Dans un contexte d'évolution rapide des métiers et de renouvellement générationnel, la transmission des savoir-faire tacites devient un enjeu critique pour les entreprises. Cette recherche aborde deux verrous scientifiques majeurs (1) la spécialisation des interactions homme-machine pour la capture fidèle des savoirs implicites et (2) l'intégration des dimensions cognitives dans le processus de transmission des connaissances. En s'appuyant sur les récentes avancées dans le domaine des modèles de langage à grande échelle (LLM), nous proposons CoGeo, une architecture hybride permettant aux experts métier d'interagir naturellement avec un système IA pour formaliser leurs savoirs. Une étude de cas dans le secteur de la maintenance industrielle démontre des gains significatifs en termes de préservation des connaissances critiques et d'accélération de la montée en compétences des nouveaux collaborateurs. Ces résultats valident l'efficacité de notre approche et ouvrent de nouvelles perspectives pour l'hybridation IA-humain dans la gestion des connaissances métier.