L’automatisation des processus métier par IA doit être évaluée tâche par tâche. Il faut déterminer ce que le système peut traiter de façon fiable, comment repérer les exceptions et si le gain couvre le coût du développement, de l’exploitation et du contrôle. La faisabilité technique ne suffit pas à établir le retour sur investissement.
Les études apportent des repères utiles, à condition de garder leur contexte : tâche étudiée, utilisateurs, outil et méthode de mesure.
Ce que mesurent les études de productivité
Les travaux du NBER sur le service client, de GitHub sur une tâche de programmation et de Noy et Zhang sur la rédaction professionnelle montrent des gains dans les contextes testés. Ces résultats ne sont pas des prévisions pour un autre processus.
Pour évaluer votre propre processus, incluez les données, les intégrations, les règles métier et le traitement humain des exceptions dans le pilote. Le résultat dépend de l’ensemble du système. Un gain obtenu sur une tâche isolée peut disparaître si la vérification ou la ressaisie prend trop de temps.
Les résultats changent selon la tâche
Dans une expérience menée avec 758 consultants du BCG, les utilisateurs de l'IA ont traité les tâches environ 25 pour cent plus vite, avec une qualité jugée supérieure d'environ 40 pour cent, tant que la tâche restait dans le périmètre de compétence du modèle. Sur un problème situé juste au-delà, les consultants assistés par IA avaient 19 points de pourcentage de chances en moins d'arriver à la bonne réponse.
Évaluez aussi les exceptions : les cas rares peuvent concentrer les erreurs les plus coûteuses.
La précision moyenne peut masquer les cas les plus coûteux. Il faut examiner les erreurs par catégorie, leur fréquence et leurs conséquences avant d’autoriser une exécution automatique.
Automatiser, assister ou garder la décision humaine
Le niveau d’autonomie dépend du processus et des contrôles possibles. Une IA peut préparer un travail sans être autorisée à en décider l’issue. Les exemples suivants sont à évaluer selon les données, les droits et les conséquences d’une erreur.
Automatiser
Les erreurs sont peu coûteuses ou réversibles, les résultats vérifiables objectivement, les entrées stables, et les exceptions détectables automatiquement.
- Extraction et rapprochement de factures
- Classement et routage des tickets
- Prévision de la demande
- Contrôle visuel des défauts
- Recherche interne avec citation des sources
Assister
L'IA accélère l'analyse ou la rédaction, mais une personne compétente garde la décision et en répond.
- Revue de contrats et extraction de clauses
- Préparation administrative des dossiers de recrutement
- Priorisation des pistes commerciales
- Analyse, recherche et premiers jets
- Interprétation clinique et juridique
Laisser à l'humain
La décision touche aux droits, à la santé, aux moyens d'existence, à la sécurité ou à l'accès à un service essentiel. Ou la situation est inédite plutôt que répétitive.
- Embauche, licenciement, promotion, rémunération
- Refus de crédit et droit à une prestation
- Diagnostic et traitement
- Arrêt d'urgence en milieu industriel
- Décaissement élevé ou inhabituel
À quoi ressemble un bon candidat
Les bons candidats suivent presque toujours le même schéma : recevoir une entrée normalisée, classer ou extraire ou prédire, confronter la confiance aux règles métier, déclencher une action réversible, faire remonter les exceptions, tout consigner. Plus un processus s'éloigne de cette forme, vers l'ambiguïté, les objectifs contradictoires, la négociation, l'empathie ou les conséquences irréversibles, plus l'assistance l'emporte sur l'automatisation.
Avant de nous engager, nous notons un processus sur dix facteurs : rentabilité après coût de contrôle, fréquence, volume, complexité, variabilité des entrées, exposition réglementaire, part du jugement humain, explicabilité, disponibilité des données et coût d'une erreur. Un total élevé ne lève jamais un veto : un risque irréversible pour la sécurité ou les droits fondamentaux clôt la discussion quelle que soit la note.
Quels résultats mesurer pour chaque processus
Faites défiler le tableau horizontalement pour voir toutes les colonnes.
| Processus | Mode | Indicateur à mesurer | Ce qui coince |
|---|---|---|---|
| Service client | Automatiser niveaux 0 et 1 | Dossiers résolus par heure, corrections et satisfaction | Réponses inventées, escalade défaillante |
| Comptabilité fournisseurs | Automatiser avec contrôles | Temps par facture, reprises et erreurs de rapprochement | Fraude, doublons, droits de validation |
| Recrutement | Assister uniquement | Temps administratif et qualité des dossiers préparés | Discrimination, aucun gain prédictif validé |
| Revue juridique | Assister | Temps de revue et clauses omises ou mal extraites | Références inventées, confidentialité |
| Logiciel et analyse | Assister | Délai de réalisation, revue et défauts introduits | Preuves fabriquées, erreurs hors périmètre |
| Prévision | Automatiser | Erreur de prévision par produit et par période | Changements de régime, données de base fausses |
Calculer le ROI après les coûts de contrôle
Le délai de rentabilité dépend du périmètre et de la préparation des données. Chiffrez le développement, les intégrations, les licences, l’infrastructure, la formation et la maintenance. Estimez ensuite les gains que l’entreprise pourra utiliser : capacité supplémentaire, dépenses évitées, baisse des erreurs ou amélioration du service.
Ajoutez le coût de vérification, des reprises et des incidents possibles. Une moyenne globale ne suffit pas : certaines catégories de dossiers peuvent concentrer les erreurs. Testez aussi les effets d’un changement de données et prévoyez les conditions dans lesquelles le système doit demander une intervention.
- Volume et effort : automatiser les 60 % de tickets les plus simples peut retirer bien moins de 60 % du travail, car les cas restants prennent davantage de temps
- Attribution du gain : distinguez ce qui vient de l’IA, du nettoyage des données, de la formation ou d’une refonte du processus
- Travail de contrôle : comptabilisez la vérification, même lorsqu’elle se fait dans un nouvel outil
Organiser une supervision humaine efficace
Une étape de validation humaine doit être conçue et testée. Le relecteur peut être influencé par une réponse convaincante ou manquer du temps nécessaire pour vérifier les sources. Mesurez sa capacité à détecter des erreurs connues et la charge de travail créée par cette vérification.
Donner au relecteur les moyens de vérifier
Le relecteur doit avoir accès aux sources, disposer du temps et de l’autorité pour corriger la proposition, et savoir quand demander un second avis. Pour certaines tâches, recueillir d’abord son appréciation permet aussi de limiter l’influence de la recommandation du modèle.
Par où nous commençons
L’extraction de données, le classement, la comparaison et le rapprochement sont des candidats à examiner lorsqu’ils reviennent souvent et produisent des résultats vérifiables. Un périmètre limité permet de tester la supervision et le traitement des exceptions avant d’élargir l’automatisation.
Fixez le seuil d’acceptation selon les conséquences métier. Examinez la détection, le délai de correction et le coût d’une erreur, en plus de la précision globale. Un résultat légèrement moins précis peut rester plus facile à contrôler si ses erreurs sont visibles et réversibles.
Nos ingénieurs IA commencent par cartographier le processus et en mesurer le fonctionnement. Ils comparent ensuite l’assistance par IA, l’automatisation et les solutions classiques pour retenir un premier périmètre testable.