F02 — Automatisation des Tâches avec l'IA

Objectif : Comprendre l'unité réelle d'automatisation.

Un processus enchaîne acteurs, données, règles, contrôles, sorties et exceptions. Automatiser une tâche isolée déplace souvent le problème. La décision, elle, doit rester humaine ou faire l'objet d'une gouvernance explicite.

Objectif : Identifier les volumes et répétitions qui justifient une automatisation.

Une forte fréquence, des règles stables et des données structurées sont les trois signaux favorables à l'automatisation. Un faible volume peut rendre l'automatisation plus coûteuse que le traitement manuel, même si les deux autres signaux sont favorables.

Objectif : Distinguer assistance IA et décision humaine.

Certaines tâches ne sont pas répétitives au sens strict mais peuvent être accélérées par l'IA : résumer un rapport, classer une réclamation client, extraire des données d'une facture, rédiger une première réponse. Ces tâches cognitives sont 'assistables' — l'IA produit un brouillon ou une suggestion, un humain valide. La limite absolue : jamais déléguer silencieusement une décision réglementée ou à fort enjeu.

Objectif : Décrire un processus de bout en bout.

SIPOC structure Fournisseurs, Entrées, Processus, Sorties et Clients. Il révèle les dépendances et les données critiques. Un SIPOC trop détaillé perd sa fonction de vue d'ensemble : cinq à sept étapes maximum.

Objectif : Construire une matrice de priorisation défendable.

La matrice évalue chaque cas selon : Impact (1–5), Facilité d'implémentation (1–5) et Risque (1–5 à déduire). Formule : Score = (Impact + Facilité) × 2 – Risque. Une note haute ne suffit pas : un cas illégal, contraire à l'éthique ou sans propriétaire métier est écarté quelle que soit sa note.

Objectif : Identifier les impacts sur les rôles et les craintes.

Une automatisation modifie les contrôles, la charge, l'autonomie et parfois l'identité professionnelle. L'adhésion se construit par la participation dès la conception, pas par la communication après le fait accompli. Un agent de saisie qui voit son travail automatisé ne demande pas à être rassuré sur l'avenir de l'IA — il veut comprendre ce qu'il fera demain, avec qui et avec quel niveau de reconnaissance.

Objectif : Maîtriser la grammaire commune des plateformes.

Un workflow démarre par un déclencheur unique, traite les données, applique des règles et conditions, puis exécute une ou plusieurs actions. Une action sans condition associée peut produire des doublons ou des envois non souhaités. Le mapping (association des champs entre étapes) est le travail le plus chronophage mais aussi le plus critique.

Objectif : Comparer Power Automate, Zapier, Make et n8n.

Le choix dépend de l'écosystème existant, des connecteurs nécessaires, du coût d'exécution, des exigences de données, des compétences disponibles et de la réversibilité. Il n'existe pas de meilleure plateforme universelle — seulement le meilleur choix pour un contexte donné.

Objectif : Construire un flux cloud simple dans Microsoft 365.

Power Automate utilise des déclencheurs et actions via des connecteurs. Les droits et licences conditionnent l'accès aux connecteurs premium. Un flux Cloud déclenché par un e-mail peut archiver les pièces jointes, notifier une équipe Teams et mettre à jour une liste SharePoint.

Objectif : Construire un workflow web simple.

Un Zap relie un déclencheur à une ou plusieurs actions. Chaque étape doit être testée avec des données représentatives. La surveillance du décompte de tâches est essentielle pour maîtriser les coûts en production.

Objectif : Manipuler modules, mapping et routes.

Make représente visuellement les modules et les paquets de données. Les filtres et les routes gèrent les cas alternatifs. Un scénario non documenté devient illisible en quelques semaines.

Objectif : Évaluer l'intérêt et les exigences de n8n.

n8n combine automatisation et fonctions IA en open source, avec des options cloud et auto-hébergées. L'auto-hébergement exige une architecture minimale : accès sécurisé, gestion des secrets, base de données, sauvegardes, supervision et processus de mises à jour. Open source ne signifie pas gratuit en coût total.

Objectif : Exploiter Sheets, Forms, Gmail et Apps Script.

Les automatisations natives de Google Workspace (macros, règles Gmail, formulaires connectés à Sheets) permettent d'accomplir beaucoup sans code. Apps Script ajoute de la flexibilité mais introduit du code et des autorisations à gouverner soigneusement.

Objectif : Concevoir une automatisation exploitable en production.

Un flux fiable en production prévoit : un identifiant unique par transaction, un journal traçable, une procédure de reprise en cas d'erreur, des alertes et une procédure manuelle de secours. Sans ces éléments, un incident en production est ingérable.

Objectif : Savoir où l'IA apporte une valeur réelle.

L'IA est pertinente pour le langage et les données non structurées. Les règles déterministes restent préférables quand elles suffisent. Le critère de choix est la variabilité de l'entrée et le niveau de risque acceptable, pas la sophistication de la technologie.

Objectif : Créer une instruction stable, testée et reproductible.

Un prompt de workflow précise huit éléments : rôle du modèle, objectif, contexte et données d'entrée, format de sortie attendu, critères de qualité, interdictions, traitement de l'incertitude et exemples si nécessaire. Un prompt bien rédigé produit des résultats prévisibles quelle que soit la session.

Objectif : Obtenir un résultat exploitable par l'étape suivante du workflow.

JSON, tableaux normalisés et catégories contrôlées facilitent le mapping avec l'étape suivante. Une sortie bien formée n'est pas nécessairement vraie — elle doit être validée. Chaque champ doit avoir un type, une règle de nullité et un contrôle de cohérence.

