Comment un cabinet de conseil senior a transformé le savoir tacite de ses partners en actif consultable par tous

Mi-2025. Un cabinet de conseil senior d'une trentaine de personnes, plusieurs décennies d'expertise dans des domaines réglementés exigeants. Toute la valeur de la maison vit là où vit la valeur dans tout cabinet senior : dans la tête des partners et de quelques séniors. Production d'une réponse à appel d'offres : plusieurs dizaines de jours. Frustration récurrente : les seniors passent leur temps à corriger la mise en forme des juniors, les juniors n'apprennent pas le métier. Une première mission IA, confiée à un prestataire généraliste, avait livré des solutions trop basiques. C'est dans cette configuration que Catalia est appelé.

La friction que vivent tous les cabinets seniors

Le récit le plus fréquent dans les cabinets de conseil senior (droit, audit actuariel, conseil financier, conseil réglementaire, M&A, expertise comptable haut de gamme) est le même partout. Et il est rarement raconté en façade.

Un partner d'un cabinet de conseil senior consacre plusieurs jours à orchestrer la production d'une réponse à appel d'offres de 200 à 300 pages. Le partner ne rédige pas la totalité, il délègue à des juniors et à des séniors. Mais il passe l'essentiel de son temps à corriger : la mise en forme, le respect des règles éditoriales du cabinet, la qualité du fond.

Au lieu de transmettre du savoir métier à ses juniors, il fait de la relecture intensive. Les juniors, eux, sont frustrés : ils ne progressent pas vraiment sur le fond, parce qu'on ne leur demande pas du fond. On leur demande d'avoir produit le contenant correctement.

Conséquence structurelle : le savoir tacite du cabinet, sa vraie valeur accumulée sur plusieurs décennies, reste verrouillé sur quelques têtes. Il ne se transmet pas. Il ne s'industrialise pas. Il ne se capitalise pas.

C'est dans cette configuration que le client a appelé Catalia mi-2025, après une première expérience IA décevante avec un prestataire qui n'avait pas la maîtrise du sujet et avait livré des outils trop basiques pour produire une vraie transformation.

Pourquoi Catalia, après l'échec d'une première mission IA externe

L'associé fondateur du cabinet a posé le diagnostic du premier échec en clair : ils avaient fait confiance à un prestataire qui maîtrisait la surface de l'IA générative, pas la profondeur. Les livrables produits étaient des assemblages de Copilot et de templates. Aucun bénéfice mesurable, aucune transformation de la pratique.

Pour la deuxième mission, le cabinet cherchait trois choses en même temps. Une profondeur technique RAG sérieuse, parce que dans des contextes réglementés exigeants la précision et le sourcing ne sont pas optionnels. Une vraie compréhension du métier de cabinet senior, où la valeur ne se mesure pas en productivité brute mais en transmission du savoir tacite. Et une pédagogie de l'esprit critique IA, pour apprendre aux utilisateurs à interroger l'outil correctement, à comprendre ses limites, à savoir quand creuser et quand l'information est accessible d'un coup.

Catalia tient les trois exigences en même temps. C'est ce qui a justifié la décision de l'associé fondateur.

Mi-2025 — Audit court et cadrage de l'architecture cible

L'audit IA a duré une semaine, mené en équipe restreinte. Trois actes clés :

1. Cartographie des appels d'offres historiques mobilisables : typologie, longueur, contraintes éditoriales du cabinet, points récurrents de friction senior/junior.
2. Identification des règles éditoriales strictes du cabinet : formalisme propre à la maison qui caractérise sa signature visuelle et structurelle.
3. Repérage des compétences internes : qui parmi les 30 collaborateurs avait l'appétit pour devenir bêta-testeur du dispositif, qui pourrait porter en interne la transformation après le déploiement.

L'audit a été piloté par Matthieu Sabourin, fondateur de Catalia, en posture de consultant expert sur le cadrage stratégique. Une associée senior côté client a piloté la mission en interne.

Mi-2025 → Fin 2025 — Construction des outils et déploiement

Trois mois de construction sur deux outils complémentaires.

Outil 1. RAG métier propriétaire. Indexation d'un corpus de réponses historiques à appels d'offres, chacune de 200 à 300 pages, sur des sujets relevant de domaines hautement régulés. Stack technique mobilisée : LangGraph pour l'orchestration des chaînes de raisonnement, LangChain pour les connecteurs et l'abstraction LLM, plusieurs modèles testés en génération (notamment Claude Opus d'Anthropic) pour identifier la combinaison qui livre le meilleur compromis qualité / coût / fiabilité de sourcing sur les exigences métier du client.

Les techniques d'implémentation RAG concrètes mobilisées sont propres à Catalia et restent confidentielles à la demande du client.

Outil 2. Moteur de standardisation visuelle automatisée. Génération de productions conformes au formalisme strict du cabinet, par combinaison de deux logiques complémentaires :

• une partie IA forte pour la rédaction et la cohérence éditoriale,
• une partie automatisation forte par codification VBA des règles déterministes du cabinet (mise en page, structure, formats).

Cette séparation est volontaire. L'IA générative n'est pas la bonne réponse à tous les problèmes. Certaines règles éditoriales se traitent mieux en automatisation classique, à coût d'exécution proche de zéro. Savoir trancher au cas par cas, c'est ce que Catalia fait depuis plus de 10 000 heures d'usage cumulé sur des cas d'usage RAG complexes.

