Mise en place de l'intelligence artificielle

Mettre en place l'IA — cela veut dire intégrer un modèle à un processus qui tourne déjà, et non lancer un système à part à côté. Le modèle lit les données de l'entreprise, y trouve un schéma et produit une décision ; l'action qui découle de cette décision est exécutée par le système dans lequel le processus vit — CRM, ERP, programme d'entrepôt, caisse, portail, messagerie.

C'est pourquoi un projet ne commence pas par le choix d'un modèle mais par quatre réponses : quelles données existent et dans quel état elles sont ; quelle décision doit être prise ; qui exécute cette décision et avec quoi ; et quel chiffre montrera que les choses se sont améliorées. Sans l'une de ces quatre réponses, un modèle ajoute une source de données de plus dont personne ne répond.

Là où l'IA n'est pas nécessaire. Si une règle peut s'écrire en une seule ligne — stock sous cinq unités, prévenir les achats — on l'écrit comme une règle : moins cher, prévisible et vérifiable ligne par ligne. L'IA a sa place là où il y a des dizaines de signaux, qu'ils changent avec le temps et qu'une personne décidait jusqu'ici à l'œil : classer une demande, estimer la demande, repérer une opération atypique, extraire des champs d'un document en texte libre.

Les données collectées ne sont pas prêtes à l'emploi : un même article porte trois noms différents, les unités de mesure sont mélangées, la moitié des enregistrements n'a pas d'attribut obligatoire, et certaines lignes sont des doublons d'une même opération. Un modèle entraîné sur un tel ensemble reproduira le désordre au lieu d'y trouver un schéma.

Traitement par l'IA couvre ici trois travaux : ramener les enregistrements à une forme unique, remplir les attributs là où il n'y en a pas, et ranger les objets dans des catégories qui n'existaient pas dans les données d'origine.

• Normalisation — un format unique pour les dates, les nombres, les unités de mesure, les numéros de téléphone, les adresses et les identifiants d'immatriculation
• Rapprochement des noms — « câble VVGng 3x2,5 », « VVG-ng 3*2,5 » et « câble vvgng 3x2,5 norme » se ramènent à un seul article du catalogue
• Comblement des manques — une catégorie, une marque ou une unité de mesure absente se prédit à partir des autres champs de la fiche
• Classification — un produit se range dans un groupe, une demande dans un sujet, un paiement dans un poste de dépense, une contrepartie dans un segment
• Extraction de caractéristiques — les caractéristiques se tirent de la description : volume, poids, puissance, composition, durée de conservation
• Détection des doublons — deux fiches pour une même contrepartie ou deux documents pour une même livraison se trouvent à partir d'une combinaison de champs et non d'une correspondance exacte de chaînes
• Contrôles de cohérence — stock négatif, date d'expédition antérieure à la date de commande, lignes qui ne font pas le total du document

Action : les corrections sûres s'appliquent automatiquement et s'écrivent au journal avec la valeur d'origine ; les cas limites partent vers le propriétaire du référentiel pour confirmation, sous forme de liste unique et non d'e-mails séparés.

Pourquoi c'est un travail à part entière

La qualité des données n'est pas un rangement ponctuel avant un projet mais un processus continu : les référentiels grandissent chaque jour, les fournisseurs changent le format de leurs tarifs, et les commerciaux créent des fiches de zéro au lieu de chercher celle qui existe. C'est pourquoi les règles et les modèles de nettoyage vivent dans le système à côté des données et s'appliquent à chaque chargement.

Chaque correction a un auteur — une règle ou un modèle —, une heure, une ancienne et une nouvelle valeur. Ce n'est pas de la bureaucratie : sans cet historique, il est impossible de comprendre pourquoi le rapport du mois dernier affiche aujourd'hui d'autres chiffres.

Résultat

Les référentiels cessent de se ramifier, les rapports par groupe de produits et par poste de dépense concordent entre eux, et la préparation des données cesse de dévorer l'essentiel du calendrier de chaque projet d'analytique.

