Où l’IA sert, et où elle ne sert pas
La question que vous vous posez est probablement la mauvaise. Ce n’est pas « comment utilisons-nous l’IA », c’est « quel travail, parmi ceux que nous faisons aujourd’hui, a la bonne forme ». La forme compte plus que le secteur : deux entreprises très différentes ont le même problème si le travail ressemble à lire et trier du texte.
Où elle sert
Du texte que quelqu’un lit et trie.
Des demandes qui arrivent par e-mail, des signalements, des commandes écrites en toutes lettres. Quelqu’un les ouvre, comprend de quoi il s’agit et les envoie à la bonne personne. C’est du travail répétitif sur du langage, et c’est là que l’IA rend le plus.
Des données sales que quelqu’un remet à la main.
Le même client écrit de trois façons, des adresses sans format, des doublons que personne n’a le temps de fusionner. Ce n’est pas un travail difficile : c’est un travail ennuyeux que personne ne finit jamais.
Des premières versions que quelqu’un corrige ensuite.
Une réponse, un résumé de réunion, la description d’un produit. La machine écrit la première version, une personne la remet en ordre. Ça marche parce que le contrôle humain est déjà dans le processus.
Chercher dans ce qui n’a pas d’index.
Contrats, anciennes offres, documentation interne. Quand la réponse existe mais qu’elle est enterrée dans trois cents fichiers, le problème est de la trouver, et ça, l’IA le fait bien.
Le fil commun : un résultat approximatif est acceptable, et quelqu’un le regarde de toute façon.
Où elle ne sert pas
Quand la règle existe déjà.
« Au-dessus de cinq mille, il faut une signature de plus » n’est pas une chose à apprendre : c’est une ligne de code, exacte et gratuite. On met un modèle quand la règle ne s’écrit pas.
Quand la réponse doit toujours être la même.
Calculs, TVA, échéances. Vous ne voulez pas d’un système qui calcule juste presque à chaque fois.
Quand le problème est que deux systèmes ne se parlent pas.
C’est le cas le plus fréquent de tous, et il mérite sa propre section — juste en dessous.
Quand les données ne sont pas là.
L’IA sur des données fausses ne produit pas des réponses fausses de temps en temps : elle les produit vite et avec assurance, ce qui est pire.
Le cas le plus fréquent : « on veut de l’IA dans le CRM »
On nous le demande souvent, et il y a presque toujours un autre problème en dessous.
Un CRM vaut ce que vaut ce qu’il contient. Si les clients sont en double, si la moitié des affaires n’est pas mise à jour parce que la mettre à jour demande six clics, si le logiciel de gestion ne lui passe pas les commandes et que quelqu’un les recopie le lundi — ce CRM n’a pas un problème d’intelligence artificielle. Il a un problème de données et d’intégration. L’IA au-dessus d’un CRM à moitié vide ne trouve rien, parce qu’il n’y a rien à trouver.
Le bon ordre est ennuyeux et il fonctionne : d’abord faire arriver les données toutes seules, puis les rendre propres, puis — si à ce moment-là c’est encore utile — mettre par-dessus quelque chose qui les lit.
Quand le CRM est en ordre, l’IA a enfin de la matière : comprendre quelles demandes ressemblent à celles déjà réglées, écrire la première réponse à un client, dire à un commercial ce qui s’est passé sur un compte sans lui faire lire deux ans de notes.
D’abord l’intégration, ensuite l’intelligence. Dans l’autre ordre, on paie deux fois.
Ce que personne ne vous dit sur le coût
Un modèle n’est pas un achat, c’est un abonnement avec des conséquences.
Il coûte à chaque utilisation, et la facture monte quand les choses vont bien. Il change sous vos pieds : le fournisseur met à jour, et une chose qui marchait se met à répondre autrement. Il faut le surveiller : si personne ne contrôle jamais les réponses, les erreurs s’accumulent en silence. Et surtout, quelqu’un doit rester responsable de ce que le système dit à un client. Ce quelqu’un est toujours une personne.
Ce n’est pas un argument contre l’IA. C’est la raison de la mettre là où le retour est clair, et pas partout.
Comment décider, en quatre questions
Avant de mettre de l’IA dans un processus, demandez-vous :
- Est-ce du travail répétitif sur du texte ou sur des données en désordre ?
- Une réponse approximative convient-elle ?
- Y a-t-il déjà quelqu’un qui regarderait le résultat ?
- Les données nécessaires existent-elles, et sont-elles fiables ?
Si une réponse est non, ce n’est probablement pas un travail pour l’IA — et c’est presque toujours une bonne nouvelle, parce que les autres solutions coûtent moins et cassent moins.
Pas sûrs de savoir quel est votre cas ?
Nous non plus, tant que nous n’avons pas regardé. On commence par une analyse des processus : de là on voit si votre problème a la bonne forme pour l’IA, ou si c’est autre chose déguisé.
Comment se passe l’analyse