des enregistrements ne suffit pas à transmettre le savoir.

Il faut que le successeur ou soi-même puisse réutiliser ce savoir dans un travail réel.

Handoff dans 5BY.AI construit le contexte nécessaire pour la prochaine conversation à partir de l'Anchor sélectionné et du fil de pensée enregistré.

On peut poursuivre dans une nouvelle fenêtre de la même IA.

On peut aussi passer à une autre IA pour des analyses ou des travaux complémentaires.

Handoff accorde de l'importance aux informations suivantes :

L'objectif actuel
Les faits déjà établis
La direction choisie par l'utilisateur
Les conditions à maintenir
Les méthodes déjà examinées et écartées
Les problèmes non résolus
La tâche de départ pour la prochaine conversation

Si ces informations sont transmises, la nouvelle conversation ne démarre pas dans l'ignorance des essais et erreurs passés.

Elle peut poursuivre le prochain jugement sur la base du savoir déjà acquis.

La vue en graphe montre les relations entre expériences dispersées

La Graph View (vue en graphe) de 5BY.AI est un espace pour explorer comment Pack, Anchor et Saved sont reliés.

Une liste de conversations classées par date ne suffit pas à voir comment une pensée s'est développée à travers plusieurs échanges.

Dans la vue en graphe, on peut examiner le fil suivant :

Le Pack où le problème a été défini initialement
Le Saved qui a consigné un argument important
Le Pack suivant où le jugement a changé
L'Anchor retenu comme nouveau point de référence
La nouvelle conversation reliée via Handoff
Le jugement ensuite révisé ou élargi

Cette structure ne montre pas seulement le résultat final.

Elle permet de réexplorer les questions et les changements de jugement qui ont conduit au résultat.

Soi-même dans le futur est aussi un successeur à informer

La transmission du savoir-faire ne concerne pas seulement les autres.

Quelques mois plus tard, en revenant à un travail passé, on se trouve dans un état similaire à un nouveau responsable.

La décision finale est notée, mais on ne se souvient peut-être plus de ce qui suit :

Pourquoi cette méthode a-t-elle été choisie ?
Quel risque a-t-on identifié ?
Qu'a-t-on déjà examiné ?
Quelle condition a fait écarter une autre direction ?
Que prévoyait-on de faire ensuite ?

Si des coordonnées de pensée sont conservées, on peut restaurer plus rapidement jusqu'où on était allé.

Sans reconsidérer le même problème depuis le début, on peut démarrer le prochain jugement sur la base du savoir déjà acquis.

Préserver le savoir ne remplace pas les personnes

Enregistrer le savoir-faire d'une personne ne permet pas de s'en passer complètement.

Des personnes différentes, avec des expériences et des situations différentes, peuvent tirer des jugements différents d'un même enregistrement.

L'objectif de la préservation n'est donc pas de faire reproduire les conclusions passées.

C'est d'aider la personne suivante à poser de meilleures questions.

Que savait-on à l'époque ?
Dans quelles conditions a-t-on jugé ?
Qu'est-ce qui a échoué ?
Pourquoi le jugement a-t-il changé ?
Quelles conditions ont changé aujourd'hui ?
Faut-il maintenir ou réviser la décision passée ?

Une bonne transmission du savoir ne fige pas les conclusions passées en ordres.

Elle conserve le processus de pensée comme fondation pour le jugement actuel.

Même quand une personne part, les coordonnées de pensée peuvent se prolonger

On ne peut pas enregistrer intégralement toute l'expérience d'une personne.

Mais il y a une grande différence entre ne rien conserver et préserver ne serait-ce qu'une partie du contexte de jugement.

À l'ère de l'IA, de plus en plus de gens mènent leurs questions, leurs comparaisons et leurs décisions dans des conversations IA.

Ces conversations révèlent naturellement des processus de pensée autrefois difficiles à consigner par écrit.

5BY.AI cherche à y conserver les coordonnées dignes d'être réutilisées.

Ce n'est pas du stockage, c'est une réentrée. Ce n'est pas une archive, ce sont des coordonnées pour comprendre à nouveau et poursuivre.

Quand une personne part, s'il ne reste que ce qu'elle savait, c'est insuffisant. Mais si l'on peut ne serait-ce que partiellement comprendre pourquoi elle a jugé ainsi, le successeur peut démarrer d'un meilleur point.

5BY.AI n'est pas un service qui cherche à cloner les personnes.

Il aspire à être une infrastructure de mémoire qui empêche que les questions, les jugements, les échecs et les changements de direction forgés avec l'IA ne disparaissent entièrement.

Articles et fonctionnalités associés

#5BY.AI#préservation du savoir#transmission du savoir-faire#savoir tacite#processus de pensée#registres de conversation IA