Un rapport ordinaire répond à la question qu'on lui a posée : recette par mois, ventes par succursale, stocks par entrepôt. Les questions sont posées par une personne : on voit donc exactement ce que quelqu'un a pensé à regarder.

Traitement par l'IA renverse ici le sens : le modèle passe lui-même en revue les découpages et rapporte ceux où un indicateur se comporte autrement qu'attendu. Non pas « dessine-moi un graphique » mais « voici trois endroits où il se passe quelque chose d'inhabituel, et voici avec quoi cela va de pair ».

Ce que fait l'analytique intelligente :

• Segmentation — les clients, les points de vente et les produits se regroupent selon leur comportement réel et non selon des catégories imaginées à l'avance
• Décomposition d'un indicateur — une baisse de recette se décompose en contributions des catégories, des succursales, des canaux et du ticket moyen : on voit ce qui a exactement baissé
• Liens entre événements — quels attributs d'une commande, d'un client ou d'un point accompagnent le plus souvent un refus, un retour, un retard de paiement ou le départ d'un client
• Évaluation du risque — la probabilité qu'une commande soit annulée, qu'une facture ne soit pas payée à temps, qu'un client cesse d'acheter
• Hiérarchisation de l'attention — une liste des objets à examiner, triée par pertes potentielles et non par ordre alphabétique
• Questions en langage courant — une question posée aux données en toutes lettres, avec une référence obligatoire à la source et à la période dans la réponse

Action : une trouvaille ne reste pas dans un tableau de bord — elle se transforme en tâche avec un destinataire et un délai : examiner le point en baisse, contacter le client du groupe à risque, vérifier la catégorie dont les retours augmentent.

Le travail courant, ce sont les opérations qui se répètent des dizaines de fois par jour, demandent de l'attention et ne demandent aucune qualification : recopier des données d'un e-mail dans une fiche, rattacher un paiement à un poste de dépense, désigner un exécutant, vérifier qu'un document est complet, poser un statut.

Traitement par l'IA est nécessaire là où l'entrée n'est pas formalisée : l'e-mail est écrit en toutes lettres, le document est arrivé dans un format qui n'est pas le vôtre, la demande est formulée différemment par chaque client. Le modèle met une telle entrée en forme, après quoi des règles ordinaires — prévisibles et vérifiables — prennent le processus en charge.

Les opérations qui deviennent automatiques :

• Trier les e-mails et les demandes entrantes
• Déterminer le sujet et l'urgence d'une demande
• Affecter un exécutant et un délai
• Créer une fiche client et une affaire
• Extraire des données de documents
• Rapprocher un document de la commande et de la facture
• Rattacher un paiement à un poste de dépense et à un contrat
• Vérifier qu'un dossier de documents est complet
• Rédiger un projet de réponse à une demande standard
• Traduire des textes et les ramener à une forme unique
• Préparer des états et des attestations à partir d'un modèle
• Remplir les champs d'une fiche produit d'après la description
• Vérifier qu'une demande est complète avant son lancement
• Hiérarchiser une file de tâches
• Des bilans par équipe, par jour et par site
• Des alertes aux responsables sur événements

Action et résultat : l'opération est exécutée par le système et écrite au journal avec un auteur, une heure et la valeur d'origine. L'employé passe de la saisie de données au traitement des cas particuliers — ceux où le modèle n'est pas sûr ou où le coût d'une erreur est élevé.

Données : bons de livraison, factures, attestations, contrats, spécifications, ordres de paiement, demandes, fiches techniques d'équipements, e-mails avec pièces jointes. Les formats varient : pdf, photo prise au téléphone, scan, fichier d'export, original papier.

Traitement par l'IA : reconnaissance du texte, identification du type de document, extraction des champs et des tableaux, rapprochement des lignes avec le catalogue et rattachement du document à une commande, un contrat ou une contrepartie. Pour chaque champ, une valeur et un chiffre de confiance sont renvoyés.

