Ajouter une Base de Connaissances (Knowledge)

Donner de la mémoire spécialisée à votre GPT

Les instructions système que vous avez rédigées dans la leçon précédente définissent le comportement de votre GPT : qui il est, comment il répond, ce qu’il refuse. Mais elles ne lui donnent aucun savoir nouveau. Votre convention collective, votre catalogue produit, vos procédures internes, votre base réglementaire : ChatGPT n’en sait rien, et il n’a aucun moyen de les deviner. C’est précisément le rôle de la base de connaissances, la section Knowledge de l’onglet Configurer. En y déposant vos documents, vous transformez un généraliste brillant en expert de votre domaine — un expert qui cite vos textes plutôt que d’improviser.

Comment fonctionne la Knowledge

Le principe est simple en apparence : vous téléchargez des fichiers, et votre GPT peut les consulter pour répondre. Les formats acceptés couvrent l’essentiel des usages professionnels : documents texte (PDF, DOCX, TXT, MD), données structurées (CSV, XLSX, JSON), fichiers de code (PY, JS, TS, HTML, CSS) et images (PNG, JPG, GIF, WEBP). La limite est de 20 fichiers par GPT, pour une taille maximale de 512 Mo au total — largement de quoi couvrir la documentation d’un service ou d’un produit.

Ce qui se passe en coulisses mérite en revanche votre attention, car c’est ce qui explique tous les conseils de préparation qui suivent. Votre GPT n’apprend pas vos fichiers par cœur : il utilise un mécanisme de Retrieval-Augmented Generation (RAG). Vos documents sont d’abord découpés en segments. Quand un utilisateur pose une question, le système récupère les segments les plus pertinents par rapport à cette question, puis ChatGPT génère sa réponse en s’appuyant sur eux. Autrement dit, le GPT ne « lit » jamais votre document en entier : il ne voit que les extraits que la recherche lui remonte. Si votre document est mal structuré, la recherche remontera de mauvais extraits, et la réponse sera médiocre — quelle que soit la qualité de vos instructions. La qualité de vos documents détermine directement la qualité des réponses.

Préparer vos documents

Cette mécanique du RAG dicte votre méthode de préparation. Premier réflexe : structurer. Un document truffé de titres et de sous-titres clairs se découpe en segments cohérents ; un bloc de 500 pages sans hiérarchie se découpe au hasard. Préférez également un document par thème plutôt qu’un fichier monolithique : si votre GPT RH doit répondre sur les congés et sur les notes de frais, deux fichiers distincts donneront une recherche plus précise qu’un « guide tout-en-un ». Pour les documents longs qui restent nécessaires, un sommaire en début de fichier aide le système à s’y retrouver.

Deuxième réflexe : écrire pour la recherche. Rédigez des phrases complètes plutôt que des mots-clés isolés — un segment qui dit « Le délai de carence entre deux CDD est de la moitié de la durée du contrat initial » sera retrouvé et exploité bien mieux qu’une cellule de tableau contenant « carence : 50 % ». Dans le même esprit, intégrez directement les questions fréquentes et leurs réponses dans vos documents : quand un utilisateur pose une question proche, la correspondance est quasi immédiate. Enfin, méfiez-vous des tableaux complexes, que le RAG gère mal une fois découpés : transformez-les en listes ou en texte structuré quand c’est possible.

Pour vous donner des repères, voici les documents typiques selon le type de GPT :

Mise en pratique : un assistant onboarding

Imaginons que vous construisiez un GPT « Assistant Onboarding » pour accueillir les nouveaux arrivants de votre entreprise. Une base de connaissances efficace tiendrait en cinq fichiers : le guide d’accueil complet (guide-nouvel-employe.pdf), les 30 questions les plus fréquentes des nouveaux arrivants (faq-rh.md), l’organigramme (organigramme.pdf), les tutoriels des outils internes comme Slack, Jira ou GitLab (outils-internes.md), et un glossaire du vocabulaire maison et des acronymes (glossaire.md). Cinq fichiers thématiques, chacun avec un périmètre net — exactement ce que le RAG exploite le mieux.

Reste à relier la Knowledge aux instructions. Ajoutez une consigne du type : « Quand on te pose une question, consulte d’abord tes fichiers de connaissances. Si la réponse n’y figure pas, indique-le et propose une réponse basée sur tes connaissances générales. » Sans cette consigne, le GPT peut répondre de mémoire alors que la bonne réponse dormait dans vos fichiers.

Les pièges à éviter

Le premier piège est d’uploader des fichiers bruts : un export PDF de 500 pages sans titres donnera des résultats décevants, et vous en conclurez à tort que « la Knowledge ne marche pas ». Prenez le temps de structurer avant d’uploader. Le deuxième est l’inverse de la sobriété : les 20 fichiers autorisés ne sont pas un objectif. Cinq documents bien construits battent vingt documents médiocres, et un fichier fourre-tout qui mélange les sujets rend la recherche imprécise. Troisième piège, plus sournois : l’obsolescence. Vos documents vivent — si votre politique de télétravail change, le fichier dans le GPT doit changer aussi, sinon votre assistant répondra avec l’ancienne règle en toute confiance. Enfin, un point de vigilance qui n’est pas technique mais critique : les fichiers uploadés dans un GPT public sont accessibles via ce GPT. Ne placez jamais de données confidentielles ou personnelles dans la Knowledge d’un GPT que vous comptez publier.

Points clés à retenir

• La Knowledge donne à votre GPT un accès à vos documents spécifiques via un système RAG
• La qualité des réponses dépend directement de la qualité et de la structure de vos fichiers
• Préférez plusieurs documents thématiques à un seul fichier volumineux
• Formats supportés : PDF, DOCX, CSV, JSON, code, images — jusqu’à 20 fichiers / 512 Mo
• Attention à la confidentialité : ne mettez pas de données sensibles dans un GPT public