L’automatisation peut prendre des formes très différentes, d’un simple échange entre applications à un traitement documentaire assisté. Pour choisir un premier cas d’usage, il est préférable de partir du travail réel plutôt que d’une technologie. L’objectif est de comprendre où se trouvent les tâches répétitives, quelles règles les encadrent et ce qu’une équipe doit continuer à décider ou à vérifier.
Observer les tâches récurrentes
Demandez aux personnes concernées de décrire une semaine de travail et les opérations qu’elles répètent. Repérez les saisies multiples, les transferts de fichiers, les notifications et les vérifications régulières. Notez les outils utilisés et les informations attendues à chaque étape. Cette observation peut aussi révéler un processus inutilement compliqué : le simplifier peut être plus pertinent que d’en automatiser immédiatement toutes les étapes.
Distinguer règles et interprétation
Certaines tâches suivent des règles explicites et stables. D’autres demandent une appréciation du contexte ou un jugement professionnel. Cette distinction influence la solution à envisager et le niveau de supervision. Lorsqu’un traitement utilise une IA, ses réponses doivent être évaluées sur les situations attendues et sur leurs limites. L’automatisation d’une proposition ne signifie pas que la décision finale doive être prise sans contrôle humain.
Choisir un périmètre observable
Un premier cas utile possède un début et une fin identifiables. Les données d’entrée doivent être accessibles et le résultat vérifiable. Évitez de commencer par un processus qui dépend de nombreuses équipes sans interlocuteur disponible. Définissez un périmètre limité, mais suffisamment complet pour tester un usage réel. Indiquez aussi les exceptions qui resteront manuelles et les situations dans lesquelles le traitement doit s’arrêter.
Définir les critères d’évaluation
Avant de construire un prototype, convenez des éléments qui permettront de l’évaluer. Il peut s’agir de la qualité des informations produites, du nombre d’interventions nécessaires ou de la facilité à comprendre une erreur. Utilisez une situation de référence et des exemples représentatifs. Les bénéfices ne doivent pas être annoncés à l’avance comme des résultats acquis : ils doivent être observés et discutés avec les utilisateurs.
Préparer le traitement des exceptions
Un flux automatisé rencontre tôt ou tard une donnée manquante, une réponse inattendue ou un service indisponible. Prévoyez une file de vérification, une alerte ou une reprise manuelle selon le contexte. Les personnes responsables doivent savoir ce qui a été exécuté et ce qui reste en attente. La traçabilité aide à corriger le processus et à éviter qu’une erreur se propage silencieusement dans plusieurs outils.
Vérifier les données et les accès
Identifiez les informations réellement nécessaires au traitement et les personnes autorisées à les consulter. Un prototype ne doit pas utiliser des données sensibles simplement parce qu’elles sont disponibles. Préparez un jeu de test adapté, précisez les accès et examinez les échanges avec les services utilisés. Ces questions font partie du cadrage et doivent être reprises avant le passage d’une expérimentation à un usage régulier.
Décider de la suite à partir des observations
À l’issue du test, comparez les résultats aux critères définis. Examinez les cas qui fonctionnent, les limites et l’effort nécessaire pour maintenir la solution. La décision peut être de poursuivre, de réduire le périmètre ou de modifier le processus. Une première automatisation réussie au sens du projet est surtout une solution comprise, contrôlable et utile aux équipes, dont les conditions d’exploitation sont explicites.