On peut beaucoup automatiser. Qu’est-ce qui en vaut la peine ?

Un formulaire envoie ses données dans un tableur. Un système prépare une réponse. Un autre crée un devis et programme un message. Chaque étape peut paraître convaincante lors d’une démonstration.

Si l’équipe perd sans cesse du temps sur les mêmes étapes, il est naturel de chercher une solution. Pour bien choisir, il faut aussi savoir ce qui devra encore être vérifié après l’automatisation, pour que le temps gagné ne soit pas absorbé par les corrections.

Le travail réel comprend des cas incomplets : un prix obsolète, une demande peu claire, une intégration qui ne répond pas ou un client qui demande quelque chose en dehors de l’offre standard. Jugez aussi l’automatisation à ce qui se passe dans ces cas-là.

« Nous pouvons l’automatiser » décrit une possibilité technique. L’entreprise doit encore connaître le bénéfice, les coûts et qui la fera fonctionner.

Partir du processus existant.

Nous notons ce qui entre dans le processus, ce qui doit en sortir et qui l’utilise. Puis nous identifions les règles stables, les données nécessaires et les exceptions fréquentes.

Si deux personnes définissent différemment une « demande qualifiée », l’automatisation peut reproduire la confusion plus vite. Si les prix n’ont pas de source à jour, une réponse bien formulée peut quand même être fausse.

Pour des opérations à règles fixes, une intégration standard peut suffire. L’IA peut aider à interpréter un texte ou à préparer une variante de réponse. Le choix part de la tâche et de la façon dont le résultat sera vérifié.

Dans ses recommandations sur la construction de systèmes d’IA, Anthropic conseille de commencer par la solution la plus simple qui répond au besoin et de n’ajouter de la complexité que lorsqu’elle est justifiée. Le principe est utile aussi dans les projets marketing. Anthropic : construire des agents efficaces (en anglais)

Toutes les étapes n’ont pas besoin du même niveau d’autonomie

Imaginez une entreprise de meubles sur mesure. Certains messages demandent les horaires du showroom, d’autres décrivent des dimensions et des matériaux, et d’autres encore demandent un prix final ou une exception aux conditions habituelles.

Nous pouvons organiser le processus en trois niveaux. Cette classification est un modèle de travail pour cet exemple, pas une règle universelle pour toutes les entreprises.

Un accusé de réception ne doit pas promettre automatiquement une disponibilité, un prix final ou une date de livraison. Le message doit rester dans les limites de ce que le système peut vérifier.

Le gain se calcule après les vérifications et les exceptions

Supposons qu’une activité prenne 12 heures par mois. Après automatisation, il reste trois heures de suivi et deux heures de traitement des exceptions. Le gain de temps net est de sept heures.

Dans le modèle hypothétique ci-dessous, la mise en place coûte 2 500 RON, configuration, tests et formation initiale compris. Le coût récurrent supplémentaire est de 200 RON par mois, pour les outils et la maintenance externe supposés. Les montants sont hors TVA et ne représentent ni des prix ni des propositions de NOT MORE.

Le calcul est 7 × 100 − 200 = 500 RON par mois, puis 2 500 / 500 = 5 mois. Nous supposons le même volume d’activité et des coûts stables. Le modèle ne tient pas compte de la valeur temps de l’argent et n’est pas une promesse de récupérer l’investissement.

Les heures gagnées ne sont pas automatiquement de l’argent encaissé ni des coûts salariaux supprimés. Si l’équipe ne peut pas les utiliser à un travail utile, le bénéfice économique supposé ne devient pas une économie de trésorerie. La dépense directe supplémentaire, elle, reste bien réelle.

Le volume compte. Avec les mêmes hypothèses de prix, seulement deux heures gagnées par mois auraient une valeur de 200 RON, égale au coût récurrent. Dans ce scénario, le modèle ne récupère pas l’investissement initial grâce au gain de temps.

Que se passe-t-il quand une information manque ?

Avant le lancement, définissez ce qui se passe lorsque le système ne trouve pas un produit, reçoit des informations contradictoires ou ne peut pas confirmer un envoi. Il peut demander une précision, signaler un cas à examiner, ou interrompre cette action et prévenir son responsable.

Si une demande est enregistrée mais que la notification échoue, une nouvelle tentative ne doit pas créer de doublon. Le système doit reconnaître la même demande et ne répéter que l’étape qui a échoué.

Nous définissons qui peut arrêter l’automatisation, où les erreurs sont visibles et comment le travail manuel prend le relais. Ce sont des conditions de fonctionnement pratiques, surtout lorsque le processus communique directement avec les clients.

La même discipline s’applique aux automatisations publicitaires

Lorsqu’une plateforme peut combiner des éléments ou générer des variantes, convenez des sources qu’elle peut utiliser, de ce qui doit rester exact et de qui examine les résultats disponibles. Une offre expirée sur le site devient un problème si elle alimente la publicité en cours.

Prévoyez la vérification des sources, l’examen des paramètres et la correction des variantes inadaptées, dans les limites de l’outil. L’automatisation réduit le travail répétitif ; l’équipe doit encore vérifier le résultat au regard du produit et de la promesse validés.

Tester des situations proches du travail réel.

Un pilote utile comprend des demandes ordinaires, des informations manquantes, des doublons et des cas qui doivent revenir à une personne. Nous comparons le résultat à l’exigence et mesurons le temps total, corrections comprises.

