L'automatisation basée sur l'IA dans le commerce international

Le premier projet d'IA au sein d'une entreprise commence souvent par une tâche d'une simplicité trompeuse. Un responsable remarque que cinq personnes passent chaque lundi matin à copier des chiffres d'une feuille de calcul à l'autre, à trier les e-mails des clients ou à établir le même rapport hebdomadaire. Quelqu’un suggère qu’un outil d’IA pourrait accomplir ce travail en quelques minutes. Un projet pilote est approuvé, la première démonstration fait forte impression et l’équipe commence à évoquer le gain de temps que cela pourrait représenter.

Puis vient le moment de la réalité. Les données sources sont incohérentes. Le logiciel ne parvient pas à gérer plusieurs exceptions courantes. Les employés corrigent discrètement ses erreurs sans les consigner, tandis que les responsables peinent à déterminer si le processus est réellement plus rapide. Ce qui semblait être un projet d’automatisation s’avère être une leçon sur le fonctionnement réel de l’entreprise.

Cela ne signifie pas que la technologie a échoué. Cela signifie simplement que l'entreprise a commencé par l'outil plutôt que par le travail.

L'automatisation basée sur l'IA peut réduire les tâches administratives répétitives, favoriser une prise de décision plus rapide et permettre aux employés de consacrer davantage de temps à des tâches nécessitant du discernement, de la négociation ou de la créativité. Pourtant, les entreprises qui en tirent le meilleur parti sont rarement celles qui achètent le plus grand nombre d'applications. Ce sont celles qui identifient un problème opérationnel spécifique, repensent le processus en fonction de celui-ci et définissent clairement les domaines dans lesquels la responsabilité humaine doit prévaloir.

Commençons par le problème du mardi matin

Le meilleur point de départ n'est pas l'ambition d'une entreprise de “ devenir une entreprise axée sur l'IA ”. C'est une tâche que les gens peuvent décrire en langage courant.

Il se peut que l'équipe financière reçoive des centaines de factures dans différents formats et doive saisir manuellement les mêmes informations dans un système comptable. Les collaborateurs du service client peuvent passer la première partie de chaque dossier à identifier le produit, la langue et la nature de la réclamation. Une équipe chargée des achats peut être amenée à lire de longs documents fournis par les fournisseurs pour y trouver quelques clauses pertinentes.

Ces tâches constituent des candidats prometteurs car elles sont répétées fréquemment, font appel à des informations reconnaissables et suivent un schéma relativement stable. Le bénéfice potentiel peut également être mesuré.

Demandez aux employés quelles tâches ils effectuent de manière répétitive, quelles données ils copient d'un système à l'autre et où ils perdent du temps à rechercher des informations. Les réponses les plus utiles proviennent souvent de niveaux hiérarchiques bien en dessous de la direction. Les dirigeants savent où l'entreprise veut aller ; ce sont les personnes qui mettent en œuvre les processus qui savent où se situent les blocages.

Ne commencez pas par vous demander quels postes peuvent être automatisés. Décomposez plutôt les postes en tâches. Un poste au service client peut inclure le classement, la recherche d'informations, la conversation, la négociation et la résolution de problèmes. L'IA peut très bien gérer les deux premières tâches, mais rester peu fiable ou inadaptée pour les autres.

Cette distinction évite qu'un programme d'automatisation ne se transforme en une simple opération de réduction des effectifs sans discernement. Elle permet également de prendre de meilleures décisions en matière de technologie.

Analyser le processus avant d'essayer de l'améliorer

Une fois qu'une tâche a été identifiée, suivez-la du début à la fin.

À quel stade ces informations sont-elles intégrées dans l'entreprise ? Qui les vérifie ? Quels sont les systèmes concernés ? Quelles décisions sont prises, et que se passe-t-il lorsque le dossier ne suit pas le schéma habituel ?

