Automatisation et IA en entreprise : partir du problème, pas de la technologie

ChatGPT, agents IA, automatisation, RAG, assistants métiers… Les possibilités semblent infinies.

Pourtant, pour une PME, la vraie question n’est généralement pas “Quelle IA utiliser ?”, mais plutôt :

“Quelle problématique résoudre ?”

Voire, plus simplement :

“Qu’est-ce qui nous fait perdre du temps aujourd’hui ?”

C’est souvent à cet endroit que commencent les projets que j’accompagne sur Malt.

L’automatisation avant l’effet “wahoo”

Dans beaucoup d’entreprises, certaines tâches sont encore réalisées manuellement alors qu’elles suivent des règles relativement prévisibles :

• récupérer des informations depuis plusieurs fichiers ;
• recopier des données dans un autre outil ;
• rédiger des comptes rendus ou des rapports ;
• classer des documents ;
• rechercher une information dans une base documentaire ;
• générer des documents à partir de données existantes ;
• transmettre des informations entre différents logiciels.

Pris individuellement, ces gestes ne représentent parfois que quelques minutes.

Mais répétés chaque jour par plusieurs personnes, ils peuvent rapidement représenter des dizaines d’heures par mois.

C’est là que l’automatisation et l’IA deviennent réellement intéressantes.

Tout n’a pas besoin d’intelligence artificielle

C’est également un point important.

Lorsqu’une règle classique suffit, il n’y a aucune raison d’ajouter un modèle d’IA.

Une bonne automatisation peut simplement connecter plusieurs outils, exécuter des calculs, déplacer des données ou générer un document.

L’IA devient pertinente lorsque la tâche demande davantage d’interprétation :

• comprendre du texte ;
• extraire des informations d’un document ;
• synthétiser des données ;
• produire un contenu à partir d’un contexte métier.

Dans beaucoup de projets, la meilleure architecture est donc hybride :

Automatisation classique + développement logiciel + IA lorsque celle-ci apporte réellement quelque chose.

Partir du processus existant

Avant de développer quoi que ce soit, je cherche généralement à comprendre trois choses.

1. Comment le travail est-il réalisé aujourd’hui ?

Quels outils sont utilisés ? Qui intervient ? Quelles sont les différentes étapes ?

2. Où se trouve la friction ?

Tâches répétitives, doubles saisies, fichiers Excel complexes, copier-coller, recherche d’informations, génération manuelle de documents…

3. Quelle partie peut réellement être automatisée ?

L’objectif n’est pas forcément d’automatiser 100 % d’un processus.

Automatiser 60 ou 80 % d’une tâche, tout en laissant la validation finale à un humain, peut déjà transformer complètement la manière de travailler.

Construire des outils qui s’intègrent au métier

Mon objectif est de construire des solutions adaptées au fonctionnement réel de l’entreprise plutôt que d’imposer un nouvel outil générique.

Cela peut prendre différentes formes :

• automatisation d’un processus métier ;
• application interne ;
• intégration d’un modèle d’IA dans un workflow existant ;
• génération automatisée de rapports ;
• traitement de documents ;
• assistants connectés aux données de l’entreprise ;
• intégration entre différents logiciels et API.

Selon le projet, j’utilise notamment des technologies comme Python, n8n, des API et des modèles d’intelligence artificielle, ainsi que du développement web classique lorsque le besoin nécessite une véritable application.

L’objectif : rendre la technologie invisible

Pour moi, une automatisation réussie n’est pas celle qui utilise le plus d’IA.

C’est celle qui permet à quelqu’un de cliquer sur un bouton, ou parfois de ne rien faire du tout, et de constater que plusieurs étapes qui demandaient auparavant du temps sont désormais exécutées automatiquement.

Le processus métier, lui, devient simplement plus rapide et plus fluide.

C’est précisément la philosophie avec laquelle je développe GLMT Solutions :

Partir d’un problème concret, comprendre le métier, puis utiliser la technologie la plus adaptée pour le résoudre.