Google OKF : le format open source pour documenter votre entreprise et booster vos agents IA

Temps de lecture : 7 min

Ce que Google a réellement annoncé avec l’Open Knowledge Format

L’annonce vient de l’équipe Data Cloud de Google Cloud, signée par deux tech leads de BigQuery. Le constat de départ est simple, mais juste : les modèles d’IA savent écrire du code, résumer un document ou analyser un jeu de données, mais ce qui leur manque, c’est le contexte propre à votre entreprise. Google cite un exemple parlant : « Comment calcule-t-on les utilisateurs actifs hebdomadaires à partir de notre flux d’événements ? »

Cette réponse existe. Elle est juste éparpillée entre un catalogue de métadonnées, un wiki, des commentaires dans le code, un Drive partagé et la tête de deux personnes. Le but d’OKF est donc de proposer un format commun plutôt qu’un nouveau service.

Open Knowledge Format (OKF) : définition technique

Concrètement, OKF est une spécification ouverte publiée par Google Cloud qui représente la connaissance d’une organisation sous forme d’un dossier de fichiers markdown, chacun décrivant un concept (table, métrique, playbook, API) et portant un en-tête YAML avec quelques champs structurés.

Comment ça marche, en une minute ?

Un « bundle » OKF est un répertoire de fichiers markdown. Chaque fichier décrit un concept unique : une table, un dataset, une métrique, un runbook, une API. Le chemin du fichier sert d’identité au concept. L’en-tête YAML contient les seuls champs que le format juge utiles à interroger : type, title, description, resource, tags et timestamp. Un seul champ est obligatoire : le type.

Les concepts se relient entre eux par de simples liens markdown, ce qui transforme le dossier en graphe de connaissances. Google précise la filiation : le format formalise le motif « LLM wiki » popularisé par Andrej Karpathy, ainsi que les conventions type AGENTS.md ou CLAUDE.md déjà utilisées par les agents de code Codex et Claude Code notamment.

Pourquoi un pro du marketing digital doit s’y intéresser

Ce n’est pas un fichier à poser à la racine de votre site pour plaire à Google. Rien à voir non plus avec le fichier llms.txt, qui vise l’accès des IA à vos contenus publics. OKF regarde à l’intérieur de l’entreprise, pas vers l’extérieur. Et c’est justement là que le sujet devient marketing.

Depuis dix-huit mois, les équipes marketing branchent des agents IA sur leurs données : serveurs MCP côté Google Ads, connecteurs GA4, assistants d’analyse dans les dashboards, agents de reporting. Le problème n’est presque jamais l’accès à la donnée, il est dans son interprétation.

Un agent qui lit votre table GA4 ne sait pas ce que votre entreprise appelle un « lead qualifié ». Il ignore que vos campagnes taguées « brand_2026 » recouvrent en réalité deux marques différentes depuis la fusion. Il ne sait pas que le CA affiché exclut les retours, ni pourquoi le taux de conversion a doublé le 14 mars. Résultat : l’agent produit une réponse fluide, qui a l’air fiable mais qui est fausse et non basée sur des données factuelles et vérifiées. (Et personne ne s’en rend compte avant le comité de direction).

OKF est une réponse à ce trou de contexte : écrire noir sur blanc, dans des fichiers versionnés, ce que vos équipes savent déjà mais n’ont jamais formalisé.

Et plus concrètement ? Qu’est-ce que cela pourrait changer concrètement dans vos workflows ?

Trois usages émergent immédiatement pour une équipe marketing ou growth :

• Le dictionnaire de métriques. Un fichier par KPI : définition, périmètre, exclusions, source de vérité, date de dernière révision. Vos agents cessent d’improviser, vos nouveaux arrivants aussi.
• Le plan de taggage documenté. Conventions UTM, événements GA4, propriétés custom, ruptures historiques. C’est exactement le type de connaissance qui vit aujourd’hui dans un Google Sheet que plus personne ne met à jour.
• Les runbooks d’équipe. Procédure de reporting mensuel, règles d’attribution, seuils d’alerte budget. Un agent peut les consulter avant d’agir, au lieu de deviner.

Le point fort est ailleurs, et il est structurel : le format vit dans Git, à côté du code qu’il décrit. Une définition de métrique devient une pull request. Elle se revoit, se date, se conteste. Pour des équipes marketing habituées à documenter dans Notion puis à oublier, le changement de posture est réel.

Les limites à garder en tête avant de vous lancer

Google insiste sur un troisième principe : format, pas plateforme. OKF n’est lié à aucun cloud, aucun modèle, aucun framework d’agent. Un bundle écrit à la main peut être lu par un agent, un bundle généré par un LLM peut être interrogé par un autre. C’est la promesse d’interopérabilité qui rend cette nouveauté intéressante, bien plus que l’outillage livré avec.

Limite 1 : version 0.1 et écosystème réduit. La version publiée est une v0.1. Google le dit lui-même : un point de départ, pas un standard définitif. Aucun éditeur tiers n’a annoncé de support, et aucune adoption hors Google n’est confirmée pour l’instant.

Limite 2 : OKF ne documente rien à votre place. Le format impose un seul champ obligatoire. Toute la valeur repose sur ce que vous écrivez dedans. Une équipe qui n’a jamais réussi à tenir un dictionnaire de KPI ne le tiendra pas mieux en markdown.

Limite 3 : attention au piège du tout automatisé. La documentation générée par un agent doit être relue. Un LLM qui rédige des définitions de métriques à partir d’un schéma BigQuery produit des descriptions plausibles mais pas forcément exactes. Documenter sans vérifier, à grande échelle, est pire que ne pas documenter.

Un signal de plus sur la bascule agentique

Cette annonce s’ajoute à une série cohérente côté Google : serveurs MCP, recherche agentique, agents connectés aux outils publicitaires. La logique est toujours la même : les agents deviennent utiles quand ils accèdent à un contexte fiable.

Le SEO a suivi le même chemin, avec des contenus qu’il faut désormais structurer pour être repris par les IA génératives. OKF n’est pas une nouveauté technique en soi : c’est du markdown dans un dossier. Son intérêt est ailleurs. Si le format s’impose, la connaissance métier devient un actif portable, versionné et lisible par n’importe quel agent.

Les équipes marketing qui documentent déjà leurs métriques, leurs process, leur stratégie et leur plan de taggage prendront une longueur d’avance sur celles qui laissent leurs agents toujours tout deviner sans contexte à jour. Le context engineering avancé est une tendance à surveiller de près si vous souhaitez vraiment passer à la vitesse supérieure dans votre usage de l’IA en entreprise, et l’OKF est une belle porte d’entrée vers cela.

Ce qui change vraiment la donne, c’est la capacité à faire confiance aux réponses de vos agents, parce que vous aurez pris le temps de leur fournir un contexte métier fiable et vérifié. Soyons réalistes : sans cela, vous perdrez plus de temps à corriger leurs erreurs qu’à en tirer parti.

Matéo Lavigne

Analyste Tech & Stratégies Numériques

Ingénieur et journaliste tech depuis 10 ans, ancien responsable innovation chez un éditeur SaaS européen. Je décrypte l’IA, les infrastructures IT et les outils business pour aider professionnels et entreprises à faire des choix technologiques éclairés. Mon approche ? Transparence totale sur ce qui fonctionne vraiment, tests terrain et analyses comparatives sans concession.