L’automatisation IA ne consiste pas à « mettre de l’IA partout ». Pour une PME, la démarche la plus robuste consiste à sélectionner une tâche répétitive et observable, à définir précisément ce que le système peut consulter et préparer, puis à tester le résultat sous supervision.
Une PME suisse devrait commencer par un processus fréquent, peu ambigu et réversible : prioriser des emails, préparer un brouillon de devis, proposer des créneaux ou identifier des prospects à suivre. Les décisions juridiques, médicales, financières ou contractuelles nécessitent un cadre renforcé et une intervention humaine appropriée.
Qu’est-ce que l’automatisation IA dans une PME ?
Une automatisation classique applique des règles prédéfinies : lorsqu’un événement survient, une action précise est déclenchée. Une automatisation utilisant l’IA peut également interpréter du texte, résumer un contexte, classer une demande ou préparer un contenu. Elle reste néanmoins dépendante des données disponibles, des instructions et des contrôles mis en place.
Le portail PME de la Confédération souligne que les cas d’application doivent être évalués individuellement et qu’une confiance aveugle dans les résultats constitue un risque. La supervision humaine reste donc une composante du système, pas un échec de l’automatisation.
1. Choisir un processus, pas une technologie
Le bon point de départ n’est pas « nous voulons utiliser un grand modèle de langage ». Il est plutôt : « cette demande arrive plusieurs fois par semaine, suit une logique connue et occupe inutilement une personne qualifiée ».
Un bon premier processus possède quatre caractéristiques
- Fréquent : il revient assez souvent pour être observé.
- Délimité : le début, le résultat attendu et les exceptions sont identifiables.
- Réversible : une erreur peut être corrigée avant de produire un dommage.
- Mesurable : on peut comparer la situation avant et après le pilote.
La préparation de brouillons est souvent plus adaptée à un premier pilote que l’exécution autonome. Elle permet de mesurer la qualité sans accorder immédiatement un pouvoir d’action large.
2. Définir les données, permissions et responsabilités
Avant toute connexion, l’entreprise doit établir quelles informations sont nécessaires, qui peut les consulter et combien de temps elles sont utiles. Le principe pratique est simple : ne pas donner accès à une boîte, un dossier ou un CRM entier si un périmètre plus réduit suffit.
Le Préposé fédéral à la protection des données et à la transparence rappelle que la LPD s’applique directement aux traitements utilisant l’IA et insiste sur la transparence concernant la finalité, le fonctionnement et les sources de données. Cela ne signifie pas qu’un outil est automatiquement « conforme » parce qu’il est vendu en Suisse : la conformité dépend aussi de l’usage, du paramétrage, des responsabilités et des contrats.
Questions à documenter
- Quelle donnée est consultée et pour quelle finalité ?
- Qui autorise la connexion et qui peut la révoquer ?
- Quelles actions restent obligatoirement soumises à validation ?
- Comment une erreur ou une exception est-elle signalée ?
- Où les traitements et sous-traitants applicables sont-ils documentés ?
3. Construire un pilote réellement testable
Un pilote doit fonctionner sur un périmètre suffisamment réel pour produire un apprentissage, mais suffisamment limité pour rester maîtrisable. On peut par exemple choisir une seule boîte partagée, un modèle de devis ou un type de rendez-vous.
- Décrire le résultat attendu avec des exemples.
- Définir les cas que l’assistant doit refuser ou transmettre.
- Conserver une validation humaine sur les sorties du pilote.
- Noter les corrections demandées et leur cause.
- Réviser les règles avant d’élargir les accès.
4. Mesurer l’utilité, pas seulement la vitesse
Une démonstration rapide n’est pas une preuve de valeur. La mesure doit porter sur une période définie et comparer un point de départ à un résultat observé.
| Indicateur | Question | À éviter |
|---|---|---|
| Volume | Combien d’actions ont été préparées ? | Extrapoler depuis une seule démo |
| Qualité | Quelle part nécessite une correction importante ? | Compter un brouillon comme une tâche terminée |
| Temps | Quel temps réel est économisé, validation incluse ? | Utiliser un taux théorique sans méthode |
| Risque | Quelles exceptions ou erreurs sont apparues ? | Masquer les cas rejetés |
| Business | Le processus améliore-t-il un résultat utile ? | Confondre activité et valeur |
5. Les erreurs les plus fréquentes
Automatiser un processus déjà confus
L’IA amplifie aussi les incohérences. Si personne ne sait quand relancer un prospect ou comment calculer un devis, connecter un modèle ne résout pas la règle métier manquante.
Donner trop d’accès dès le départ
Un pilote doit appliquer un principe de moindre privilège. Les accès peuvent être élargis après observation ; l’inverse est plus difficile à corriger.
Mesurer uniquement les sorties réussies
Les refus, corrections et exceptions sont indispensables pour comprendre la fiabilité réelle du processus.
Promettre une autonomie totale
L’autonomie n’est pas une finalité en soi. Pour certaines tâches, le meilleur produit est celui qui prépare correctement et demande une décision au bon moment.
Plan de mise en œuvre sur 30 jours
- Semaine 1 : cartographier une tâche, ses données et ses exceptions.
- Semaine 2 : connecter un périmètre limité et configurer les validations.
- Semaine 3 : exécuter le pilote, relever chaque correction et observer les cas rejetés.
- Semaine 4 : comparer les mesures, corriger les règles et décider d’étendre, maintenir ou arrêter.
Pour voir comment cette méthode s’applique aux emails, devis, rendez-vous et relances, consultez la page Assistant IA pour PME suisses ou testez la démonstration locale de Sania.