Accueil›Nos services›Automatisation avec IA
Mettre un modèle d’IA là où une règle ne suffit plus
Certaines tâches résistent aux règles parce que la matière change de forme à chaque fois : un e-mail écrit par un humain, une facture dont le fournisseur a refait la mise en page, un dossier incomplet mais pas toujours au même endroit. C’est là qu’un modèle apporte quelque chose.
En une phrase : l’automatisation avec IA consiste à ajouter un modèle de langage à un workflow existant, pour la seule étape qui demande de lire et d’interpréter ; le reste continue d’être fait par des règles, qui sont plus sûres et moins chères.
Ce qui vous coûte du temps aujourd’hui
Une automatisation classique s’arrête à la première question qui commence par « ça dépend ». De quoi parle ce message ? Ce document contient-il bien un numéro de commande ? Cette demande est-elle complète ? Un humain répond en trois secondes et ne sait pas expliquer comment. Écrire la règle est impossible ; c’est précisément ce qu’un modèle sait faire, avec un taux d’erreur qu’il faut mesurer avant de lui confier quoi que ce soit.
Pour qui c’est fait
- Des contenus entrants dont la forme varie : e-mails, PDF, formulaires libres, comptes rendus.
- Un volume assez régulier pour que le tri manuel pèse, sans être si énorme qu’il faille industrialiser.
- Une personne capable de dire, sur une centaine d’exemples, ce qu’aurait dû être la bonne réponse.
- Une tolérance à l’erreur qui peut s’exprimer : ce qui est grave, ce qui se rattrape.
Ce que vous obtenez
- Les entrées arrivent déjà triées, avec les informations utiles extraites et posées au bon endroit.
- Un taux de réussite mesuré sur un jeu de test que vous avez validé, et non annoncé à l’avance.
- Une frontière écrite entre ce que le modèle propose et ce qu’une personne confirme.
- Un plafond de dépense connu, et l’alerte avant de l’atteindre.
Ce que vous recevez, concrètement
Des objets, pas des intentions : chaque ligne est quelque chose qu’on vous remet et que vous pouvez ouvrir, relire ou confier à quelqu’un d’autre.
- Tout ce que produit l’automatisation de tâches : schéma, connexions, tests, documentation.
- La frontière écrite : ce que décide une règle, ce que propose le modèle, ce que valide un humain.
- Un jeu de test constitué de vos propres cas, avec la bonne réponse attendue pour chacun.
- Le seuil de réussite convenu avant de commencer, et le résultat mesuré à la livraison.
- Le plafond de consommation, l’alerte associée et le comportement de repli quand le modèle ne répond pas.
- Le journal des propositions du modèle : ce qu’il a lu, ce qu’il a répondu, ce qui a été retenu.
À quoi ça ressemble en pratique
Ce sont des exemples de fonctionnement, pas des résultats clients. Aucun nom de client, témoignage, logo ni chiffre de retour sur investissement n’est publié sur ce site. Ces situations décrivent ce que le service fait, pas ce qu’il a produit chez quelqu’un.
Trier et router les demandes entrantes
Chaque message reçu est classé par nature (devis, service après-vente, recrutement, facture), puis dirigé vers la bonne personne ou la bonne file. Les cas où le modèle hésite sont mis de côté plutôt que rangés au hasard.
Extraire d’un document ce qui doit être saisi
Sur une facture ou un bon de commande, le modèle repère les champs attendus quelle que soit la mise en page. Les valeurs sont recoupées avec vos données existantes ; un écart déclenche une vérification humaine au lieu d’une écriture silencieuse.
Préparer une réponse, sans l’envoyer
À partir de vos sources internes, une réponse est rédigée et présentée à la personne qui répondra. Elle relit, corrige et envoie. Le gain porte sur la rédaction, pas sur la décision.
Signaler ce qui sort de l’ordinaire
Un dossier incomplet, une pièce manquante, une valeur inhabituelle : le modèle sert d’alarme, pas de juge. Il désigne ce qui mérite un œil humain.
Comment on procède
Vous pouvez arrêter à la fin de chaque étape, avec ce qui a été produit jusque-là.
-
On sépare ce qui relève de la règle et ce qui relève du modèle
La plupart des étapes n’ont pas besoin d’IA. Réduire la part confiée au modèle réduit le coût, le nombre d’erreurs possibles et la difficulté à comprendre ce qui s’est passé.
-
On constitue un jeu de test avec vous
Une centaine de cas réels, avec la bonne réponse attendue pour chacun. C’est le seul moyen de parler de fiabilité autrement qu’à l’instinct, et cela vous appartient.
-
On fixe un seuil de réussite et ce qui se passe en dessous
Par exemple : le classement doit être juste dans une proportion convenue, et tout cas incertain part en file de vérification. Un seuil non atteint est un motif d’arrêt, pas de rattrapage.
-
On mesure, puis on met en service progressivement
D’abord en observation (le modèle propose, personne ne suit ses propositions), puis en production sur les cas les plus sûrs, et enfin sur le reste si les mesures le justifient.