Objectif : Industrialiser la rédaction avec un contrôle humain intégré.

La génération doit séparer brouillon, validation et envoi. Aucun envoi sensible ne part sans validation humaine. Le ton, les faits et les destinataires sont vérifiés avant diffusion.

Objectif : Concevoir une chaîne d'extraction contrôlée.

La chaîne complète : acquisition du document, OCR éventuel, extraction des champs, normalisation des formats, validation des règles de cohérence, rapprochement avec une référence. Chaque étape peut échouer indépendamment. Ne jamais mélanger documents clients réels et comptes IA grand public sans autorisation.

Objectif : Définir mission, connaissances, outils et limites.

Un assistant utile a un périmètre étroit, des instructions stables, des sources autorisées et une procédure d'escalade explicite. Il doit refuser les demandes hors périmètre plutôt que d'improviser.

Objectif : Distinguer workflow orchestré et agent autonome.

Un agent planifie ou choisit ses outils de façon autonome. Plus son autonomie augmente, plus les contrôles, limites et journaux doivent être renforcés. Les actions irréversibles exigent confirmation ou double contrôle.

Objectif : Mettre en place une évaluation reproductible.

Un jeu de tests, une grille de qualité, des seuils d'acceptation et une revue humaine permettent de mesurer la fiabilité du workflow. Les tests adversariaux (cas difficiles intentionnellement construits) sont aussi importants que les tests nominaux.

Objectif : Mesurer valeur, qualité, adoption et risque.

Un bon tableau de bord couvre : temps économisé et réaffecté, taux de traitement sans reprise, erreurs détectées, délai moyen, satisfaction utilisateur, taux d'adoption et incidents. Chaque KPI a une formule, une source de données et une décision associée.

Objectif : Évaluer coûts et bénéfices sur 12 à 24 mois.

Inclure : licences et abonnements, intégration et développement, nettoyage et gouvernance des données, formation des utilisateurs, support et maintenance, contrôle qualité, gestion des incidents, contingence (15–20 %). Distinguer gains de capacité (temps réaffecté) et économies de trésorerie (coûts effectivement supprimés).

Objectif : Définir les contrôles de données avant le déploiement.

Examiner systématiquement : classification des données, minimisation (n'utiliser que le nécessaire), base légale du traitement, habilitations et droits d'accès, gestion des secrets et clés API, durée de conservation, sous-traitants et localisation des données, transferts hors territoire.

Objectif : Organiser participation, formation et support.

Un pilote limité, des ambassadeurs formés, une documentation utilisateur claire, un canal d'incident accessible et une mesure de l'adoption réduisent les résistances. L'adhésion se mesure par l'usage réel, pas par le nombre de formations suivies ni de connexions.

Objectif : Présenter une décision claire aux décideurs.

Un business case synthétique comprend : problème mesuré (baseline), solution retenue, alternatives examinées (y compris sans IA), valeur attendue, risques et contrôles, budget sur 24 mois en trois postes, gouvernance, jalons et décision demandée (Go / Go sous conditions / No Go).

Objectif : Arbitrer entre plusieurs projets d'automatisation.

Un portefeuille équilibré combine des quick wins (valeur rapide et démonstrative), des socles de données (fondations pour les projets suivants) et des projets à moyen terme (impact plus fort). Des revues régulières permettent d'arrêter les projets sans valeur avant qu'ils ne consomment trop de ressources.

Objectif : Choisir un processus réalisable, utile et pilotable.

Le cas doit : avoir un propriétaire nommé, des données accessibles (fictives ou autorisées), un volume suffisant pour prouver la valeur, un risque maîtrisable pour un premier déploiement et une sortie testable sans données de production réelles.

Objectif : Transformer le processus en spécification exécutable.

Le contrat du workflow comprend : déclencheur, données entrantes, règles et conditions, étapes IA éventuelles avec prompt, contrôles humains, actions et sorties, gestion des erreurs et journal. Une case 'IA' générique sans prompt défini n'est pas une spécification.

Objectif : Créer un environnement de test sûr et reproductible.

Utiliser des données fictives ou anonymisées, des comptes de test distincts des comptes de production, des droits minimaux pour chaque composant et des secrets stockés séparément du code du workflow.

Objectif : Assembler un workflow de bout en bout.

Construire par incréments : d'abord le déclencheur et l'action la plus simple, puis ajouter les contrôles, ensuite l'étape IA si applicable, puis le journal, enfin la gestion des erreurs. Ne jamais activer en production.

Objectif : Valider fonctions, qualité et sécurité.

Le protocole de test couvre six types de cas : nominal (tout correct), données manquantes, format invalide, doublon, connecteur indisponible et procédure de reprise. Les résultats sont consignés sans correction manuelle non tracée.

Objectif : Communiquer valeur et limites avec honnêteté.

La démonstration montre l'avant/après, les preuves (journaux d'exécution, mesures), les coûts réels du prototype, les risques identifiés, les limites (ce que le workflow ne sait pas encore faire) et la décision demandée pour la suite.

Objectif : Passer du prototype au pilote maîtrisé.

Le plan de déploiement précise : périmètre du pilote (population, durée), support disponible (qui appeler si ça ne marche pas), monitoring actif (qui surveille les journaux), sécurité renforcée, procédure de retour arrière et critères de passage à l'échelle.

Objectif : Organiser les trois premiers mois après la formation.

Les 90 jours couvrent : stabilisation du pilote (J+1 à J+30), mesure et adoption (J+30 à J+60), décision d'extension ou d'arrêt et portefeuille suivant (J+60 à J+90). Chaque jalon produit un livrable vérifiable.