1. Pourquoi une cartographie s'impose avant tout projet
Beaucoup d'entreprises abordent l'IA en testant un outil par curiosité, avant de chercher quel problème résoudre. Le résultat se résume souvent à un pilote abandonné au bout de quelques mois. Une cartographie par service inverse la démarche : on commence par lister les processus où les pertes de temps sont manifestes, où le volume de textes ou de documents est élevé et où le résultat peut être validé par un humain. On sélectionne ensuite ceux qui méritent un test. Ce travail ne réclame pas de compétences techniques poussées, mais exige que les détenteurs des processus métiers dialoguent avec les experts technologiques.
La cartographie permet également d'écarter les demandes irréalistes ou hasardeuses. Un usage touchant aux données personnelles de clients ou de salariés, ou produisant des décisions ayant un impact direct sur des individus, réclame une analyse de rentabilité et de conformité beaucoup plus sévère. Un cas d'usage qui se borne à résumer des notes internes peut démarrer presque sans délai. Distinguer ces deux cas constitue le premier bénéfice tangible d'une cartographie, avant même le lancement du moindre projet.
2. Analyser un cas d'usage : données, acteurs, décision
Tout usage potentiel de l'IA s'analyse à travers trois questions simples. Quelles données pénètrent dans le système et à qui appartiennent-elles ? Qui exploite le résultat et quelle action s'ensuit ? Une éventuelle erreur est-elle détectée avant de produire des effets concrets, ou non ? Un assistant suggérant un brouillon de réponse à un courriel présente un profil bien différent d'un outil recommandant le rejet d'une demande. La même technologie, appliquée à deux contextes distincts, appelle deux évaluations opposées.
Cette analyse se mène obligatoirement avec le responsable métier, pas uniquement avec l'informatique. Celui qui pratique le métier connaît les cas d'exception, sait quels documents sont lacunaires et quelles erreurs coûtent cher. Si le cas d'usage demeure flou au terme de l'échange, le bon réflexe est de le restreindre, non de l'élargir. Un cas d'usage circonscrit, portant sur une typologie unique de document et un groupe restreint d'utilisateurs, se révèle bien plus simple à évaluer et à mesurer.
3. La cartographie initiale, service par service
Le tableau ci-dessous recense le cas le plus fréquent pour chaque service. Il ne s'agit pas d'un catalogue de modules à acheter : chaque ligne doit être validée avec ceux qui maîtrisent le processus sur le terrain, car les volumes, la qualité des pièces documentaires et les règles internes varient fortement d'une société à l'autre. Un cas pertinent dans une entreprise peut se révéler sans valeur dans une autre si les données sont dispersées ou gérées dans des outils disparates. Utilise ce tableau comme base de discussion avec chaque responsable de pôle.
L'information la plus précieuse réside dans la dernière colonne. Elle indique où une erreur porte préjudice et quel niveau de contrôle humain s'avère indispensable. Dans les services au contact des clients ou des fournisseurs, une information erronée devient immédiatement un engagement contractuel ou commercial. Dans les usages internes, comme la recherche de procédures, l'erreur est généralement repérée avant que quiconque n'en subisse les conséquences, et reste facile à corriger. Pose-toi cette question pour chaque ligne.
| Service | Usage type | Point de vigilance majeur |
|---|---|---|
| Achats | Comparaison d'offres et analyse des clauses dans les contrats fournisseurs | Erreurs sur les conditions financières et les échéances |
| Administration et comptabilité | Lecture et classification de factures et pièces comptables | Écritures erronées et anomalies fiscales |
| Service client | Brouillons de réponse et recherche dans la documentation interne | Réponses non vérifiées et fuite de données personnelles |
| Ressources humaines | Réponses sur les politiques internes et appui à l'intégration | Décisions individuelles et données des candidats |
| Commerce et vente | Devis standards et synthèse des demandes clients | Prix et conditions commerciales non autorisés |
| Helpdesk informatique | Support de premier niveau et recherche dans les procédures | Attribution d'accès et actions techniques non maîtrisées |
| Service juridique | Comparaison de versions de contrats et repérage de clauses | Avis formulés sans contrôle d'un professionnel |
| Production et maintenance | Recherche dans les manuels et les historiques de pannes | Consignes de sécurité erronées |
4. Fonctions supports : achats, comptabilité, ressources humaines
Aux achats et en comptabilité, l'apport de l'IA réside principalement dans la lecture et la comparaison de documents : devis, contrats, factures, bons de commande. Le système sait extraire les informations et mettre en évidence les écarts, mais l'enregistrement définitif et l'arbitrage restent l'apanage d'un collaborateur. Le risque le plus prégnant réside dans une information erronée passant inaperçue, comme une date limite ou un montant mal interprété sur un scan. C'est pourquoi un contrôle par échantillonnage doit être conçu en amont, et non après la première bévue.