Un processus qui semble simple dans une présentation peut receler des dizaines de solutions de contournement informelles. Un employé sait que les commandes provenant d’un marché particulier nécessitent un document supplémentaire. Un autre se rend compte qu’un fournisseur utilise un code produit obsolète. Ces détails n’ont peut-être jamais été consignés par écrit, car le personnel expérimenté les gardait en tête.

L'automatisation met en lumière ces connaissances cachées. Un système ne peut pas appliquer une règle que personne n'a formulée.

Créez un schéma de processus simple présentant les données d'entrée, les étapes courantes, les décisions, les exceptions et le résultat final. Indiquez quelles informations sont essentielles et lesquelles sont simplement reprises parce que l'entreprise les a toujours collectées.

Cet exercice permet souvent de réaliser des économies avant même la mise en place de l'IA. Il permet notamment de supprimer les validations redondantes, de normaliser les modèles et de supprimer les rapports superflus. Il n'y a guère d'intérêt à recourir à une technologie de pointe pour accélérer un processus dont l'entreprise n'a plus besoin.

Choisissez un premier projet qui puisse résister à une erreur

Le pilote idéal est suffisamment efficace pour avoir un impact, mais suffisamment modéré pour qu’une erreur de sa part n’entraîne pas de conséquences graves.

La synthèse de documents internes, le classement de demandes de renseignements non sensibles ou la rédaction de descriptions de produits types peuvent constituer des points de départ appropriés. En revanche, la prise de décisions en matière de crédit, la sélection de candidats à un poste ou la formulation de conseils médicaux, juridiques ou financiers comportent un niveau de risque bien plus élevé.

Il convient de prendre en compte trois facteurs : la fréquence, la prévisibilité et les conséquences.

Une tâche effectuée des milliers de fois par mois présente un potentiel de valeur supérieur à celle qui n'est réalisée qu'occasionnellement. Un processus régi par des schémas clairs est plus facile à automatiser qu'un processus qui dépend fortement du contexte. Mais surtout, ce sont les conséquences d'une erreur qui déterminent le niveau de supervision nécessaire.

Un résumé généré par l'IA et utilisé par un employé comme première ébauche est très différent d'une décision automatisée qui détermine si une personne obtient un emploi, un paiement ou un service essentiel.

Commencez par un contexte où les résultats peuvent être rapidement examinés par une personne compétente. Cela permet à l'entreprise de se familiariser avec le fonctionnement de la technologie avant de lui confier des tâches plus importantes.

Déterminez ce que fait la machine et ce qui appartient à la personne

Pour qu'un projet d'automatisation soit couronné de succès, il faut établir une distinction claire entre l'activité des machines et la responsabilité humaine.

Le système peut extraire des informations des factures, mais un employé doit vérifier les données dont le niveau de fiabilité est inférieur à un certain seuil. Il peut rédiger une réponse à un client, tandis que le conseiller détermine si le ton et la solution proposée sont appropriés. Il peut identifier des transactions inhabituelles, mais c'est un enquêteur qualifié qui détermine si elles sont suspectes.

La présence d'une personne ne doit pas se limiter à donner l'impression d'un contrôle. Le réviseur doit disposer de suffisamment de temps, d'informations et de pouvoirs pour remettre en question le résultat.

Cela est important car les gens peuvent finir par se fier aveuglément aux résultats générés automatiquement, en particulier lorsqu'un système fonctionne généralement bien. Après avoir approuvé des dizaines de recommandations correctes, un employé peut cesser d'examiner attentivement la suivante.

Concevez le processus de révision en fonction du risque. Les cas de faible importance et facilement réversibles peuvent se contenter d'un contrôle ponctuel. Les décisions ayant un impact important peuvent nécessiter une approbation individuelle et une justification documentée.

Déterminez également qui est responsable en cas de problème. “ C'est l'IA qui l'a généré ” n'est pas une réponse acceptable pour un client, une autorité de régulation ou un conseil d'administration.