Ce qui est extrait :

• Les identifiants des parties — dénomination, numéros d'immatriculation, adresse, coordonnées bancaires
• Le numéro et la date du document, les références au contrat, à la facture et à la commande
• Le tableau — lignes, quantité, prix, montant, taux de taxe
• Les totaux — montant hors taxe, taxe, total à payer, devise
• Les conditions et les délais — conditions de paiement, conditions de livraison, garantie, pénalités
• Les signatures et les cachets — leur présence, non leur authenticité : l'authenticité relève de la circulation de documents à valeur juridique

Action : le document se rapproche de la commande et de la facture, les écarts sont listés, et le document est soit validé, soit envoyé à l'examen d'un employé précis. Résultat : la saisie des documents cesse d'être un métier à part entière, et les écarts se trouvent avant le paiement et non à la clôture du mois.

Où se situe la limite

La reconnaissance ne donne jamais cent pour cent d'exactitude sur un ensemble de documents quelconque — et cela ne doit pas être le cas. L'enjeu est ailleurs : le système montre les champs auxquels il fait confiance et ceux qu'il demande de confirmer. L'opérateur vérifie quelques champs signalés au lieu de taper tout le document.

Une mauvaise qualité de la source n'excuse pas une erreur silencieuse : une photo floue, une page coupée, la deuxième page manquante d'une spécification sont toutes signalées explicitement et renvoyées à l'expéditeur avec le motif.

Résultat

La vitesse de traitement cesse de dépendre du volume du flux entrant, et la comptabilité et les achats voient l'état des documents dans une seule liste plutôt que dans les boîtes aux lettres de chacun.

Données : e-mails, demandes venues du site, messages dans les messageries, transcriptions d'appels, correspondance du chat de support, avis et notes. Tout cela est du texte libre qu'une personne devait jusqu'ici lire et trier.

Traitement par l'IA : la demande se range dans un sujet et un sous-sujet, l'urgence et la tonalité sont déterminées, le numéro de commande, le nom du produit, l'adresse et d'autres entités sont extraits du texte, et la demande se relie à l'historique du client. Les demandes répétées sur un même sujet se fondent en un seul cas.

Action : la demande entre dans la file du groupe concerné avec ses champs déjà remplis, le délai de réponse se calcule d'après l'urgence, une demande répétée monte en priorité, et le client reçoit une confirmation avec un numéro et un délai attendu.

Résultat : les demandes cessent de dormir dans une boîte commune jusqu'au matin, et le responsable ne voit pas « beaucoup de réclamations » mais une structure : sur quels sujets le flux grandit, où le temps de réponse augmente et quels produits engendrent des demandes répétées.

Ce qu'apporte l'examen de tout le flux

Une demande isolée renseigne sur un cas ; tout le flux renseigne sur le produit et sur le processus. La classification par sujet sur une période montre ce qui pose exactement question : une notice peu claire, une erreur dans la description d'un produit, une panne à une étape précise de la validation de commande, un retard chez un service de livraison.

C'est pourquoi les sujets ne s'inventent pas : les demandes se regroupent d'abord par sens automatiquement, puis les groupes obtenus se corrigent à la main et se figent comme référentiel. À partir de là, il vit à côté du produit, et les nouveaux groupes sont proposés par le système.

Un bot n'est pas un modèle unique mais plusieurs parties reliées. La séparation compte en pratique : chaque partie a son mode de défaillance, ses indicateurs et sa façon d'être corrigée.

• Compréhension de la demande — ce que la personne veut faire et quels paramètres elle a donnés : numéro de commande, date, produit, adresse
• Recherche des connaissances — la sélection des fragments de documents et d'enregistrements sur lesquels la réponse se construira
• Accès aux systèmes — l'ensemble des opérations permises : consulter une commande, créer une demande, changer une date de livraison. Chacune est décrite explicitement ; le bot n'a aucune action arbitraire
• Composition de la réponse — le modèle assemble la réponse strictement à partir de ce qui a été trouvé et de ce que les systèmes ont renvoyé ; ce qui n'est pas dans les sources n'apparaît pas dans la réponse
• Un contrôle avant l'envoi — la réponse se vérifie sur les sources et l'action sur les droits et les limites de l'utilisateur
• Passage à un humain — les règles d'escalade : confiance faible, question répétée, réaction négative, sujet figurant sur une liste réservée
• Journal — ce qui a été demandé, ce qui a été trouvé, ce que le bot a fait et à quel titre. Sans cela, une réclamation ne peut pas être examinée

Les canaux de raccordement — le site et l'espace client, les messageries, l'e-mail, une ligne téléphonique avec reconnaissance vocale, le portail interne et les postes de travail des employés. La logique est la même partout : le canal change la forme de l'entrée, pas ce que le bot a le droit de faire.

