Comment savoir ce qu'une IA a fait sur vos fichiers d'entreprise

Un agent d'intelligence artificielle capable de lire vos dossiers, de lancer des commandes et de rédiger des documents, cela existe et cela fonctionne. La question gênante arrive juste après. Une fois le travail rendu, que reste-t-il du trajet ? Quels fichiers l'outil a-t-il ouverts, avec quelles permissions, pour en faire quoi ? Chez la plupart des assistants du marché, impossible de le savoir. Maka, un projet open source incubé par la fondation Apache, prend le contre-pied : chaque action est consignée dans un journal impossible à raturer, et ce journal reste sur votre machine.

Des actions invisibles sur vos données : le cœur du problème

Un script classique est prévisible. Il fait ce qu'on a écrit, ni plus ni moins. Un agent d'intelligence artificielle, lui, décide en cours de route : quels fichiers ouvrir, quelles commandes exécuter, comment enchaîner les étapes. Cette autonomie fait sa valeur. Elle crée aussi un angle mort.

Imaginez qu'un document confidentiel se retrouve cité dans une réponse envoyée à un client. Ou qu'un fichier ait été modifié sans que personne ne s'en aperçoive. Sans historique fiable, vous ne pouvez ni comprendre ce qui s'est passé, ni le prouver. Le règlement général sur la protection des données impose pourtant de savoir qui accède à quelles données personnelles, et votre assureur posera exactement les mêmes questions après un incident.

Certains outils affichent bien un résumé de leurs étapes. Mais un résumé rédigé par l'outil lui-même reste invérifiable. Toute la différence entre un compte rendu et une preuve tient là.

Un journal de bord que rien ne peut raturer

Maka enregistre tout ce qui se produit pendant une session : les messages échangés avec le modèle, chaque appel d'outil, chaque résultat, chaque permission accordée ou refusée, jusqu'à la façon dont la tâche s'est terminée. Ces événements s'empilent dans un journal en ajout seul. On peut y écrire une ligne de plus. On ne peut pas en corriger une ancienne.

Ce choix d'architecture structure tout le logiciel : l'interface, l'historique des sessions et la reprise après une coupure se reconstruisent à partir de ces événements enregistrés. Ce que vous relisez trois semaines plus tard, ce sont donc les faits eux-mêmes, dans l'ordre où ils se sont produits. Même quand le contexte envoyé au modèle est compacté pour tenir dans ses limites, les preuves enregistrées, elles, restent intactes. La mémoire de travail et les archives sont deux choses distinctes.

Et ce journal ne quitte pas le bord. Maka fonctionne en local d'abord : sessions, réglages et journaux d'exécution sont stockés sur votre poste, dans une base de données identifiable, avec un dossier séparé pour les documents produits. Aucun serveur tiers ne conserve vos échanges par défaut. Le modèle de langage, lui, se branche selon votre choix : une API cloud, un modèle installé sur votre machine, ou une passerelle compatible. Pour une entreprise soumise à des règles de confidentialité, ce découplage change beaucoup de choses. Vous profitez d'un agent capable tout en décidant précisément où partent vos requêtes.

Reste la question des droits. Chaque écriture de fichier et chaque commande passent par un moteur de permissions que vous configurez. L'agent demande, vous accordez ou refusez, et la décision rejoint le journal comme le reste.

Installer Maka : la marche à suivre

Le code est public sur GitHub, sous licence Apache 2.0. La version de bureau signée nécessite aujourd'hui un Mac avec puce Apple Silicon. Une préversion Windows existe mais elle n'est pas signée : avant toute installation, vérifiez que l'empreinte SHA-256 du fichier téléchargé correspond à celle publiée avec la version. Linux attendra.

Sur Mac, la mise en route tient en quelques étapes :

1. Téléchargez le fichier DMG depuis la page des versions du projet sur GitHub ;
2. Glissez l'application dans votre dossier Applications ;
3. Installez l'utilitaire de recherche ripgrep (commande "brew install ripgrep") ;
4. Au premier lancement, ouvrez les réglages, section Modèles, et ajoutez votre connexion : clé d'API ou modèle local.

Maka ne fournit aucun compte de modèle partagé. Vous apportez le vôtre, ce qui vous oblige à choisir en connaissance de cause l'endroit où vos données transitent. C'est contraignant la première fois, et c'est très sain.

Pour les premiers essais, un conseil simple : travaillez sur une copie d'un dossier, avec des permissions limitées à la lecture, et relisez le journal après chaque session. Vous verrez comment l'agent raisonne avant de lui confier quoi que ce soit de réel.

Les limites à regarder en face

Un projet en incubation reste un projet jeune. Les formats de données et les commandes peuvent encore évoluer, la documentation l'annonce sans détour. Un usage professionnel demande donc quelques précautions.

Les clés d'API sont stockées dans un fichier local en clair, protégé par les droits de votre session utilisateur. Autrement dit, la sécurité de Maka repose sur celle de votre poste. Chiffrement du disque et verrouillage de session ne sont plus des détails : ils deviennent la première ligne de défense de vos accès aux modèles.

Autre conséquence du fonctionnement local : le journal qui fait toute la valeur de l'outil vit sur votre machine, et disparaîtrait avec un disque défaillant. Maka intègre un mécanisme de sauvegarde complet, avec vérification d'intégrité par empreinte de chaque fichier. Encore faut-il l'utiliser, et inclure ce dossier de travail dans le plan de sauvegarde de votre entreprise.

Enfin, lors des mises à jour, certaines données d'anciennes versions ne sont volontairement pas migrées : mieux vaut lire les notes de version avant de mettre à niveau un espace de travail existant.

Ce que cela change, chiffres en main

Prenons un cas courant : la préparation d'une synthèse mensuelle à partir d'une trentaine de documents internes, comptes rendus, tableaux de suivi, courriels exportés. Comptez trois heures de travail manuel pour la personne qui s'en charge. Avec un agent configuré une fois, la production tombe à une vingtaine de minutes, relecture humaine comprise. Environ deux heures et demie gagnées chaque mois, sur cette seule tâche.

Le second gain est moins visible et pèse davantage. Si un chiffre du rapport de janvier est contesté en mars, le journal indique en quelques minutes quels fichiers ont servi de source et ce que l'agent en a fait. Sans cette traçabilité, la même vérification prendrait des heures, quand elle serait seulement possible.

Déléguer la barre, garder le journal

La confiance dans un outil d'automatisation se construit sur des preuves. Maka montre qu'un agent d'intelligence artificielle peut travailler sur vos fichiers tout en laissant derrière lui un historique complet, vérifiable, qui ne quitte jamais votre machine. Le projet est jeune et son périmètre encore étroit. La direction qu'il trace, en revanche, mérite l'attention de tout dirigeant, parce qu'elle répond à la seule question qui compte avant d'adopter une intelligence artificielle : que saurai-je de ce qu'elle a fait quand personne ne regardait ?

Si vous vous demandez ce qu'un agent pourrait prendre en charge dans votre entreprise, et surtout dans quel cadre le faire proprement, parlons-en : prenez rendez-vous, l'échange est sans engagement.