Corrigez les données avant de blâmer le modèle

Les systèmes d'IA dépendent des informations qu'ils reçoivent. Si les noms de produits varient d'un service à l'autre, si les dossiers clients sont incomplets ou si les documents réglementaires se contredisent, l'automatisation ne fera que reproduire cette confusion à un rythme encore plus soutenu.

Avant la mise en œuvre, vérifiez si les données concernées sont exactes, à jour et légalement disponibles pour l'usage envisagé. Déterminez à qui elles appartiennent et qui est chargé de corriger les erreurs.

Un chatbot destiné à la clientèle et alimenté par des informations obsolètes peut fournir des réponses avec assurance, mais erronées. Un outil de prévision entraîné sur des données historiques de demande faussées peut continuer à recommander des niveaux de stock inadaptés. Un système de recrutement s'appuyant sur les tendances passées en matière d'embauche peut reproduire les biais inhérents à ces décisions.

La préparation des données n'est pas l'aspect le plus prestigieux de l'IA, mais c'est souvent celui qui revêt la plus grande importance sur le plan commercial. Un système plus modeste, utilisant des informations propres et pertinentes, peut donner de meilleurs résultats qu'un modèle plus sophistiqué s'appuyant sur des données désorganisées.

Les entreprises devraient également limiter au strict minimum les données qu'elles collectent. Un projet d'automatisation n'a pas besoin d'accéder à tous les champs disponibles simplement parce que la technologie est capable de les traiter. Les données supplémentaires entraînent des obligations supplémentaires en matière de protection de la vie privée, de sécurité et de gouvernance.

Concevoir un projet pilote basé sur des situations de travail réelles

Une démonstration proposée par un fournisseur se déroule généralement dans des conditions idéales. Un projet pilote pertinent doit s'appuyer sur des cas représentatifs de la charge de travail réelle de l'entreprise.

Prévoyez des tâches simples, mais aussi les cas délicats auxquels les employés sont confrontés dans la pratique : formulaires incomplets, messages clients ambigus, formats inhabituels et instructions contradictoires. Testez plusieurs langues lorsque l'entreprise est présente sur différents marchés.

Mettez en place le nouveau processus parallèlement à l'ancien pendant une période déterminée. Cela permet de comparer la rapidité, la précision et le coût sans devoir compter immédiatement sur un système qui n'a pas encore fait ses preuves.

Les employés devraient consigner leurs interventions plutôt que de corriger les résultats en silence. Si une personne réécrit la moitié de chaque réponse générée, le taux d'automatisation apparent peut sembler impressionnant, alors que le gain réel est négligeable.

Le projet pilote devrait permettre de répondre à plusieurs questions concrètes. À quelle fréquence le système produit-il un résultat exploitable ? À quels stades échoue-t-il ? Combien de temps faut-il pour la vérification ? Permet-il de réduire la durée totale du processus, ou se contente-t-il de transférer la charge de travail d'un service à un autre ?

Un projet pilote qui met en évidence des limites n'est pas un échec. Il a permis d'éviter qu'une idée bancale ne soit mise en œuvre à grande échelle.

Mesurez ce qui compte vraiment

Le gain de temps est utile, mais ce n'est pas le seul critère de réussite.

Un système d'assistance client basé sur l'IA peut répondre plus rapidement aux demandes tout en augmentant le nombre de réclamations, car les réponses semblent trop génériques. L'inspection automatisée en usine peut réduire les contrôles manuels, mais passer à côté d'un défaut rare et coûteux. Un outil marketing peut produire davantage de contenu tout en affaiblissant l'image de marque en raison de la répétition et du manque de cohérence.

Choisissez des indicateurs liés au problème initial. Il peut s'agir notamment du temps de traitement, des taux d'erreur, du coût par transaction, de la satisfaction client, du taux de conversion, du gaspillage, des temps d'arrêt ou du nombre de cas nécessitant une escalade.