Outil 3 (transversal). Formation IA à l'esprit critique. Volet souvent sous-estimé dans les missions IA, central chez Catalia. Une vingtaine d'utilisateurs internes ont été formés à :

• formuler des questions productives (et reconnaître quand une question est mal posée),
• comprendre que l'IA n'a pas une capacité à répondre 100 % juste à chaque fois, et qu'un usage compétent passe par l'esprit critique,
• distinguer une information trop difficile à obtenir d'un coup (qui exige plusieurs allers-retours pour creuser progressivement) d'une information accessible en une seule requête.

Sans cette formation cognitive, les outils techniques ne sont pas exploités à leur plein potentiel. Avec elle, les utilisateurs deviennent autonomes pour itérer eux-mêmes sur le RAG, ajuster leurs prompts, et obtenir la qualité métier qu'ils cherchent.

Le moment qui dit ce que la mission produit vraiment

La méthodologie propriétaire Catalia qui distingue ce projet de toute mission RAG standard du marché est appliquée en phase de validation et d'intégration : la combinaison entre LLM-as-Judge et tests métier multi-bêta-testeurs.

Le LLM-as-Judge est un système d'évaluation automatisée où un modèle de langage joue le rôle d'évaluateur sur la qualité des réponses produites par un autre modèle. Mais utilisé seul, il introduit ses propres biais. C'est pourquoi Catalia y adjoint un panel de bêta-testeurs internes chez le client, recrutés dans les rôles métier (associés, séniors, juniors), qui exécutent des tests métier réels sur le RAG en parallèle de l'évaluation automatisée.

Cette double validation, automatisée et humaine multi-rôles, élimine ce qu'aucune des deux ne peut éliminer seule : les biais propres à une seule personne dans l'évaluation, et les biais propres à un seul modèle dans le scoring. Le système gagne ainsi en robustesse industrielle, pas en élégance technique pure.

C'est ce qui distingue cette mission d'un projet livré par un freelance RAG seul ou par un éditeur SaaS standard. Et c'est ce que Catalia continue à capitaliser dans son Lab Scientifique.

L'équipe Catalia mobilisée

Trois intervenants se sont relayés sur la mission, en cohérence avec le modèle Catalia de mobilisation par expertise :

• Matthieu Sabourin, fondateur de Catalia, en pilotage stratégique et accompagnement de la direction du cabinet, en posture de consultant expert sur l'architecture cible et la conduite du changement.
• Sami Mhidia, CTO de WeAreCasus, startup qui indexe plus de deux millions de sources fiscales et législatives pour des contextes professionnels où l'erreur n'est pas tolérée. Sami apporte une expertise unique sur les architectures RAG en environnement réglementaire exigeant : la rigueur de sourcing, la fiabilité face aux énormes volumes de données, la précision juridique. Cette double casquette est rare et structurante pour ce type de mission.
• Yassine Doghmi, chef de projet sur la mission, en interface continue avec le client.

Trois rôles distincts, une seule cohérence. C'est l'application directe du modèle de Communauté freelance par vertical de Catalia : pas un cabinet à effectifs fixes mobilisant une équipe surdimensionnée par défaut, mais le bon expert au bon moment, sur le bon sujet, en mission cadrée.

Pour les dirigeants de cabinets seniors français

L'enseignement de cette mission se transpose directement à tous les cabinets seniors français en métiers à haute valeur intellectuelle réglementée : avocats d'affaires, expertise comptable haut de gamme, conseil M&A, audit actuariel, conseil réglementaire bancaire ou assurance, conseil en investissement financier, cabinets de propriété intellectuelle.

Tous vivent la même friction. Le savoir tacite des partners est leur actif central, mais il n'est pas accessible sans eux. Cela limite la croissance, fragilise la transmission, frustre les juniors et épuise les seniors. Les outils RAG du marché, eux, ne tiennent pas la précision, le sourcing et la conformité métier qu'exigent ces contextes réglementés. Et quand une mission IA est confiée à un prestataire qui maîtrise la surface mais pas la profondeur, l'entreprise se retrouve avec des outils trop basiques et finit par conclure, à tort, que l'IA ne marche pas dans son métier.

Catalia tient ces trois exigences en même temps : profondeur technique RAG, méthode propriétaire de validation, et formation des utilisateurs à l'esprit critique. À cela s'ajoute une chose plus difficile à formuler : un sens de la pratique du cabinet senior, qui aide à séparer ce que l'IA peut augmenter de ce qui doit rester un acte humain.

Catalia accompagne plusieurs autres cabinets d'avocats et acteurs des métiers de la finance et du légal sur les mêmes problématiques.

Ce que ce cas dit de Catalia

Ce cabinet est venu chez Catalia après l'échec d'une première mission IA externe. Quatre mois plus tard, son savoir tacite, verrouillé pendant plusieurs décennies sur quelques têtes, est devenu un actif consultable par toute l'équipe. Plus une vingtaine d'utilisateurs autonomes capables d'interroger le système, de produire avec lui, et d'itérer sans dépendance prestataire.

La leçon n'est pas dans la stack technique. LangGraph, LangChain, Claude Opus, VBA existent et sont accessibles à beaucoup. Elle est dans la combinaison rare de profondeur RAG technique, de méthode propriétaire de validation et de pédagogie de l'esprit critique IA. Celle qui sait construire un actif RAG industriel, le valider sans biais, et le transmettre à des utilisateurs qui en deviennent autonomes.

C'est ce que Catalia structure dans son Lab Scientifique. C'est ce qui, demain, rend ce cabinet capable d'enrichir le dispositif sans dépendre d'aucun prestataire, y compris Catalia.

Chez Catalia, on n'apprend pas à produire avec l'IA. On apprend à penser avec elle.