Automatisation IA en entreprise : quels processus automatiser en premier
Workflow classique, étape IA ou agent : comment choisir le premier processus à automatiser avec l'IA dans une entreprise moyenne ou grande, avec une grille de choix, les indicateurs à suivre et des exemples réels (LocService, notre compta).
Presque toutes les grandes entreprises utilisent déjà l'IA quelque part. En France, d'après l'Insee, 18 % des entreprises de 10 salariés ou plus utilisaient au moins une technologie d'IA en 2025, et 58 % de celles de 250 salariés ou plus.
L'usage, ce n'est pas le problème. Le résultat, si. Dans l'enquête State of AI de McKinsey publiée en 2026, 37 % des répondants attribuent un impact sur l'EBIT à l'IA, et seulement 6 % en tirent au moins 5 % de leur EBIT. Côté BCG, en 2024, 4 % des entreprises créaient une valeur substantielle avec l'IA et 74 % n'en montraient pas encore de concrète.
Ce qui sépare les deux groupes tient souvent à une décision prise très tôt : quel processus on automatise en premier, et comment. Cet article donne une méthode simple pour faire ce choix, sans acheter un outil d'abord et chercher l'usage ensuite.
Trois niveaux d'automatisation, trois risques différents
« Automatiser avec l'IA » recouvre trois choses qu'il vaut mieux ne pas mélanger.
| Niveau | Comment ça marche | Bon exemple | Le risque principal |
|---|---|---|---|
| Workflow classique | Des règles fixes : si X arrive, faire Y. Pas d'IA. | Créer une fiche CRM quand un formulaire est rempli | Casse dès que l'entrée sort du cadre prévu |
| Workflow avec une étape IA | Le parcours reste fixe, mais une étape lit, classe ou rédige | Classer une demande entrante et préparer un brouillon de réponse | Une étape IA qui se trompe sans que personne ne le voie |
| Agent IA | Le modèle choisit lui-même les étapes et les outils pour atteindre un but | Instruire un dossier en allant chercher les pièces dans plusieurs outils | Des actions imprévues, difficiles à auditer |
La règle qu'on applique : prendre le niveau le plus simple qui règle le problème. Si des règles suffisent, pas besoin d'IA. Si une étape de lecture ou de rédaction débloque tout, pas besoin d'agent. L'agent se justifie quand le chemin change vraiment d'un cas à l'autre.
Beaucoup de projets ratés commencent à l'envers : on veut « un agent », puis on cherche où le mettre.
La grille pour choisir le premier processus
Pour le premier projet, on cherche un processus qui coche le plus de cases possible. Notez chaque candidat de 0 à 2 sur ces cinq critères.
| Critère | Ce qu'on regarde | 2 points si… |
|---|---|---|
| Volume | Combien de fois par jour ou par semaine | Des dizaines ou des centaines de cas par jour |
| Données accessibles | L'information est-elle lisible par une machine | Elle est dans un outil avec une API ou un export propre |
| Coût d'une erreur | Que se passe-t-il si l'IA se trompe | L'erreur est rattrapable avant d'arriver au client |
| Un humain qui valide | Quelqu'un relit-il déjà ce travail aujourd'hui | Oui, et il peut valider en quelques secondes |
| Mesure | Peut-on compter le résultat avant / après | Le temps, le volume ou le taux d'erreur sont déjà suivis |
Un processus à 8 ou plus est un bon premier candidat. En dessous de 5, il faut souvent régler autre chose avant : des données éparpillées, un processus que chacun fait à sa façon, ou une erreur trop chère pour un premier essai.
Le critère le plus sous-estimé est le quatrième. Un humain qui valide, c'est ce qui permet d'aller en production vite sans prendre de risque inutile. L'IA prépare, la personne décide. Ensuite, quand les chiffres le montrent, on élargit ce que l'IA fait seule.
Les processus qui marchent bien en premier
Voici les familles qui reviennent le plus souvent en haut de la grille, avec des cas qu'on connaît de l'intérieur.
Les réponses au support client. Beaucoup de volume, un historique de tickets riche, et un agent humain qui relit déjà chaque réponse. Chez LocService, une plateforme de location entre particuliers qui reçoit plusieurs centaines de tickets par jour, on a construit un assistant qui lit les anciens tickets et la documentation interne pour rédiger la réponse à chaque nouveau ticket. Il est branché sur leurs API internes pour avoir le vrai contexte client. Résultat : les brouillons IA sont utilisés sur 87 % des tickets. Le détail de la méthode est dans notre article sur l'agent IA pour le support client.
Le classement de documents et de lignes. Factures, relevés, pièces jointes, demandes entrantes. Notre propre compta en est un bon exemple : chaque mois, l'export bancaire part dans Claude Code avec un fichier de consignes, et un tableau classé sort en quelques minutes. La règle qui rend l'automatisation fiable tient en une ligne : quand l'IA ne reconnaît pas une ligne, elle la range dans « Autre » au lieu de deviner, et un humain tranche. On l'a raconté dans ce focus sur la compta Qonto.
Le contrôle de conformité de documents. Vérifier qu'une fiche produit, un contrat ou un dossier contient bien ce qu'il doit contenir. Pour Coup de Pates, on a construit une bibliothèque de skills IA qui vérifie leurs documents produit. L'IA pointe les écarts, l'équipe qualité garde la décision.