Évaluez l'ensemble du processus plutôt que la seule étape automatisée. Si l'extraction des factures est plus rapide, mais que les employés passent davantage de temps à corriger les erreurs par la suite, cela signifie que le projet n'a pas permis d'améliorer le fonctionnement.

Établissez une situation de référence avant le lancement. Si l'on ignore combien de temps le processus prend actuellement et à quelle fréquence des erreurs se produisent, presque n'importe quel nouveau système peut être présenté comme une réussite.

Le calcul financier doit prendre en compte les licences, l'intégration, la préparation des données, la sécurité, la formation des employés, la supervision et la maintenance. Un prix mensuel modique pour le logiciel peut masquer des coûts de mise en œuvre internes considérables.

Réunissez vos collaborateurs avant que les rumeurs ne commencent à circuler

Lorsque les salariés apprennent que la direction prévoit de mettre en place l'automatisation, beaucoup en déduisent que l'objectif est de supprimer des emplois. Si les dirigeants évitent d'aborder le sujet, les salariés ont tendance à combler eux-mêmes ce silence.

Expliquez quelles tâches sont envisagées, pourquoi elles ont été choisies et comment sera utilisé le temps ainsi libéré. Soyez franc quant aux éventuels changements de rôles.

Les employés sont plus enclins à soutenir le projet lorsque celui-ci leur évite des tâches qu'ils jugent répétitives ou frustrantes. Ils sont en revanche moins enclins à coopérer lorsqu'on leur demande de former un système qui semble conçu pour les remplacer, sans qu'aucune discussion n'ait lieu concernant leur avenir.

La formation ne doit pas se limiter à montrer aux utilisateurs sur quels boutons appuyer. Le personnel doit comprendre les limites du système, savoir repérer les résultats peu fiables et savoir dans quels cas il ne faut pas saisir d’informations dans un outil externe.

Les dirigeants ont eux aussi besoin de formation. Ils doivent apprendre à faire la distinction entre une démonstration convaincante et une analyse de rentabilité solide, et éviter de considérer les résultats générés par l'IA comme intrinsèquement objectifs.

Les données qui émergent indiquent que l'IA générative modifie souvent la nature des emplois plutôt que de supprimer des postes entiers. Le défi concret pour les dirigeants consiste donc à repenser l'organisation du travail : les machines se chargent de la classification, de la rédaction et de la recherche d'informations, tandis que les humains conservent la responsabilité du jugement, des relations humaines et de la gestion des exceptions.

Mettre en place une gouvernance avant de passer à l'échelle

Le fait qu'un seul employé teste un outil d'IA accessible au public peut sembler anodin. Mais au sein d'une entreprise internationale, des centaines d'expérimentations menées sans coordination peuvent rapidement entraîner des risques liés aux informations confidentielles, aux droits d'auteur, à la sécurité et à un traitement inégal des clients.

Dresser un inventaire des systèmes approuvés et des cas d'utilisation actifs. Chaque projet doit disposer d'un responsable métier, d'un responsable technique et d'une personne chargée de la gestion des risques et de la conformité.

Répertoriez les données utilisées par le système, les lieux où elles sont traitées, les fournisseurs qui y ont accès et précisez si ces informations peuvent être conservées à des fins d'entraînement des modèles. Définissez des règles concernant les informations sensibles d'ordre commercial, personnel et relatives aux clients.

Le cadre de gestion des risques liés à l'IA du NIST propose un principe d'organisation utile : réguler l'utilisation de l'IA, cartographier le contexte et les risques, mesurer les performances et gérer les problèmes identifiés tout au long du cycle de vie du système. La gouvernance ne doit pas se limiter à la réunion d'approbation finale ; elle doit faire partie intégrante de la conception du projet.

