La documentation technique est le chantier que tout le monde repousse. Elle est en retard sur le produit, incomplète, et personne n’a envie de l’écrire. Quand l’IA générative est arrivée, la promesse semblait taillée sur mesure : « donnez-lui vos sources, elle écrira la doc ». Beaucoup d’équipes ont essayé. Beaucoup ont découvert que la génération brute crée autant de travail qu’elle en supprime — juste un travail différent.
Cet article ne vous dira pas que l’IA ne sait pas documenter : elle le fait remarquablement bien, à condition d’être industrialisée. Il vous dira où sont les coûts cachés, comment les contenir, et comment nous avons construit une véritable usine à documentation dans Confluence pour un éditeur de logiciel.
Les trois coûts cachés de la doc générée par IA
1. La relecture qui explose
Générer 40 pages de documentation prend une heure. Les relire sérieusement prend une semaine. Si la génération n’est pas contrainte — sources précises, périmètre défini, structure imposée — le rédacteur technique passe d’auteur à correcteur d’un texte plausible mais truffé d’approximations. Or vérifier une affirmation plausible coûte plus cher que l’écrire soi-même : il faut retrouver la source, comparer, trancher. C’est le piège classique : le coût n’a pas disparu, il s’est déplacé vers la relecture — et il a parfois grossi au passage.
2. Le style qui se disperse
Une documentation, c’est une voix : mêmes conventions de nommage, même structure de page, même façon d’écrire une procédure, même usage des avertissements. Un modèle d’IA sollicité au fil de l’eau, par des personnes différentes avec des prompts différents, produit quarante pages dans quarante styles. Individuellement correctes, collectivement illisibles. Et l’harmonisation a posteriori est précisément le genre de tâche ingrate que personne ne fera.
3. La dérive dans le temps
Le coût le plus sournois. La doc générée en mars est correcte en mars. En septembre, le produit a changé, la doc non. Sans processus de mise à jour outillé, l’IA n’a pas résolu le problème historique de la documentation — l’obsolescence — elle a juste produit plus de pages qui vieillissent. Une doc fausse est pire qu’une doc absente : elle a l’air fiable. Et plus vous générez vite, plus le stock de pages à maintenir grossit vite — la dérive est proportionnelle au succès de la génération.
Ce qui contient ces coûts : trois garde-fous
Un guide de style strict, appliqué par la machine
Le guide de style ne doit pas être un document que l’IA « a lu quelque part » : il doit être injecté dans chaque génération comme une contrainte non négociable — terminologie, gabarits de page, conventions, ton. C’est la différence entre demander à quelqu’un « d’écrire proprement » et lui donner une charte avec des gabarits. Le résultat : des pages qui semblent écrites par la même main, quelle que soit la personne qui a lancé la génération.
Une tour de contrôle, pas des prompts éparpillés
Si chacun génère sa doc dans son coin avec son chatbot, vous n’avez pas un processus, vous avez du bricolage distribué. Le pilotage doit être centralisé : un endroit unique d’où l’on déclenche les générations, où l’on voit ce qui est en cours, ce qui attend une relecture, ce qui est publié. Ce n’est pas un luxe d’organisation : c’est ce qui rend le processus auditable et le style tenable.
Le human-in-the-loop, placé au bon endroit
La validation humaine est indispensable — mais pas n’importe où. Relire chaque phrase générée ruine la rentabilité ; ne rien relire ruine la fiabilité. Le bon réglage : l’humain valide en fin de chaîne, sur un contenu déjà contraint par les sources et le guide de style. Son travail n’est plus de réécrire, mais de vérifier l’exactitude technique et d’approuver la publication. La relecture redevient proportionnée, parce que la génération est déjà cadrée en amont.
Les trois scénarios d’une usine à documentation
En pratique, les besoins documentaires se ramènent presque toujours à trois scénarios, qui appellent trois modes de génération distincts :
- Raffiner l’existant : la page existe mais elle est datée, mal structurée ou hors charte. L’IA la reprend — structure, style, clarté — sans inventer de contenu nouveau. C’est le scénario le plus sûr et souvent le meilleur point de départ : le fond est déjà validé, on ne retouche que la forme.
- Créer depuis l’arborescence : la structure documentaire existe (l’arborescence de l’espace, les pages voisines, les conventions du corpus) mais la page manque. L’IA s’appuie sur ce contexte pour produire une page cohérente avec son environnement, signalée comme brouillon à valider.
- Créer depuis des documents sources : spécifications, notes de conception, tickets, transcriptions de réunions. L’IA transforme cette matière brute en page de documentation conforme à la charte. C’est le scénario au levier le plus fort — des heures de rédaction économisées par page — et celui qui exige le plus de rigueur sur le sourçage.
Distinguer ces trois scénarios n’est pas un détail de conception : chacun a un niveau de risque différent, donc un niveau de relecture différent. Les confondre, c’est appliquer partout la relecture maximale — et retomber dans le coût caché n°1.
Retour d’expérience : l’usine Confluence de OneStock
Nous avons mis cette approche en œuvre pour OneStock, éditeur de logiciel dont la documentation technique vit dans Confluence. Le dispositif : une usine à documentation pilotée depuis une page « tour de contrôle » unique, directement dans Confluence — pas un outil externe de plus à adopter.
Depuis cette page, l’équipe déclenche les trois scénarios : raffinement de pages existantes, création de pages depuis l’arborescence de l’espace, ou création depuis des documents sources. Chaque génération respecte strictement le guide de style maison — gabarits, terminologie, conventions — et rien ne se publie sans passage humain. Le résultat n’est pas « la doc s’écrit toute seule » : c’est que le temps de l’équipe se déplace de la rédaction fastidieuse vers la validation experte, et que la documentation reste homogène en s’étoffant — exactement l’inverse de la génération sauvage. C’est représentatif de notre façon d’aborder l’automatisation : outiller le processus complet, pas juste brancher un modèle.
Comment évaluer si ça vaut le coup chez vous
Trois questions avant de lancer un chantier de ce type :
- Le volume : avez-vous des dizaines de pages à créer ou reprendre, avec un flux continu ? En dessous, un bon usage individuel de l’IA suffit ; l’usine se justifie à l’échelle.
- La matière première : avez-vous des sources exploitables (specs, tickets, notes) ? L’IA transforme de la matière, elle n’en crée pas. Pas de sources, pas de doc fiable.
- Le valideur : avez-vous quelqu’un capable de vérifier l’exactitude technique ? Le human-in-the-loop suppose un humain compétent dans la boucle. C’est lui, la ressource rare à protéger — et c’est exactement ce que l’usine fait.
Si les trois réponses sont oui, le calcul est généralement sans appel : le coût de mise en place se rembourse sur les premières dizaines de pages.
Passer à l’action
Une documentation en retard est rarement un problème de motivation : c’est un problème d’outillage. Si votre équipe repousse ce chantier depuis des trimestres, un diagnostic flash permet d’évaluer en quelques jours le volume, les sources disponibles et le dispositif adapté. Vous pouvez aussi explorer nos ressources pour outiller vos premiers pas avec l’IA générative.
