Choisissez une automatisation par règles lorsque les entrées sont structurées et que vous pouvez écrire la décision attendue sans interpréter un texte. Envisagez une aide par IA lorsque la tâche consiste à comprendre des formulations variables, à extraire une information ou à proposer un résumé. Gardez une validation humaine lorsque l’information manque, que la demande sort du cadre ou que l’action peut avoir des conséquences importantes.
Le bon choix se fait par étape. Une IA peut suggérer une catégorie, puis des règles vérifier les champs et une personne autoriser l’action. Voici une grille applicable à une tâche administrative, un exemple fictif de tri de demandes et sept familles de processus à examiner dans votre PME.
Repérer ce qui fait perdre du temps
Les symptômes utiles à documenter sont concrets : mêmes renseignements ressaisis dans deux outils, demandes qui changent plusieurs fois de responsable, dossiers incomplets et corrections après traitement. Notez quelques cas réels autorisés, le temps consacré au traitement et à la correction, ainsi que les exceptions rencontrées. Une impression de lenteur ne suffit pas à justifier un projet d’IA.
Demandez d’abord si un champ obligatoire, une liste de catégories ou une intégration existante résoudrait le problème. Si les employés ne s’entendent pas sur la bonne réponse, clarifiez le processus avant de l’automatiser. La recommandation d’Anthropic sur les agents est de commencer par la solution la plus simple et d’ajouter de la complexité seulement lorsqu’elle apporte un bénéfice démontré. Ce principe ne suppose pas l’achat d’un modèle particulier.
Définir la tâche et la limite de l’automatisation
Écrivez une fiche courte : événement de départ, données nécessaires, source de référence, sortie attendue, responsable des exceptions et action permise. Par exemple : « Recevoir une demande interne et la placer dans la bonne file » est un périmètre testable. « Gérer toutes les demandes du cabinet » ne précise ni les décisions ni leurs limites.
Distinguez le tri de l’exécution. Classer une demande de copie ne prouve pas que le demandeur a droit au document. Préparer une modification ne l’autorise pas. Le contrôle d’accès, la vérification des destinataires et l’approbation doivent rester des étapes explicites. Une automatisation par règles peut aussi appliquer une mauvaise politique avec constance; elle doit donc être testée.
La grille de choix : règles, IA ou intervention humaine
Pour chaque étape, consignez votre réponse et une preuve : exemple d’entrée, règle écrite ou résultat attendu. Cette grille est une méthode proposée, pas un score universel.
| Question | Point de départ |
|---|---|
| Les champs et la décision sont-ils explicites? | Règles : catégorie sélectionnée, identifiant connu, calcul ou correspondance définie. |
| Faut-il interpréter un texte variable? | IA à évaluer pour suggérer une catégorie ou extraire des éléments, avec la source accessible à la personne qui vérifie. |
| Les données sont-elles absentes ou contradictoires? | Demande de précision ou revue humaine. Ne pas compléter une valeur inconnue par une supposition. |
| Une erreur changerait-elle un droit, un paiement ou un engagement? | Validation par une personne autorisée avant l’action; limiter le pilote à la préparation. |
| Peut-on vérifier le résultat et reprendre le travail? | Si non, définir d’abord le contrôle, le journal et le retour au traitement manuel. |
Un traitement avec IA n’a pas besoin de devenir un agent autonome. Anthropic distingue les parcours dont les étapes sont définies dans le code des agents qui choisissent eux-mêmes leurs étapes et leurs outils. Pour un tri borné, commencez par un parcours contrôlé; une capacité de planification autonome doit répondre à un besoin précis.
Les prérequis et les coûts à inclure
Il faut un responsable métier, des catégories définies, des exemples dont l’utilisation est autorisée, un environnement de test et une personne capable de vérifier les accès et l’intégration. Commencez avec des données fictives ou minimisées. Avant de confier des données internes à un service, vérifiez les conditions de conservation, les accès et le périmètre accepté par votre organisation.
Le coût ne se limite pas à l’outil. Estimez le paramétrage, les connecteurs, l’accès aux API, la préparation des données, les tests, le traitement humain des exceptions et la maintenance. Pour une IA, ajoutez le coût d’utilisation et les évaluations après changement de modèle ou de consigne. Aucun abonnement payant n’est nécessaire pour reproduire la grille et le test illustratif ci-dessous; une intégration réelle peut nécessiter des licences ou du développement. Il n’existe pas de budget ou de délai standard applicable à ces sept processus.
Construire un premier parcours vérifiable
- Fixer les entrées. Attribuez un identifiant stable à chaque demande. Définissez les champs obligatoires et les catégories admises. Préservez la demande originale comme élément de vérification, avec des accès adaptés.
- Écrire les décisions simples. Pour chaque catégorie, indiquez une destination et les cas exclus. Rendez visibles les champs manquants; ne les remplacez pas silencieusement.
- Isoler l’interprétation éventuelle. Si le texte libre reste indispensable, une IA peut proposer une catégorie. Séparez cette proposition de la valeur confirmée et de l’autorisation d’exécuter. Un format de réponse correct ne prouve pas que le classement est juste.
- Prévoir la reprise. Un identifiant déjà traité avec la même demande ne doit pas créer une deuxième entrée. Si le contenu a changé, signalez un conflit plutôt que d’écraser le premier résultat. Pour une vraie intégration, vérifiez aussi les appels simultanés, les délais d’attente et les reprises après panne.
- Définir le relais humain. Transmettez la demande, les champs reçus, la raison du blocage et l’étape atteinte. Nommez un responsable et une procédure si la file s’accumule. Les recommandations Microsoft sur l’automatisation soulignent notamment l’importance de fournir le contexte utile au relais humain. Le guide sur l’intégration entre ERP et CRM complète les règles de correspondance et de reprise.