Les ressources humaines constituent un cas particulier. Répondre aux questions sur les accords d'entreprise ou faciliter l'intégration des recrues représentent des usages relativement simples, dès lors que le système s'appuie strictement sur les documents officiels internes. En revanche, dès que l'IA évalue des candidats ou suggère des décisions individuelles, des données personnelles sensibles entrent en jeu et les contraintes réglementaires se durcissent. Certaines pratiques sont prohibées par le règlement européen sur l'IA, et d'autres relèvent des systèmes à haut risque : consulte un juriste avant de te lancer.
5. Relations clients et ventes : support, commerce, helpdesk
Au service client comme au service commercial, l'IA est bien plus utile comme copilote interne que comme interlocuteur direct en première ligne. L'opérateur reçoit un projet de réponse, le vérifie au regard de documents à jour et l'expédie sous sa propre signature. Faire répondre le système directement au client sans filtre humain expose l'entreprise à un danger qu'aucun modèle n'élimine : une promesse tarifaire ou d'échéance intenable. Les règles fixant ce que l'IA a le droit d'énoncer et ce qui doit obligatoirement être validé par un humain doivent être arrêtées avant le lancement.
Le helpdesk informatique de niveau 1 est un terrain d'application fréquent en raison de requêtes très répétitives. Réinitialiser un mot de passe, détailler une procédure ou retrouver un guide utilisateur s'y prêtent parfaitement. En revanche, des actions techniques telles que l'attribution d'un privilège d'accès ou la modification d'un paramètre système ne doivent jamais s'exécuter sur simple suggestion automatique sans contrôle humain. Cette frontière doit être actée par écrit, car c'est précisément là qu'une erreur se transforme en incident de sécurité.
6. Production et maintenance : un environnement à part
Dans les ateliers et sur les lignes, l'IA peut faciliter la recherche d'informations dans les manuels techniques, les modes opératoires et l'historique des pannes, tout en structurant les comptes rendus des techniciens. Le gisement documentaire initial est souvent dispersé : pièces sous formats hétérogènes, carnets de bord manuscrits, capteurs fonctionnant en silos. Avant d'envisager un modèle, il importe de vérifier si ces données existent, si elles sont à jour et si un responsable en garantit la qualité. Pour beaucoup d'entreprises, le premier chantier rentable consiste précisément à remettre de l'ordre dans ce fonds documentaire.
Le niveau de risque devient critique dès que le système suggère des protocoles de sécurité ou des interventions sur des machines industrielles. Une directive erronée dans ce cadre peut provoquer un accident corporel. C'est pourquoi chaque préconisation doit renvoyer sans ambiguïté vers la procédure officielle validée, et aucune manipulation sur un équipement ne doit découler uniquement d'un texte généré par une IA. Ce cas d'usage n'a de sens que comme aide à la recherche documentaire, le technicien conservant l'entière responsabilité de son intervention.
7. Risques transverses : données personnelles, contrôles et responsabilité
Presque chaque cas d'usage manipule des données à caractère personnel, même lorsqu'il ne semble traiter que du texte anodin. Le RGPD exige de savoir quelles données pénètrent dans le système, sur quelle base légale, combien de temps elles sont conservées et qui est habilité à les consulter. Si le prestataire réutilise les données pour entraîner ses propres modèles, cela doit être proscrit ou formellement clarifié par écrit. L'endroit où les données sont hébergées et les autorités habilitées à y accéder en vertu de la loi sont deux sujets distincts qui doivent tous deux être évalués, sans jamais se contenter d'approximations.
Le second enjeu concerne la chaîne de responsabilité. Si un livrable généré par un outil automatique éclaire une décision, il faut savoir qui endosse l'arbitrage et qui répond d'une éventuelle faute. Une règle directrice simple s'impose : chaque usage doit disposer d'un pilote désigné, d'un contrôle humain formalisé et d'un historique consignant les actions réalisées. Sans ces trois piliers, le cas d'usage n'est pas mûr, quelle que soit la performance de l'IA. Vérifie avec un conseil juridique les obligations issues du règlement européen sur l'IA applicables à ta situation.