Nous suivons les traitements menés correctement à terme, la fréquence des interventions nécessaires, le nombre d’erreurs et leur impact. Un taux de traitement élevé ne suffit pas si des messages contiennent de mauvais prix ou perdent des informations importantes.

Après le lancement, nous revoyons les sources de données, les coûts et les exceptions. Une automatisation construite pour une ancienne offre peut devoir être mise à jour lorsque l’entreprise change de produits ou de processus commercial.

Comment savoir si l’expérience s’est améliorée ?

Un processus plus rapide pour l’équipe peut devenir plus difficile pour le client. Si l’assistant clôt une conversation alors que la personne n’a toujours pas de réponse ou doit tout répéter au téléphone, le nombre de conversations terminées décrit l’activité du système sans démontrer une résolution.

Avant un pilote, nous définirions le résultat attendu pour chaque parcours. Pour une question sur un produit, vérifiez que la réponse est correcte et suffisante. Pour un rendez-vous, vérifiez que la réservation existe. Pour une demande complexe, une transmission complète à la bonne personne peut être le résultat utile.

Évaluer l’effet réel d’une action séparément de ce qu’affirme l’agent est aussi abordé dans les ressources d’Anthropic sur l’évaluation des agents (en anglais). Appliqué ici, un message de confirmation doit être vérifié au regard de l’opération qu’il décrit.

Nous évaluerions quatre éléments ensemble : l’exactitude, l’effort demandé au client, le temps total de l’équipe et l’avancée vers l’objectif. Les réponses acceptées, les informations corrigées, les transmissions nécessaires et les opérations échouées doivent rester distinguables. La reprise par un collègue peut être le bon résultat pour un cas, et non un échec de l’automatisation.

La comparaison a aussi besoin de contexte. Les personnes qui choisissent d’utiliser un assistant peuvent avoir d’autres questions ou intentions que les autres visiteurs. Un taux de conversion plus élevé dans ce groupe n’établit pas que l’assistant a causé la différence. Pour évaluer son effet, nous concevrions un test avec des groupes comparables et déciderions à l’avance quoi mesurer et à partir de quand les preuves permettraient une décision.

Nous préserverions l’accès direct à l’information et à l’équipe. Les visiteurs doivent pouvoir corriger un détail, comprendre l’étape suivante et choisir un autre chemin. La confiance grandit lorsque le système aide sans faire d’une conversation une condition pour avancer.

Comment nous faisons le choix chez NOT MORE.

Nous partons de l’activité répétitive et de son coût réel. Nous pouvons proposer une règle simple, une intégration, une assistance par l’IA ou le maintien d’une étape manuelle. Nous expliquons ce qui est automatisé, ce qui est vérifié et ce qui reste de la responsabilité d’une personne.

Pour nous, une mise en œuvre utile est une mise en œuvre que l’équipe qui l’utilise peut faire fonctionner et comprendre. Le bénéfice est vérifié sur l’ensemble du processus, une fois le suivi et la maintenance inclus.

Trois questions avant la mise en œuvre

• Combien de temps pourrions-nous gagner et combien d’erreurs pourrions-nous éviter avec la charge de travail réelle ?
• Que peut faire le système de façon autonome, et quand une personne doit-elle prendre le relais ?
• Comment vérifions-nous le bénéfice une fois déduits les coûts, les corrections et les exceptions ?

Quelle activité répétitive aimeriez-vous simplifier ?

Décrivez les étapes actuelles, le volume mensuel et les situations qui demandent une intervention. Nous pouvons voir ensemble si une règle simple, une intégration ou une assistance par l’IA mérite d’être évaluée dans un projet bien défini.

D’une règle de travail à une automatisation utilisable

NOT MORE. peut concevoir le processus, choisir les outils et construire une automatisation ou une intégration. Nous partons des informations, des décisions et des exceptions nécessaires, puis configurons ou développons la solution adaptée. Un outil existant peut couvrir le besoin ; un développement sur mesure a du sens lorsque les exigences le justifient.

Dans un exemple fictif, les demandes de devis sont recopiées à la main depuis la messagerie dans un tableur. Nous pourrions construire le transfert vers un CRM et la règle d’attribution. Mais il faut aussi vérifier les messages en double, les champs manquants, les collègues absents et les pannes d’intégration. Une alerte n’est utile que si elle parvient à quelqu’un qui sait quoi faire.

Le client valide les règles métier et désigne les utilisateurs. Nous mettons en œuvre, testons et documentons les composants convenus, et pouvons inclure une formation. Nous établissons qui peut arrêter le processus, comment travailler manuellement pendant un temps et comment confirmer le retour au fonctionnement normal.

Le suivi, la maintenance et le reporting dépendent du rôle de l’automatisation et de l’impact d’une erreur. Pour un projet ponctuel, nous remettons la solution et les vérifications convenues. Dans une collaboration continue, nous suivons les exécutions, les exceptions et les modifications nécessaires. Les progrès s’évaluent au travail utile accompli et aux erreurs réduites dans les conditions réelles de l’équipe.

L’équipe doit pouvoir adopter la solution

Les personnes qui utilisent une automatisation doivent comprendre ce qui change dans leur journée de travail. Nous les associons aux tests des situations pertinentes et convenons de la formation, de l’intervention manuelle et de qui peut demander de l’aide. Une première étape limitée peut montrer si les règles et l’interface sont utilisables avant une extension. Le temps nécessaire pour s’adapter à la solution et l’administrer fait partie de l’évaluation du projet ; il ne doit pas disparaître derrière une promesse d’efficacité.