Exemple fictif : trier les demandes d’un cabinet
Un cabinet de services reçoit des demandes internes. Pour ce pilote, trois champs sont prévus : request_id, dossier_id et category. La description est facultative. Les catégories sélectionnées sont copy_document pour une copie, status_request pour un suivi et change pour un changement. Les deux premières vont dans des files internes; la troisième exige une validation humaine. Aucune file ne déclenche d’envoi de document ou de modification du dossier.
Le 29 octobre 2026, un test local a vérifié huit cas entièrement synthétiques. Sa réexécution le 9 novembre 2026, avec le même code et les mêmes données, a donné les huit mêmes résultats :
- Une copie et un suivi complets sont dirigés vers leurs files respectives.
- Un changement est placé en validation humaine.
- Un identifiant de dossier absent place la demande dans une file de renseignements manquants.
- Une catégorie inconnue et un texte ambigu sans catégorie passent au tri humain.
- Le rejeu exact de la première demande ne crée pas une deuxième entrée.
- Le même identifiant de demande avec un autre dossier déclenche un conflit à examiner.
Les huit résultats attendus ont été vérifiés avec Python 3.9.6. Le texte ambigu passe au tri humain parce que la catégorie manque : aucune analyse de son sens n’est effectuée. Le test ne détecterait pas une catégorie valide qui contredit le texte. Il vérifie la présence du numéro de dossier, pas son existence ni les droits du demandeur. Ce test montre le comportement de ces règles sur ce petit jeu de données. Il ne démontre ni un taux de réussite en production ni un gain de temps. Aucun modèle d’IA, CRM, outil de messagerie ou système client n’a été appelé. Le rejeu est vérifié dans un seul processus séquentiel, en mémoire. Les autorisations réelles, les accès simultanés, la persistance et la reprise après panne ne sont pas validés par cet exercice.
Si la demande arrive plutôt sous forme de courriel libre — « J’ai besoin du document de la semaine passée, avec le changement discuté » — le problème devient une interprétation et une précision à obtenir. Une IA pourrait proposer des éléments à confirmer. Elle ne doit pas transformer cette phrase en permission de choisir un document ou de modifier un dossier.
Appliquer la grille à sept processus courants
- Arrivée ou départ d’un employé : les règles peuvent préparer une liste de tâches et leurs responsables à partir d’un événement confirmé. Les droits à accorder ou retirer doivent suivre une décision autorisée et les dépendances connues.
- Factures fournisseurs : séparez extraction, contrôle des champs, rapprochement et approbation. Une extraction par IA ne vaut ni validation comptable ni autorisation de paiement.
- Réception de dossiers ou de réclamations : les champs structurés permettent un premier routage. Le texte libre peut nécessiter une aide au classement, sans déléguer une décision d’admissibilité à ce tri.
- Portail client : une consultation de statut peut utiliser une donnée de référence et des règles d’accès. Une modification sensible demande une vérification distincte; un résumé généré n’est pas une source de vérité.
- Rapports périodiques : calculs, périodes et totaux relèvent de règles documentées. Une IA peut proposer un commentaire à relire, sans inventer l’explication d’un écart. La soumission officielle reste une étape à approuver.
- Commandes et stocks : identifiants, unités, états et reprises demandent un contrat d’échange explicite. Une interprétation de texte ne remplace pas le rapprochement des données.
- Alertes informatiques : des conditions connues peuvent orienter l’alerte vers un responsable. Le diagnostic exige des logs; un résumé peut aider à les lire, mais ne confirme pas à lui seul une cause ni une correction.
Pour un cas d’interprétation plus ciblé, le guide sur les notes de réunion et le suivi client décrit comment garder les sources et la validation au centre du parcours.
Mesurer le résultat et décider de continuer
Avant le pilote, fixez les cas attendus, les erreurs inacceptables et les critères d’arrêt. Utilisez les mêmes demandes et la même réponse de référence pour comparer le traitement manuel, les règles et, si nécessaire, une aide par IA. Conservez des cas distincts de ceux utilisés pour ajuster les règles ou la consigne.
Mesurez séparément les bons routages, les erreurs, les abstentions, le temps de vérification et le délai total. Une demande transférée correctement à un humain n’est pas une réponse autonome réussie. Un mauvais classement qui passe sans être vu mérite un suivi distinct. Le volet Measure du NIST AI RMF Playbook recommande de documenter tests et métriques, ainsi que les limites acceptables et les risques non mesurés; il ne fournit pas un seuil universel pour votre entreprise.
Arrêtez le pilote si une action non autorisée passe, si les sources ne permettent plus de vérifier les propositions ou si personne ne traite les exceptions. Comparez ensuite le travail réellement évité aux coûts de vérification, de correction et d’exploitation. Le temps théoriquement économisé n’est pas automatiquement une économie financière. Formalisez ces critères avec une grille de recette utilisateur.
Checklist avant de choisir la solution
- Une tâche précise, une sortie attendue et un responsable sont définis.
- Les décisions explicites sont traitées par des règles vérifiables.
- L’IA éventuelle a un rôle limité et une comparaison prévue.
- Les données manquantes, conflits et demandes hors cadre ont un parcours humain.
- Routage, contrôle d’accès et autorisation d’agir sont distincts.
- Les coûts, erreurs, reprises et critères d’arrêt sont suivis.
Pour relier ce parcours à vos outils, notre offre d’applications sur mesure et d’intégrations au Québec et au Canada permet de cadrer un pilote avec des critères de vérification précis.
Sources revérifiées le 9 novembre 2026. Démonstration initiale du 29 octobre, réexécutée le 9 novembre 2026. Les exemples sont illustratifs.

