Commencer par le calcul, pas par la technologie
Nous refusons environ un projet d’IA sur trois qui nous est présenté, non parce qu’il est infaisable, mais parce qu’il n’est pas rentable. La première semaine de mission est consacrée à un calcul simple : volume mensuel, temps unitaire, taux d’erreur actuel, coût complet du traitement.
Si le gain projeté ne couvre pas le coût de développement en dix-huit mois, nous vous le disons. Cela nous a coûté des missions ; cela nous a évité des échecs.
Les tâches qui se prêtent bien à l’automatisation
Trois familles reviennent constamment.
L’extraction structurée. Lire une facture, un contrat, un bon de commande et en tirer des champs exploitables. Les modèles actuels y sont très bons, et le résultat est vérifiable automatiquement, ce qui permet de mesurer la qualité sans relecture humaine.
La classification et le routage. Qualifier une demande entrante, l’orienter vers le bon service, détecter une urgence. Tâche à faible risque : une erreur se corrige en réaffectant.
La rédaction de premiers jets. Compte rendu, réponse type, synthèse. L’humain garde la main sur la version finale, ce qui plafonne le risque tout en divisant le temps par trois.
Ce que nous mettons systématiquement en place
Un jeu d’évaluation construit sur vos cas réels, exécuté à chaque modification. Un seuil de confiance en dessous duquel le système passe la main. Une validation humaine obligatoire sur toute action irréversible. Et un tableau de bord qui affiche taux de réussite, taux d’abstention et coût par traitement.
Sans ce dispositif, une automatisation par IA fonctionne très bien en démonstration et dérive silencieusement en production.