D'où vient la réponse

Le bot ne retient pas vos documents — il les cherche au moment de la question et répond à partir de ce qu'il trouve. C'est pourquoi une politique mise à jour prend effet dès son chargement et non après un réapprentissage du modèle, et c'est pourquoi chaque réponse a une source.

Comment un bot se lance

La première chose que l'on rassemble est un ensemble de questions réelles — venues de la correspondance, des demandes et des conversations internes. Le bot s'éprouve dessus avant le lancement : les réponses se vérifient sur les sources et les erreurs s'examinent par cause. Ce n'est qu'ensuite que le bot s'ouvre aux utilisateurs, d'habitude d'abord à un seul groupe.

Un assistant interne diffère d'un bot pour clients par ses données sources : il travaille sur l'information de l'entreprise et dans les limites des droits d'un employé précis. La même question posée par un magasinier et par un directeur financier donne des réponses différentes — parce qu'ils n'ont pas accès aux mêmes documents.

Ce que fait un assistant à un poste de travail :

• Il répond à partir des politiques — comment déposer quelque chose, qui le valide, quel est le délai, quel formulaire employer, avec la référence à l'article
• Il rassemble une synthèse sur un objet — client, affaire, contrat, commande, appareil : historique, questions ouvertes, échéances à venir
• Il prépare des brouillons — un e-mail, un devis, une réponse à une demande, la description d'une tâche, un compte rendu de réunion
• Il tient les écritures à la place de l'employé — l'issue d'un appel ou d'une réunion se transforme en tâches, en délais et en fiche mise à jour
• Il dépose des demandes — aux RH, aux achats, au support technique : les champs se remplissent à partir de l'échange et non d'un formulaire à vingt champs
• Il prépare un bilan de journée — ce qui s'est passé sur le site pendant la période, ce qui reste ouvert, ce qui demande une décision

Résultat : l'employé passe son temps sur le travail plutôt qu'à chercher le bon document, à se rappeler une politique et à remplir des formulaires. L'assistant ne prend pas de décision à la place de la personne — il enlève la partie préparatoire.

Les connaissances d'une entreprise sont rarement au même endroit : les politiques dans un dossier, les contrats dans un deuxième, la documentation technique dans un troisième, et la moitié des réponses dans la correspondance. La recherche par nom de fichier ne fonctionne pas ici, car une personne ne cherche pas un document mais une réponse.

Données : politiques et décisions, contrats et annexes, documentation technique et de projet, instructions, base des demandes résolues, comptes rendus, référentiels, archive de correspondance — chacun avec un propriétaire et un niveau d'accès.

Traitement par l'IA : les documents se découpent en fragments et chaque fragment s'indexe par le sens ; la question se rapproche des fragments et non des titres. La réponse s'assemble à partir de ce qui a été trouvé et s'accompagne d'une citation et d'une référence au document, à la page et à la version.

Action et résultat : un employé obtient une réponse avec sa source en quelques secondes au lieu de faire le tour de ses collègues ; les cas limites se vérifient sur la citation ; les documents périmés se voient tout de suite — si la réponse vient d'une version vieille de deux ans, cela est indiqué dans la réponse elle-même.