-
On documente et on remet
Les instructions données au modèle, le jeu de test, les résultats, le plafond de coût et la procédure de repli sont remis avec le reste. Rien n’est enfermé chez nous.
Le modèle est appelé par API, et cela se dit
Sur ce service, le modèle ne tourne pas chez vous : il est appelé chez un fournisseur. C’est ce qui le rend accessible sans matériel, et c’est aussi ce qu’il faut regarder en face.
Ce qui sort
Seul le contenu strictement nécessaire à l’étape est envoyé, après filtrage et, quand c’est possible, anonymisation. Le schéma des flux, remis avec le devis, indique exactement quels éléments partent et vers quel fournisseur.
Ce qui reste
Le workflow, les règles, les journaux et vos données de référence restent sur l’infrastructure choisie : VPS géré en France ou dans l’UE, ou votre poste. Le modèle n’a accès qu’à ce qu’on lui transmet, à l’instant où on le lui transmet.
Un fournisseur d’API n’est ni « hébergé en France », ni « installé chez vous ». Si cette sortie de données n’est pas acceptable pour vos documents, c’est l’IA locale et privée qu’il faut regarder : le modèle y tourne sur une machine que vous contrôlez.
Ce dont nous avons besoin de votre côté
Rien d’exotique, mais rien d’implicite non plus : sans ces éléments, le périmètre n’est pas tenable.
- Un accès aux sources d’entrée : boîte e-mail dédiée, dossier, API ou formulaire.
- Une centaine d’exemples réels représentatifs, y compris des cas ratés ou bizarres.
- Une personne capable d’arbitrer les cas ambigus pendant la phase de test.
- Une décision claire sur ce qui ne doit jamais partir sans validation humaine.
- Un budget mensuel plafond pour la consommation du modèle, même approximatif.
Ce que ce service ne fait pas
Écrit avant la vente plutôt qu’après : c’est la section qui évite un projet acheté pour la mauvaise raison.
- Ce service ne rend pas un modèle fiable à 100 %. Il rend son taux d’erreur mesurable, et les erreurs rattrapables.
- Il ne confie pas au modèle un envoi, un paiement, une publication ou une suppression tant que sa fiabilité n’est pas mesurée et acceptée par écrit.
- Il ne remplace pas la personne qui décide. Sur les sujets à conséquence, le modèle prépare ; il ne tranche pas.
- Il ne fonctionne pas sans exemples. Sans jeu de test, il n’y a pas de seuil, donc pas de mise en service responsable.
- Il ne garantit pas un coût mensuel fixe : la consommation dépend du volume. Elle est plafonnée et suivie, pas devinée.
- Il n’assure pas à lui seul votre conformité au RGPD, même avec un fournisseur européen.
Ce qu’on peut dire avant de vous avoir parlé
Le diagnostic de vingt minutes est gratuit. Une automatisation simple démarre à 990 € HT, sous réserve de confirmation du périmètre. La consommation du modèle est refacturée au réel, sous un plafond convenu à l’avance. Les prix de départ des mises en service figurent dans la FAQ de la page d’accueil, qui en est la seule source.
Ce que vous gardez
- Les instructions données au modèle, en clair, modifiables par vous.
- Le jeu de test et les résultats mesurés, qui vous permettent de comparer un autre fournisseur.
- Les accès administrateur au workflow et aux connexions.
- La procédure de repli si le fournisseur d’API devient indisponible ou trop cher.
Ce qu’on nous demande sur ce service
Quand l’IA apporte-t-elle vraiment quelque chose ?
Lorsqu’il faut comprendre un texte, classer une demande, extraire une information dont la position change, rapprocher deux documents ou préparer une réponse. Si la tâche suit des règles stables, l’automatisation sans IA est plus simple, moins chère et plus prévisible.
Comment savez-vous que le modèle ne se trompe pas ?
Nous ne le savons pas d’avance : nous le mesurons. Un jeu d’une centaine de cas réels, avec la bonne réponse attendue, donne un taux de réussite chiffré. En dessous du seuil convenu, la mise en service n’a pas lieu. Les cas incertains partent en vérification plutôt que d’être tranchés au hasard.
Mes documents servent-ils à entraîner le modèle ?
Cela dépend du fournisseur et de l’offre souscrite, pas de nous. Le point est vérifié et écrit dans le schéma des flux remis avec le devis. Si la réponse ne vous convient pas, l’option locale existe.
Combien coûte la consommation ?
Elle dépend du volume et de la longueur des contenus traités. Elle est estimée au cadrage à partir de vos propres documents, plafonnée, puis suivie. Le plafond déclenche une alerte avant d’être atteint : aucune facture surprise.
Peut-on commencer sans IA et en ajouter ensuite ?
C’est souvent le bon ordre. On automatise d’abord ce qui suit des règles, on constate où le flux bloque, puis on met un modèle sur cette étape précise. Le périmètre reste petit et le gain reste attribuable.
Dites-nous ce qui arrive chez vous, et sous quelle forme
Vingt minutes suffisent pour savoir si un modèle apporte quelque chose, ou si des règles feraient le travail pour moins cher.