Automatisation traditionnelle ou intelligence artificielle : comment choisir

Beaucoup d'automatisations naissent aujourd'hui à l'envers : on décide d'utiliser l'intelligence artificielle, puis on cherche où la placer. Le résultat, ce sont des processus qui fonctionnaient auparavant avec trois règles et qui donnent maintenant des réponses presque toujours justes, ce qui, dans un processus d'entreprise, est souvent pire. Ce guide sert à décider, pour une activité concrète, s'il faut une règle explicite, un modèle qui interprète, ou un flux qui utilise les deux.

La distinction n'est pas technologique mais pratique, et elle se résume à une question : dans l'étape que vous voulez automatiser, y a-t-il quelque chose à comprendre, ou seulement quelque chose à exécuter ?

La question qui départage : y a-t-il une interprétation à faire ?

Regardez ce qui entre dans l'étape, pas ce qui en sort. C'est la nature de l'entrée qui détermine le mécanisme.

• Si en entrée se trouvent des champs structurés — un montant, une date, un statut, une catégorie choisie dans une liste — et que la décision peut s'écrire comme « si ceci se produit, fais cela », il faut une règle. Elle sera plus rapide, plus économique et toujours explicable.
• Si en entrée se trouve du texte libre, une voix, un document écrit par quelqu'un d'autre, ou un contenu qui arrive chaque fois sous une forme différente, il faut comprendre avant d'exécuter. C'est là que l'intelligence artificielle apporte quelque chose que les règles ne donnent pas.
• Si la décision doit être identique à chaque fois à données égales — un calcul, une application de tarif, une vérification de seuil — ne la confiez pas à un modèle, même s'il sait la faire. Un résultat qui peut varier n'est pas acceptable là où le déterminisme est requis.

La confusion vient des processus mixtes, qui sont majoritaires. Un e-mail d'un client contient du texte libre (à interpréter) et produit une commande (à exécuter avec des règles). Ce n'est pas un processus à confier à un seul mécanisme : c'est un processus à scinder en deux.

Trois processus, trois réponses différentes

Trois cas illustratifs dans une petite entreprise. Les solutions ne dépendent pas du secteur, mais de la forme de ce qui arrive.

Dans le deuxième cas, il vaut la peine de noter où s'arrête la tâche du modèle : il classe, il ne répond pas et ne décide pas. Plus la tâche confiée à l'intelligence artificielle est circonscrite, plus le flux reste maîtrisable et plus il est facile de comprendre, quand quelque chose se passe mal, à quel endroit cela s'est mal passé.

Maîtrisabilité et maintenance : deux coûts différents

Les deux voies ne coûtent pas seulement des montants différents : elles coûtent des efforts différents, répartis à des moments différents de la vie du système.

• Une règle erronée se trouve en la lisant. On l'ouvre, on voit la condition, on corrige. Le défaut, c'est que les règles se multiplient : après quelques années, plus personne ne se souvient pourquoi l'une d'elles existe et personne n'ose la supprimer.
• Un modèle qui se trompe ne se lit pas : il s'observe. Pour comprendre pourquoi il a mal classé, il faut rassembler les cas et les comparer, et la correction n'est jamais garantie du premier coup.
• La maintenance des règles est occasionnelle et prévisible : on intervient quand une condition de l'entreprise change. Celle d'un flux avec IA est continue : il faut examiner les cas limites, vérifier que la qualité ne se dégrade pas quand le type de demandes entrantes change.
• Demandez toujours qui mettra la main sur le système dans un an. Si la réponse est « une personne en interne », cela pèse beaucoup sur le choix du mécanisme.

Il y a ensuite un aspect qui concerne l'organisation plus que la technique : un flux avec intelligence artificielle a besoin que quelqu'un regarde périodiquement ce qu'il a fait. Si cette personne n'existe pas dans l'entreprise, le flux fonctionnera jusqu'à ce que quelqu'un s'en aperçoive.

Quand l'action a des conséquences : les validations

La question décisive n'est pas de savoir si le système est performant, mais ce qui se passe quand il se trompe. De cette réponse découle le niveau de contrôle, et cela vaut aussi bien pour les règles que pour l'intelligence artificielle.

1. Si l'erreur est invisible et réversible — une étiquette interne, un message trié dans la mauvaise boîte — le système peut agir seul et le contrôle se fait par échantillonnage.
2. Si l'erreur est visible pour le client mais réparable — une réponse imprécise, un signalement inutile — une révision humaine est nécessaire sur les cas où le système lui-même signale une incertitude.
3. Si l'erreur a des conséquences économiques ou contractuelles — une commande enregistrée, un prix appliqué, un paiement, une communication officielle — l'action doit être proposée et non exécutée : une personne confirme, et le système enregistre qui a confirmé et quand.
4. Dans tous les cas, définissez à l'avance ce qui se passe quand l'information manque. Un flux qui, ne trouvant pas une donnée, continue quand même est plus dangereux qu'un flux qui s'arrête.

Ce que ce guide ne couvre pas

Ici, on choisit le mécanisme : règles, intelligence artificielle ou combinaison des deux. La comparaison commerciale entre les outils disponibles sur le marché — ce qu'il convient d'acheter, ce qu'il faut assembler et ce qu'il faut construire — est traitée dans un guide dédié, car elle suit des critères différents et change plus vite. Par quelle activité commencer avec l'IA en entreprise fait l'objet de son propre guide.