Ce qui fait qu'une base de connaissances fonctionne

• Un point d'entrée unique — les sources se raccordent à l'index et ne se recopient pas à la main dans un nouveau stockage
• Versions et dates — la version du document est connue pour chaque fragment ; la version en vigueur se distingue de l'archive
• Les droits s'héritent — des systèmes sources, si bien que l'index ne devient jamais un moyen de contourner les restrictions d'accès
• Mise à jour sur événement — un document modifié se réindexe tout de suite et non selon un calendrier mensuel
• Retour des utilisateurs — « cette réponse n'a pas aidé » se signale dans l'interface et part à l'examen avec la question
• Les manques se voient — les questions pour lesquelles aucune source n'a été trouvée se rassemblent en une liste : c'est le cahier des charges de la politique qui manque

Ce qu'une base de connaissances ne fait pas

Elle ne remplace pas le système de gestion documentaire et ne devient pas la source de vérité : un document à valeur juridique reste là où il a été signé et se conserve. L'index est un moyen de le trouver et de le citer, et non une copie à part vivant sa propre vie.

Une demande arrive en forme libre et par n'importe quel canal : un e-mail, un message, un formulaire du site, un appel téléphonique, un fichier joint. Avant la mise en place, une personne la lit, reporte les données dans le système, détermine le type et affecte un exécutant — ce qui prend de quelques minutes à quelques heures d'attente dans une file.

Traitement par l'IA : le type de la demande est déterminé, les champs sont extraits — objet, adresse, délai, contact, numéro de contrat —, l'exhaustivité est contrôlée, l'urgence est évaluée, et la demande se relie au client et à son historique. Ce qui manque est réclamé automatiquement dans le même canal.

Action : la demande se crée dans le système avec ses champs remplis, un groupe ou un exécutant est affecté selon les règles, un délai est fixé et une confirmation avec un numéro est envoyée. Les doublons portant sur un même sujet se relient au lieu d'engendrer une seconde demande.

Résultat : l'exécutant reçoit une demande complète et commence par le travail plutôt que par des clarifications. Le temps entre l'arrivée et l'affectation cesse de dépendre de qui a ouvert la boîte commune et quand.

Le parcours d'une demande

Ce qu'il faut paramétrer

• Un référentiel des types de demandes et les règles d'affectation des exécutants
• Les champs obligatoires de chaque type — sinon la demande complémentaire ne fonctionne pas
• Les délais de réponse par contrat et par priorité
• Une règle de fusion des demandes répétées portant sur un même sujet

Un modèle se trompe toujours — la question est de savoir à quelle fréquence, où exactement et ce que cela coûte. C'est pourquoi chaque mise en place a deux séries de chiffres : la qualité du modèle lui-même et le changement du processus. La première intéresse l'ingénieur, la seconde l'entreprise, et elles ne coïncident pas automatiquement.

• Précision et rappel — pour chaque classe séparément et non comme une moyenne unique : une classe rare mais coûteuse compte plus qu'une classe fréquente
• Part des décisions automatiques — combien d'opérations sont passées sans personne au seuil de confiance donné
• Part des corrections — combien de décisions automatiques une personne a annulées ou modifiées
• Temps d'une opération — de l'arrivée à l'achèvement, comparé à la référence d'avant la mise en place
• Le coût d'une erreur — ce que coûte un manque et ce que coûte une fausse alerte ; le seuil se règle sur ce rapport et non sur l'élégance d'une métrique
• Dérive des données — un changement de la composition des données d'entrée qui fait baisser la qualité sans la moindre modification du système

Le seuil de confiance est un bouton de réglage, pas une constante. En le montant, l'entreprise obtient moins d'automatisation et moins d'erreurs ; en le baissant, l'inverse. La valeur se choisit d'après le coût d'une erreur dans le processus en question.

Ce que montre le panneau

L'exploitation après le lancement

Un modèle n'est pas une livraison ponctuelle. Les données changent : de nouveaux produits, de nouveaux sujets de demandes, de nouveaux formats de documents, de nouveaux fournisseurs apparaissent. C'est pourquoi le projet prévoit des contrôles de qualité réguliers sur des données fraîches, un réapprentissage selon un calendrier ou au franchissement d'un seuil, et l'examen des cas où une personne a corrigé la décision.

Les corrections des opérateurs sont la matière d'apprentissage la plus précieuse : elles se rassemblent dans un jeu à part et servent au tour d'apprentissage suivant. Ainsi le système s'améliore sur son propre travail et non sur les données d'autrui.