IA ou automatisation : comment choisir pour un processus métier

Trois approches, des responsabilités différentes

L’automatisation classique suit des règles explicites. Un processus intégrant l’IA utilise un modèle dans des étapes définies par le code. Un agent laisse le modèle choisir les étapes et les outils au fil de la tâche. Ces approches peuvent coexister : le modèle interprète une demande tandis que le code valide les champs et contrôle l’action finale.

Commencez par des règles fixes lorsque cela suffit

Un formulaire avec des champs obligatoires peut créer une tâche dans le CRM, attribuer un responsable par région et envoyer une notification interne sans modèle de langage. Définissez d’abord les règles de décision. Si tous les cas peuvent être décrits et les données sont structurées, testez cette approche avant d’ajouter de l’IA. Les erreurs dues aux permissions ou aux identifiants incohérents nécessitent un travail sur les données et les intégrations.

Ajoutez de l’IA lorsque la difficulté vient de l’interprétation

Un email peut formuler une même demande de nombreuses façons. Un modèle peut proposer une catégorie ou extraire des informations à vérifier. Prévoyez une catégorie pour les cas inconnus et validez les champs obligatoires avant toute action. Si la tâche nécessite des connaissances internes, la recherche peut fournir des sources approuvées ; les droits d’accès et la mise à jour des sources exigent toujours leurs propres règles.

Utilisez un agent lorsque le chemin doit évoluer

Envisagez un agent pour une tâche délimitée dont la prochaine investigation dépend des résultats précédents. Définissez les outils disponibles, les conditions d’arrêt et la personne responsable du travail inachevé. Une autonomie accrue crée davantage de chemins à évaluer. Une interface plus souple ne justifie pas, à elle seule, le remplacement d’une séquence connue par une boucle ouverte.

Exemple concret : une demande de documents client

Cet exemple fictif montre comment combiner les approches dans un même processus. Un client demande le dernier document approuvé. Un modèle interprète la formulation, mais l’identifiant du dossier et les contrôles d’accès proviennent de systèmes contrôlés. Toute information manquante ou contradictoire interrompt l’action et crée une tâche de vérification. Aucun résultat client ou gain de performance n’est revendiqué.

• Règles fixes : identifier le dossier client, vérifier les droits et empêcher les envois en double.
• Étape avec IA : interpréter la demande et préparer un brouillon avec les références aux sources approuvées.
• Décision humaine : résoudre les contradictions entre documents et approuver les actions hors du périmètre convenu.

Comparez le coût d’une tâche terminée

Incluez les intégrations, l’utilisation du modèle, le temps de vérification, les corrections et la maintenance. Un brouillon rapide peut demander une longue relecture. Mesurez ces coûts sur le même ensemble représentatif de tâches pour chaque approche. Distinguez les tâches utilement terminées des tentatives et définissez les erreurs qui empêchent une mise en service avant d’examiner les résultats.

Une liste de décisions pour la première version

Limitez le périmètre pour pouvoir revenir sur la décision. Testez l’approche sur un échantillon autorisé, examinez les exceptions et conservez un circuit manuel tant que le responsable ne sait pas gérer les échecs. Élargissez ensuite le périmètre selon les critères de validation convenus.

• Des règles fixes peuvent servir la tâche avec les données disponibles ?
• Quelle étape exige une interprétation et comment vérifier son résultat ?
• Qui gère les exceptions, les changements d’accès et la décision d’arrêter ?