l’IA, ce n’est pas que des modèles et des prompts
Pour qu’une IA fonctionne bien, on parle beaucoup de modèles et de prompts mais à mesure que les systèmes d’IA deviennent plus performants, un autre sujet devient central : la qualité des bases de connaissances à partir desquelles ces IA travaillent.
La qualité du résultat dépend fortement de la qualité de la connaissance à laquelle l’IA accède. Cette connaissance doit être fiable, structurée, cohérente et navigable. Mais aujourd’hui, une grande partie de notre connaissance est encore écrite/stockée dans des formats pensés pour les humains : Word, PDF, pages web, wikis…
Ces formats sont très adaptés pour les humains, beaucoup moins pour les agents IA et si nous voulons collaborer efficacement, nous allons devoir apprendre à construire des bases de connaissances pensées non seulement pour des humains, mais aussi pour des machines.
La promesse de Open Knowledge Format (OKF)
C’est précisément l’ambition d’Open Knowledge Format (OKF), une spécification ouverte récemment proposée par Google avec une idée simple : Représenter la connaissance non pas comme une simple pile de documents, mais comme une base de connaissance structurée, organisé de manière explicite.
Open Knowledge Format, c’est :
- Un format simple à produire
- Un format simple à consommer
- Une structure compatible avec Git et les systèmes de fichiers
- Une excellente lisibilité humaine
- Une exploitation facilitée pour les agents IA
Concrètement, la connaissance est stockée sous forme d’un arbre de répertoires contenant des fichiers Markdown enrichis avec frontmatter.
Exemple de bundle OKF
Voici l’organisation d’un bundle :
sales/
├── index.md
├── datasets/
│ ├── index.md
│ └── orders_db.md
├── tables/
│ ├── index.md
│ ├── orders.md
│ └── customers.md
└── metrics/
├── index.md
└── weekly_active_users.mdChaque fichier contient à la fois :
- Des métadonnées structurées (type, tags, resource, timestamp…)
- Du contenu libre en Markdown
- Des liens explicites vers d’autres concepts
Exemple :
---
type: BigQuery Table
title: Orders
description: One row per completed customer order.
resource: https://console.cloud.google.com/bigquery?p=acme&d=sales&t=orders
tags: [sales, revenue]
timestamp: 2026-05-28T14:30:00Z
---Puis :
# Schema
| Column | Type | Description |
|--------|------|-------------|
| order_id | STRING | Unique order identifier |
| customer_id | STRING | FK to customers |Pourquoi cela me semble important ?
Je crois que nous entrons progressivement dans un monde dans lequel la connaissance devra être traitée davantage comme du code : Versionnée, validée, testée et publiée automatiquement.
Kiso, un Hugo pour les knowledge bases orientées IA
Cette vision m’a suffisamment convaincu pour me donner envie de construire un outil autour de cet écosystème : Kiso. Il s’agit d’un projet open source qui permet de publier des bases de connaissances OKF sous forme de sites web statiques, lisibles à la fois par des humains et des IA avec en plus la génération automatique des fichiers llms.txt et sitemap.xml.
Pour ceux qui connaissent, Kiso est une sorte de Hugo pour les bases de connaissances Open Knowledge Format.
L’objectif est de rendre la publication de bases de connaissances structurées aussi simple que la publication d’un site statique.