Gouvernance · 3 min de lecture
Une automatisation fondée sur l’IA n’est utile que si l’on peut s’y fier. Le principe de l’IA qui prépare et de l’utilisateur qui confirme, et comment l’appliquer dans la conception des flux.
Les automatisations classiques fonctionnent bien lorsque les règles sont rigides : si une facture arrive de tel fournisseur, l’imputer sur tel compte. Or, bien des tâches administratives ne suivent pas des règles aussi simples. Un e-mail client doit être interprété, un rapport commenté, une demande comprise avant d’être orientée.
L’intelligence artificielle sait gérer cette ambiguïté, mais elle introduit un risque nouveau : elle peut se tromper de façon plausible. Une erreur bien formulée est plus difficile à repérer qu’une erreur grossière.
C’est pourquoi de nombreuses entreprises restent coincées entre deux positions : utiliser l’IA uniquement comme outil de rédaction personnel, sans la relier aux processus, ou tout automatiser et découvrir les erreurs une fois le mal fait. Il existe une voie médiane plus solide.
Une erreur bien formulée est plus difficile à repérer qu’une erreur évidente.
Le principe le plus simple pour maîtriser ce risque consiste à séparer la préparation de l’exécution. L’IA lit, rassemble les données et prépare le brouillon d’un e-mail, d’une offre ou d’une écriture. Puis elle s’arrête et montre à l’utilisateur ce qu’elle s’apprête à faire. L’opération n’est exécutée qu’après confirmation.
Cette approche fait passer le travail de la personne de la production à la vérification. Relire un brouillon bien préparé prend beaucoup moins de temps que de le rédiger, et la personne reste responsable du résultat, avec toutes les informations nécessaires pour assumer cette responsabilité.
Avec le temps, à mesure que l’on observe la qualité des propositions, on peut décider d’alléger la confirmation pour certaines opérations à faible risque. C’est un choix à faire en connaissance de cause, sur la base de l’expérience, et non à tenir pour acquis dès le départ.
Une confirmation utile n’est pas un simple bouton « Continuer ». Elle doit dire en termes clairs ce qui va se passer : quel document sera créé, à qui il sera envoyé, quelles données seront modifiées. Elle doit aussi montrer les sources sur lesquelles l’IA s’est appuyée, pour que l’utilisateur puisse les vérifier sans avoir à chercher.
Attention également à ne pas demander de confirmation pour tout. Si chaque petite opération exige un clic, les utilisateurs finissent par confirmer sans lire, et la confirmation perd sa valeur. Il convient de distinguer les opérations en lecture seule, qui ne nécessitent pas de confirmation, de celles qui modifient des données ou communiquent vers l’extérieur, qui en exigent toujours une.
Un bon critère consiste à se demander ce que coûte la correction d’une erreur. Une tâche créée par erreur se supprime en un instant ; un e-mail envoyé à un client ou un paiement enregistré, non. Plus une opération est difficile à annuler, plus la confirmation doit être explicite et détaillée.
Sans confirmation
Toujours confirmer
Chaque opération proposée, confirmée ou refusée devrait laisser une trace : ce qui a été demandé, ce que l’IA a proposé, qui a confirmé et quand. Le journal permet de reconstituer les faits en cas de contestation, mais aussi de progresser. Les propositions refusées ou corrigées révèlent souvent des instructions peu claires ou des données incomplètes.
La traçabilité et la supervision humaine sont des principes sur lesquels le RGPD et le règlement européen sur l’IA (AI Act) insistent fortement. Concevoir les automatisations ainsi dès le départ évite de devoir les repenser lorsque les exigences se durcissent.
Le journal est également précieux pour ceux qui conçoivent les automatisations. En observant quelles propositions sont confirmées sans modification et lesquelles sont corrigées à chaque fois, on voit où intervenir : sur les instructions, sur les modèles de documents ou sur la qualité des données de départ.
Dans la suite Innovaq, chaque automatisation fondée sur l’IA suit ce schéma. L’assistant prépare des documents, des rapports et des opérations sur les données de tous les modules, affiche un texte de confirmation clair avec les sources utilisées et n’exécute qu’après l’accord de l’utilisateur. Chaque étape est consignée dans le journal des requêtes, consultable par les personnes qui disposent des droits nécessaires.
Le résultat : une automatisation qui fait gagner du temps sans retirer le contrôle. L’IA travaille, l’humain décide.
Continuer la lecture
Le Model Context Protocol est la méthode standard pour connecter un assistant IA aux outils et aux données de l’entreprise. Ce que cela signifie concrètement, et comment planifier vos premières connexions sans faux pas.
Les modèles du marché sont prêts à l’emploi et puissants ; une IA dédiée maîtrise mieux le langage de l’entreprise. Comment choisir, et pourquoi la meilleure réponse est souvent une combinaison des deux.
Innovaq est une entreprise en phase de lancement.