Guide
Si les règles d’une tâche s’écrivent en entier et que ses entrées ont un format fixe, une automatisation classique suffit et se contrôle mieux. Si la tâche demande de lire un texte libre et de juger, un agent peut la préparer, à condition qu’une personne valide avant toute action qui engage l’entreprise.
À retenir
- Choisissez par tâche, pas par produit : une même famille de tâches peut relever de deux outils.
- Si les règles s’écrivent et que l’entrée a un format fixe, une automatisation suffit et se contrôle mieux.
- Un agent se justifie là où il faut lire un texte libre et juger, avec une validation humaine avant toute action difficile à défaire.
- L’agent coûte aussi à l’usage et à la relecture, chaque mois : comparez les postes avant les prix.
- Dans la plupart des processus, combinez : les règles transportent et contrôlent, l’agent lit, une personne valide.
La réponse : si les règles s’écrivent, automatisez ; si la tâche demande de lire et de juger, un agent avec validation
En savoir plus : La réponse : si les règles s’écrivent, automatisez ; si la tâche demande de lire et de juger, un agent avec validation
Comparer des produits ne tranche pas la question. Elle se tranche tâche par tâche. Une règle fixe exécute ce qu’on lui a écrit, toujours de la même façon. Un agent lit, interprète et propose ; il peut se tromper d’une manière qu’aucune règle n’aurait produite. Entre les deux, un assistant aide une personne qui garde la main.
Les six familles de tâches que SHIFTLABS utilise pour décrire le travail réel donnent un point de départ. Ce n’est pas un barème : dans une même famille, une tâche précise peut relever d’un autre outil. Pour repérer et classer les tâches candidates, voir le guide des cas d’usage IA.
| Famille de tâches | Outil de départ | Pourquoi |
|---|---|---|
| Saisie et contrôle de données | Automatisation à règles | Formats connus, contrôles qui s’écrivent : total, référence existante, date valide. Un agent ne se justifie que si l’entrée est un document à lire, comme un PDF de fournisseur ou un e-mail. |
| Recherche et consolidation d’information | Agent, sources citées | Il faut lire plusieurs documents et retenir ce qui compte. La collecte à heure fixe, elle, s’automatise. |
| Communication et réunions | Assistant | Brouillons, comptes rendus, reformulations : la personne relit et décide de l’envoi. |
| Reporting et documents | Automatisation, puis agent pour le commentaire | L’extraction et la mise en forme récurrentes suivent des règles. Le commentaire des écarts demande de lire, et se relit avant diffusion. |
| Relation clients et fournisseurs | Agent avec validation | Trier une demande et préparer une réponse demande de lire. Ce qui engage l’entreprise (geste commercial, remboursement, commande) est validé par une personne. |
| Expertise, analyse et décision | Assistant | L’outil prépare l’analyse ; la décision et la responsabilité restent humaines. |
Trois outils, trois natures
En savoir plus : Trois outils, trois natures
Ce qui distingue les trois outils tient à deux choses : l’entrée qu’ils acceptent et la forme de l’erreur qu’ils commettent. La définition de l’agent, et sa différence avec l’assistant, sont détaillées dans le guide sur les agents IA en entreprise.
| Critère | Règle fixe (script, flux entre applications, robot logiciel) | Assistant | Agent |
|---|---|---|---|
| Entrée | Des données structurées : champs, fichiers au format fixe | Une demande d’une personne, avec ses documents | Un objectif, et des documents ou des messages en texte libre |
| Sortie | Toujours la même pour la même entrée | Un brouillon ou une réponse, que la personne reprend | Une tâche préparée ou exécutée : données extraites, dossier monté, réponse rédigée |
| Erreur typique | Le cas non prévu : un format qui change, une exception que personne n’a écrite. La règle s’arrête ou prend la mauvaise branche, de façon reproductible. | Une réponse fausse mais plausible, que l’utilisateur repère s’il connaît le sujet | Une lecture erronée qui se propage d’étape en étape jusqu’à une action |
| Contrôle | Tests avant la mise en service, file des cas rejetés, alerte quand la règle échoue | La personne qui l’utilise relit | Validation humaine avant les actions à risque, contrôle du volume par sondage, journal |
Le test de la tâche : cinq questions pour trancher
En savoir plus : Le test de la tâche : cinq questions pour trancher
Prenez une tâche précise, pas un service entier : « saisir les commandes reçues par e-mail », pas « l’administration des ventes ». Répondez avec ce que vous observez aujourd’hui, pas avec ce que la procédure prévoit.
- Les règles s’écrivent-elles en entier, exceptions comprises ? Si personne ne sait les écrire, vérifiez d’abord que les personnes qui font la tâche l’appliquent de la même façon.
- L’entrée a-t-elle un format fixe ? Un export, un champ, un fichier normé se traitent par règles. Un PDF de fournisseur, un e-mail, un compte rendu demandent une lecture.
- Faut-il juger ? Choisir entre deux interprétations, repérer une anomalie qu’aucune liste ne décrit, résumer : c’est le terrain de l’agent ou de l’assistant.
- Une erreur se voit-elle et se défait-elle ? Un brouillon se corrige ; un paiement, un envoi au client, une suppression, non. Plus l’action est difficile à défaire, plus la validation humaine doit venir tôt.
- Le volume justifie-t-il la construction et la relecture ? Une tâche rare et variée se traite mieux avec un assistant qu’avec un agent à construire et à surveiller.
