La question arrive presque toujours dans le même ordre : « on voudrait mettre de l’IA, par quoi on commence ? » C’est l’ordre inverse de celui qui fonctionne. On ne part pas d’une technologie pour lui chercher un usage, on part d’une tâche qui coûte du temps.
Encore faut-il choisir la bonne.
Les quatre critères d’une bonne candidate
Elle est répétitive. Une tâche faite trois fois par an ne rentabilise pas son automatisation, même si elle est pénible. Le seuil utile se situe autour de plusieurs fois par semaine.
Elle repose sur des règles explicables. Si la personne qui l’exécute peut expliquer comment elle décide, la tâche est automatisable. Si elle répond « ça dépend, je le sens », c’est un jugement — et le jugement ne s’externalise pas sans dégât.
Une erreur y coûte peu. Se tromper dans le classement d’un document se corrige. Se tromper dans un virement, non. On commence là où l’erreur est rattrapable.
Le résultat est vérifiable. Il doit exister un moyen simple de savoir si le résultat est bon, sans refaire le travail. Sans cela, l’automatisation déplace le travail au lieu de le supprimer.
Les tâches qu’on cite en premier, et pourquoi elles attendent
Répondre aux clients, rédiger des contenus, trier les candidatures : ce sont les usages les plus évoqués, et les plus exposés.
Ils partagent le même défaut : l’erreur est visible par un tiers. Un client qui reçoit une réponse à côté du sujet ne signale pas un défaut de paramétrage, il en tire une conclusion sur le sérieux de l’entreprise.
Ce n’est pas une raison pour y renoncer — c’est une raison pour ne pas commencer par là.
Les tâches qui rendent le plus de temps
Ce sont les traitements intermédiaires, ceux que personne ne cite parce que personne ne les voit.
Extraire les informations d’un document reçu par courriel et les enregistrer. Rapprocher deux listes qui ne se ressemblent pas. Classer des demandes entrantes vers le bon destinataire. Reformater un export pour qu’il entre dans un autre outil. Rédiger un compte rendu à partir de notes brutes.
Chacune prend cinq à vingt minutes. Répétées quotidiennement, elles représentent souvent plus de temps que la tâche visible qu’on voulait automatiser en premier.
Ce qu’il faut prévoir dès le départ
Le cas où le système ne sait pas. Une automatisation qui produit toujours un résultat, même quand elle n’est pas sûre, est plus dangereuse qu’une automatisation qui s’abstient. L’abstention doit être un résultat prévu, avec un destinataire humain.
La trace de ce qui a été fait. Qui a déclenché quoi, sur quelle donnée, avec quel résultat. C’est ce qui permet de corriger, et de répondre quand quelqu’un demande pourquoi une décision a été prise.
La sortie de secours. Toute automatisation doit pouvoir être désactivée sans que l’activité s’arrête. Si la désactiver bloque le travail, elle n’a pas automatisé une tâche : elle est devenue un point de passage obligé.
L’ordre que nous recommandons
Commencer par une tâche interne, invisible des clients, faite plusieurs fois par jour, et dont le résultat se vérifie d’un coup d’œil. La mettre en service pour une seule personne. Mesurer.
Ce premier chantier apprend davantage sur les processus de l’entreprise que n’importe quel atelier de cadrage — et il coûte moins cher qu’une automatisation déployée d’emblée à toute l’équipe.
Une fois ce terrain acquis, les usages exposés aux clients — dont l’agent conversationnel — deviennent nettement moins risqués : on sait ce que le système fait quand il se trompe, parce qu’on l’a déjà vu se tromper ailleurs.