La veille et le tri d'information. Lire des sources, repérer ce qui compte, router au bon endroit. En interne, notre veille IA automatique range chaque annonce dans un de quatre paniers : alerte Slack immédiate, point dans la newsletter de l'équipe, simple note, ou rien. Le vrai travail n'est pas de collecter, c'est de trier.
Ce qu'il vaut mieux garder pour plus tard
- Les décisions irréversibles : un paiement, une résiliation, un refus de dossier. Commencez par faire préparer la décision, pas par la faire prendre.
- Les processus que personne ne sait décrire. Si deux personnes de l'équipe font la tâche de deux façons différentes, l'IA ne tranchera pas à votre place. Écrivez la règle d'abord.
- Les données qui vivent dans des mails et des têtes. Sans source fiable, l'IA invente ou s'arrête. Le chantier, dans ce cas, c'est d'abord l'accès aux données.
Repenser le processus, pas seulement l'outiller
Le chiffre le plus utile de l'enquête McKinsey n'est pas le taux d'adoption. C'est celui-ci : près des trois quarts des entreprises les plus performantes avec l'IA disent avoir profondément repensé leurs processus à cause de l'IA, contre un quart pour les autres.
Concrètement, plaquer un modèle sur un processus existant donne rarement le gain attendu. Il faut se poser trois questions avant d'écrire une ligne de code :
- Quelle étape disparaît vraiment, et laquelle change de nature (rédiger devient relire, chercher devient vérifier) ?
- Qui valide, à quel moment, et avec quelle information sous les yeux ?
- Que fait le système quand il ne sait pas ? La réponse doit être écrite, comme le « Autre » de notre compta.
Mesurer avant d'automatiser
Si vous ne mesurez pas l'état de départ, vous ne pourrez pas prouver le gain. Et sans gain prouvé, le deuxième projet ne sera pas financé. Avant de lancer, notez au minimum :
| Indicateur | Pourquoi | Exemple |
|---|---|---|
| Temps par cas | Le gain le plus visible | Minutes passées par ticket ou par dossier |
| Taux d'utilisation | L'IA est-elle vraiment utile | Part des brouillons envoyés tels quels ou retouchés (87 % chez LocService) |
| Taux de correction | La qualité réelle | Part des sorties que l'humain modifie fortement ou rejette |
| Délai de bout en bout | Ce que voit le client | Temps entre la demande et la réponse |
| Coût de fonctionnement | Ce que coûte un cas | Appels au modèle, infrastructure, temps de relecture |
Le dernier point compte de plus en plus. Dans la même enquête McKinsey, environ un répondant sur cinq dit que les coûts de fonctionnement de l'IA, tokens compris, ont limité son usage. Un cas qui coûte plus cher en relecture qu'il ne fait gagner n'est pas une automatisation, c'est un déplacement de travail.
Comment on s'y prend chez The Vibe Company
The Vibe Company est une agence IA fondée à Paris en 2024 par Stan Girard et Antoine Dewez (ex-Theodo, ex-Stockly), passée par Y Combinator (W24), avec 1,7 M$ levés. On a mené des dizaines de projets, de l'assistant support de LocService aux produits livrés pour Monka dans un environnement de données de santé.
Notre façon de faire pour une automatisation :
- On part d'un seul processus, choisi avec vous à l'aide d'une grille comme celle ci-dessus, pas d'un catalogue de cas d'usage.
- On branche l'IA sur vos vrais systèmes (API, bases, outils métier) plutôt que sur un export figé, parce que c'est là que se joue la qualité.
- On garde un humain dans la boucle au départ, et on élargit l'autonomie quand les chiffres le justifient.
- On mesure avant et après, pour que la décision de passer à l'échelle repose sur des faits.
Pour la suite du parcours, deux lectures utiles : notre checklist pour passer d'un POC d'agent IA à la production, et notre panorama pour financer un projet IA (CIR, CII, Diag Data IA, France 2030). Si vous hésitez encore sur le prestataire, voici comment choisir entre agence IA, ESN, freelance ou équipe interne.
FAQ
Faut-il un agent IA pour automatiser un processus ?
Non, souvent pas. Beaucoup de gains viennent d'un workflow classique avec une seule étape IA bien placée (lire, classer, rédiger). L'agent se justifie quand les étapes changent vraiment d'un cas à l'autre.
Quel processus automatiser en premier ?
Celui qui combine du volume, des données accessibles, une erreur rattrapable, un humain qui valide déjà, et un résultat mesurable. Le support client, le classement de documents et le contrôle de conformité arrivent souvent en tête.
Combien de temps pour un premier résultat ?
Ça dépend surtout de l'accès aux données et du nombre d'outils à connecter. Le bon réflexe : viser un premier livrable utilisé par l'équipe, sur un seul processus, plutôt qu'un plan global.
Comment éviter que l'IA se trompe en production ?
En écrivant ce qu'elle fait quand elle ne sait pas (une catégorie « à vérifier », un passage à l'humain), en gardant une validation humaine au départ, et en suivant le taux de correction semaine après semaine.
L'automatisation IA va-t-elle remplacer des postes ?
Dans les cas qu'on voit, elle change surtout la nature du travail : rédiger devient relire, chercher devient vérifier. Le temps libéré part sur les cas complexes, qui sont aussi ceux où l'humain fait la différence.
Parlons de votre premier processus
Vous avez deux ou trois processus en tête et vous ne savez pas lequel attaquer ? Venez avec le volume, les outils en place et ce qui coince aujourd'hui. On passe la grille ensemble et on vous dit franchement lequel donnera un résultat mesurable, et lequel il vaut mieux garder pour plus tard.