8. Les guides thématiques de la série et par où commencer
Les guides spécialisés de cette série traitent en détail des questions soulevées par la cartographie. Inutile de les lire tous à la suite. Choisis le service où les gains de temps sont les plus évidents et démarre par celui-ci. Chaque publication adopte la même démarche : le processus métier, les données requises, la supervision humaine et le premier test envisageable. Voici les thématiques proposées :
- Achats : comparer les offres et les contrats fournisseurs sans omettre de clauses critiques
- Administration et comptabilité : contrôler les pièces justificatives avant enregistrement comptable
- Service client : concevoir un assistant interne destiné aux téléconseillers
- Ressources humaines : répondre aux questions sur les politiques internes et l'accueil des nouveaux arrivants
- Services juridiques : ce qui peut être délégué à l'IA et ce qui reste l'apanage du juriste
- Commerce et vente : préparer les devis et structurer les réponses aux appels d'offres
- Helpdesk informatique : automatiser le support utilisateur de premier niveau
- Production et maintenance : valoriser concrètement les manuels et les données machine
- Grille d'évaluation : comparer objectivement les cas d'usage avant de lancer un projet
9. Comment démarrer : un cas unique, mesuré
La première action cette semaine consiste à retenir un unique cas d'usage et à le formuler en une phrase concise : qui l'utilise, sur quel type de document et pour parvenir à quel résultat précis. Si cette phrase s'avère difficile à énoncer simplement, c'est que le projet est trop vaste. Resserre son périmètre jusqu'à ce qu'un chef d'équipe puisse le décrire en deux minutes, et parcours le guide dédié à ce service avant d'engager la moindre démarche.
Fixe ensuite le critère objectif qui permettra de juger du succès de l'expérimentation. Il peut s'agir du temps de traitement d'un dossier, du nombre de retouches manuelles nécessaires ou du taux d'anomalies détectées lors du contrôle. Ce seuil dépend directement de la réalité opérationnelle et doit être fixé conjointement avec ceux qui réalisent la tâche chaque jour. Un essai mené sans indicateur chiffré conclut invariablement que tout s'est bien passé, sans rien t'apprendre sur la viabilité réelle de la solution.
Questions fréquentes
Par quel service est-il préférable de commencer avec l'IA ?
Il est généralement judicieux de débuter dans un secteur où les tâches sont répétitives, où la matière est déjà sous forme textuelle et où une erreur éventuelle est identifiée avant de toucher des tiers. Le helpdesk interne, la consultation des procédures internes ou la relecture de pièces administratives constituent d'excellents points de départ. L'intérêt supposé de la direction pour une technologie importe peu : ce qui compte, c'est le caractère mesurable du problème et l'engagement d'un responsable métier prêt à vérifier les résultats sur une période donnée.
Faut-il déployer un projet d'IA distinct pour chaque service ?
Non. De nombreux cas d'usage peuvent partager le même socle d'outils et les mêmes règles de gouvernance. Il est préférable d'arrêter d'abord une politique commune sur les données, les responsabilités et les validations, avant d'arbitrer au cas par cas. Cela évite que chaque pôle n'acquière des outils hétérogènes sans visibilité sur les flux d'informations. Si un domaine réclame des mesures spécifiques, comme le traitement de données de santé ou de données RH, une étude dédiée s'impose.
L'IA peut-elle prendre des décisions concernant des collaborateurs, comme le recrutement ?
Elle ne devrait pas le faire sans une évaluation particulièrement rigoureuse. Les outils influençant le parcours de candidats ou de salariés touchent à des données personnelles hautement sensibles et peuvent être qualifiés de systèmes à haut risque au titre du règlement européen sur l'IA. Certaines pratiques sont même totalement interdites. L'exigence minimale consiste à préserver une décision humaine documentée, à expliciter le rôle de l'outil et à consulter un juriste en droit social ainsi que le délégué à la protection des données avant tout test.
Quel est le coût d'une cartographie des cas d'usage ?
Le budget dépend du nombre de pôles audités, de la disponibilité des équipes métiers et du recours à des ressources internes ou à un cabinet spécialisé. Demander un devis avant d'avoir arrêté le périmètre n'a pas de sens. Propose à un prestataire une première mission resserrée sur deux ou trois processus clés, assortie d'une synthèse écrite, et analyse la valeur de ce livrable avant d'envisager un déploiement plus large.
Les données de l'entreprise nourrissent-elles les modèles des prestataires ?
Tout dépend de la solution souscrite et des termes du contrat. Certains éditeurs s'interdisent d'utiliser les données clients pour entraîner leurs modèles, tandis que d'autres le font par défaut tant que l'option n'a pas été désactivée. Ne présume de rien : fais-toi confirmer par écrit où les données sont conservées, pendant quelle durée, qui y accède et si elles servent à l'apprentissage. La localisation physique du stockage et les droits légaux d'accès constituent deux sujets distincts à examiner de front.
Quelle différence y a-t-il entre IA générative et automatisation classique ?
L'automatisation classique exécute des règles déterministes strictes : si telle condition est remplie, exécuter telle action. L'IA générative produit du texte, des synthèses ou des classifications à partir du langage naturel, ce qui engendre des réponses parfois imprévisibles. La supervision humaine y est donc bien plus essentielle. Les projets les plus efficients marient souvent les deux approches : des règles strictes pour les étapes déterministes et l'IA pour interpréter des documents complexes. Choisis l'outil selon la tâche, non selon la mode.