Beaucoup de PME abordent l'automatisation avec une seule question en tête : "comment mettre de l'IA là-dedans ?" C'est la mauvaise question. La bonne question est : qu'est-ce qui, dans ce processus, varie réellement d'un cas à l'autre ?
Le test en une phrase
Si vous pouvez écrire à l'avance, sur une feuille, toutes les règles qui couvrent la quasi-totalité des cas, vous n'avez pas besoin d'IA. Une automatisation classique — un script, une arborescence, un déclencheur sur échéance — fait le travail plus vite, moins cher, et sans jamais improviser une réponse.
Si en revanche il est impossible d'écrire ces règles à l'avance, parce que chaque cas se formule différemment, en langage libre, avec un jugement à faire au cas par cas — c'est là que l'IA apporte une vraie valeur.
Exemples qui suivent des règles fixes
- Filtrer un appel entrant sur "horaires / tarifs / disponibilités" : trois branches, prévisibles, stables dans le temps.
- Relancer une facture impayée à échéances fixes (J+5, J+15, J+30) : un calendrier, pas un jugement.
- Générer une facture à partir d'un devis accepté : une transformation mécanique de données déjà structurées.
- Envoyer un rappel de rendez-vous 24h avant : une règle de calendrier.
Dans ces quatre cas, ajouter de l'IA n'améliore rien. Ça ajoute une dépendance à une API tierce, un coût par appel, et un risque de réponse imprévisible sur un processus qui n'en avait pas besoin.
Exemples où l'IA apporte une vraie valeur
- Trier une boîte mail où les questions arrivent en langage libre, avec des formulations qui varient à l'infini.
- Qualifier un appel entrant dont le motif n'est pas standard, où l'appelant explique une situation avec ses propres mots.
- Résumer un flux d'informations hétérogène, dispersé sur plusieurs sources et formats, pour en tirer une synthèse lisible.
Le point commun à ces trois cas : la variabilité du langage humain est le problème lui-même, pas un détail à gérer en périphérie.
Le test à trois questions
Avant de trancher sur un poste donné, posez-vous, dans l'ordre :
- Est-ce que je peux écrire les règles à l'avance et couvrir la quasi-totalité des cas ? Si oui, automatisation classique.
- Est-ce que la variation vient du langage — formulations libres, contexte à interpréter — plutôt que des données elles-mêmes ? Si oui, l'IA a un rôle légitime.
- Est-ce que l'erreur occasionnelle d'une IA (mauvaise interprétation, réponse à côté) est un risque acceptable sur ce poste ? Si non, sur un engagement contractuel par exemple, gardez un humain dans la boucle même si l'IA rédige le brouillon.
Le biais à surveiller
La tentation la plus fréquente n'est pas de sous-utiliser l'IA, c'est de la sur-utiliser : l'ajouter par défaut sur des postes qui n'en avaient pas besoin. Résultat concret : un coût récurrent par requête, une latence de réponse plus longue qu'une règle fixe, et un système moins prévisible à déboguer quand quelque chose se passe mal.
La question à se poser n'est jamais "peut-on faire ça avec de l'IA ?" — la réponse est presque toujours oui. La question est "l'IA est-elle la solution la plus fiable et la moins chère pour ce problème précis ?" Le plus souvent, pour les tâches administratives répétitives d'une PME, la réponse est non.