Pour les entreprises opérant en Europe, la loi européenne sur l'IA confère une importance croissante à la classification. Les obligations varient en fonction du rôle du système et de son niveau de risque, une attention particulière étant accordée aux utilisations susceptibles d'avoir un impact significatif sur les personnes, notamment certaines applications dans les domaines de l'emploi, des services essentiels et des produits réglementés.

La solution concrète ne consiste pas à mettre un terme à l'expérimentation, mais à savoir ce qui est mis en place et pourquoi.

Savoir quand ne pas automatiser

Certains processus inefficaces devraient être repensés sans recourir à l'IA. D'autres devraient rester du ressort de l'humain.

Une règle logicielle classique peut s'avérer plus fiable pour des calculs soumis à des conditions fixes. Une fonction de recherche peut permettre de résoudre le problème à moindre coût qu'un modèle génératif. Une conversation délicate avec un client en détresse peut nécessiter de l'empathie et de la discrétion, qualités que l'automatisation ne peut pas offrir de manière crédible.

Il ne faut pas automatiser un processus défaillant simplement parce qu'il prend du temps. Si les employés doivent sans cesse corriger le même type de réclamation client, cela peut indiquer que le produit ou la politique en cause nécessite une attention particulière.

L'automatisation ne doit pas non plus servir à masquer un manque de personnel. Un chatbot ne peut pas compenser indéfiniment le fait qu'une entreprise ait rendu impossible pour les clients de joindre un interlocuteur humain.

La bonne question n'est pas : “ L'IA est-elle capable de faire cela ? ”, mais : “ L'automatisation de cette tâche permettra-t-elle d'obtenir de meilleurs résultats pour l'entreprise et les personnes concernées ? ”

90 premiers jours bien pensés

Au cours du premier mois, identifiez trois à cinq processus répétitifs et discutez directement avec les employés qui les mettent en œuvre. Cartographiez les étapes, calculez le coût actuel et éliminez les inefficacités manifestes.

Au cours du deuxième mois, choisissez un cas d'utilisation spécifique et testez-le à l'aide de données représentatives. Définissez le processus de vérification humaine, les mesures de contrôle des risques et les indicateurs de réussite avant le lancement du projet pilote.

Au cours du troisième mois, comparez le nouveau processus de travail à l'ancien. Recensez les erreurs, les interventions du personnel, les répercussions sur les clients et les coûts totaux de mise en œuvre. Ne passez à l'échelle supérieure que si les données le justifient.

Au début, un projet pilote utile ne permettra peut-être de gagner que quelques heures. Son intérêt principal réside dans le fait qu’il apprend à l’organisation à sélectionner, à piloter et à améliorer les futurs projets d’automatisation.

Les entreprises les plus susceptibles d'en bénéficier

L'automatisation basée sur l'IA ne récompense pas la précipitation de manière aussi fiable qu'elle récompense la discipline opérationnelle. Les entreprises dotées de processus clairs, de données exploitables et de collaborateurs engagés ont plus de chances de générer des résultats que celles qui achètent des outils pour répondre à l'inquiétude de leurs dirigeants.

Le premier projet ne doit pas chercher à réinventer l'organisation. Il doit résoudre un problème bien identifié, fournir des données probantes et mettre en place une méthode reproductible.

Au fil du temps, ces petits systèmes peuvent commencer à s'interconnecter. Les demandes des clients orientent le développement des produits ; les prévisions de la demande influencent les achats ; les données de maintenance permettent de réduire les interruptions de production. C'est là que l'automatisation revêt une importance stratégique, non pas en tant qu'ensemble d'outils isolés, mais en tant que mode de gestion de l'entreprise plus réactif.

Les entreprises qui réussiront ne seront pas celles qui supprimeront toute intervention humaine de chaque processus. Ce seront celles qui sauront distinguer les tâches pour lesquelles la rapidité et la cohérence sont essentielles de celles qui nécessitent un jugement humain, et qui sauront combiner les deux sans pour autant compromettre la responsabilité.