Ce qui change dans les coûts : construction, exploitation, relecture
En savoir plus : Ce qui change dans les coûts : construction, exploitation, relecture
Les deux options ne coûtent pas au même endroit. L’automatisation coûte surtout à la construction et à chaque changement de format. L’agent coûte aussi à l’usage et à la relecture, chaque mois. Aucun montant n’a de sens sans votre volume : comparez d’abord les postes, puis chiffrez-les avec vos paramètres dans le simulateur de gain.
| Poste | Automatisation à règles | Agent avec validation |
|---|---|---|
| Construction | Écrire les règles et les exceptions, relier les applications, tester sur des cas réels | Écrire les consignes, ouvrir des accès limités aux outils, constituer un jeu d’essai avec les résultats attendus |
| Exploitation | Faible tant que rien ne change ; reprise à chaque changement de format, d’application ou de règle métier | Consommation du modèle, qui croît avec le volume ; surveillance ; reprise des consignes quand les données, les règles ou le modèle changent |
| Relecture | Traitement des cas que la règle rejette | Validation avant les actions à risque et contrôle par sondage : un temps humain récurrent, à déduire du gain |
| Ce qui fait dériver le coût | Les exceptions ajoutées une à une, jusqu’à rendre la règle illisible | Une relecture qui finit par prendre autant de temps que la tâche elle-même |
Combiner : l’automatisation fait le transport, l’agent fait la lecture
En savoir plus : Combiner : l’automatisation fait le transport, l’agent fait la lecture
Dans la plupart des processus, la réponse est un assemblage. Les règles déplacent les données et contrôlent ce qui se contrôle ; l’agent intervient seulement à l’étape qui demande de lire ; une personne valide avant ce qui ne se défait pas. Exemple, les commandes reçues par e-mail :
- Déclencher (automatisation) : chaque e-mail arrivé dans la boîte des commandes crée une demande de traitement.
- Lire (agent) : l’agent extrait le client, les références, les quantités et la date souhaitée, et signale ce qu’il n’a pas compris.
- Contrôler (automatisation) : des règles vérifient que le client et les références existent, que les quantités sont plausibles et que les totaux concordent.
- Valider (une personne) : un membre de l’équipe confirme la commande et tranche chaque écart signalé.
- Écrire (automatisation) : la commande validée est enregistrée dans l’ERP, et l’accusé de réception part au client.
Questions fréquentes
Quelle différence entre un agent IA et une automatisation ?
Une automatisation exécute des règles écrites à l’avance et donne toujours le même résultat pour la même entrée. Un agent lit des contenus libres, interprète et choisit ses étapes ; son résultat peut varier, et il peut se tromper de façon plausible. La première se teste avant la mise en service ; le second se contrôle en continu.
Le RPA, est-ce de l’intelligence artificielle ?
Le RPA classique, un robot logiciel qui reproduit des clics et des saisies selon un script, applique des règles : ce n’est pas de l’IA. Les statistiques mêlent pourtant les deux : Eurostat range parmi les technologies d’IA celles « qui automatisent différents flux de travail ou aident à la prise de décision » (notre traduction), c’est-à-dire le RPA fondé sur l’IA. Face à une offre, demandez à quelle étape le modèle intervient et ce qu’il décide.
Les PME utilisent-elles déjà l’IA pour automatiser ?
Selon le Baromètre France Num 2026 (9 655 entreprises interrogées, rapport du Crédoc du 2 octobre 2026), 40 % des TPE et PME utilisent des outils d’IA. 34 % des TPE et PME s’en servent pour générer du texte, de la voix ou des images, 24 % pour des chatbots, assistants ou outils de recherche d’informations, 14 % pour analyser ou classifier des documents et 9 % pour automatiser des tâches. Le rapport ne donne pas de chiffre sur les agents.
Faut-il remplacer une automatisation qui fonctionne par un agent ?
Rarement avec profit. Si la règle fonctionne, l’agent ajoute une consommation, une surveillance et une relecture. Il se justifie pour reprendre ce que la règle rejette aujourd’hui et renvoie à une personne : documents mal formés, cas qu’elle ne sait pas classer.
Une automatisation à règles demande-t-elle une validation humaine ?
Pas à chaque exécution : une règle testée produit le même résultat à chaque fois. Il faut en revanche une personne pour traiter les cas rejetés et revoir la règle quand un format ou une procédure change. Pour un agent, la validation intervient avant chaque action difficile à défaire.
Comment savoir quelle part d’une tâche confier à un outil ?
En mesurant le travail réel plutôt que le travail décrit : qui fait quoi, combien de temps, avec quels documents. Le Diagnostic SHIFTLABS le fait par un entretien guidé par un agent d’IA et un questionnaire sur six familles de tâches ; le fondateur et, selon le périmètre, un expert du métier valident chaque synthèse. Le simulateur de gain donne d’abord un ordre de grandeur, à partir de vos paramètres.
Sources
Les sources (3)
- Crédoc pour la Direction générale des Entreprises, Baromètre France Num 2026, rapport complet (2 octobre 2026), p. 53 et 54 : usage et types d’usage de l’IA ; le communiqué du 28 septembre 2026 et la page France Num indiquent 13 % et 11 % pour l’analyse de documents et l’automatisation, le rapport 14 % et 9 % (consulté le 18 octobre 2026)
- Eurostat, Statistics Explained, « Use of artificial intelligence in enterprises », données extraites en décembre 2025 (consulté le 18 octobre 2026)
- CNIL et CIANum, « IA agentique et protection des données personnelles : équation à inconnues multiples pour les utilisateurs », note, juillet 2026 (consultée le 18 octobre 2026)
Pour aller plus loin
À lire aussi
- Agents IA en entreprise : exemples, limites et validation humaine
- Cas d’usage IA en entreprise : comment les repérer et les prioriser
- ROI d’un projet IA : comment calculer le gain et le délai de retour
Et dans votre organisation ?
Un agent IA interroge vos équipes sur leur travail et un expert valide chaque livrable. Vous savez où l’IA vous fera gagner du temps, avec des cas d’usage chiffrés et une feuille de route.