« Je veux automatiser le traitement des commandes » peut désigner deux projets complètement différents. Le premier : un flux classique qui prend la commande depuis le formulaire, l’écrit dans le logiciel de gestion et envoie la confirmation — les mêmes étapes, dans le même ordre, à chaque fois. Le second : un agent IA qui lit le message du client, comprend ce qu’il veut, décide seul des étapes à suivre et n’exécute qu’ensuite. Les deux se vendent aujourd’hui sous l’étiquette « automatisation avec IA », à des coûts et avec des risques très différents.
Si vous dirigez une entreprise et avez sur la table des offres des deux catégories, cet article vous donne un langage commun avec les prestataires : ce qu’est chaque approche, où elle excelle, où elle échoue et comment décider — avec quatre questions — de laquelle vous avez réellement besoin.
L’automatisation classique : des règles écrites par des humains, exécutées à l’identique
L’automatisation classique repose sur des règles explicites : « quand une nouvelle ligne entre dans le tableau, génère la facture ; si le montant dépasse le plafond, demande l’approbation du responsable ». Le programme ne décide rien — il exécute ce que les humains ont écrit, à l’identique, à chaque fois. Les mêmes données en entrée produisent le même résultat en sortie.
De là viennent les trois qualités qui en font la colonne vertébrale de tout projet sérieux : elle est prévisible (vous pouvez garantir son comportement), elle est peu coûteuse à l’exécution (une fois construite, l’exécution ne coûte presque rien) et elle est auditable — vous pouvez répondre à tout moment à la question « pourquoi cela s’est-il produit ? ». Sa faiblesse est la rigidité : toute exception doit être prévue à l’avance, et les données d’entrée doivent être structurées. Un e-mail rédigé librement par un client la met en difficulté.
Les agents IA : ils reçoivent un objectif, pas une recette
Un agent IA est construit autour d’un modèle de langage qui reçoit un objectif (« réponds à cette demande de devis »), a accès à des outils — e-mail, documents, applications de l’entreprise — et choisit seul ses étapes. Sa force se trouve exactement là où l’automatisation classique trébuche : dans les données non structurées. Il lit des e-mails rédigés librement, extrait des informations de PDF divers, comprend des demandes formulées de dix façons différentes.
Le prix de cette flexibilité est sa nature probabiliste. Un agent ne garantit pas le même résultat pour les mêmes données d’entrée, il peut « halluciner » — c’est-à-dire produire une réponse plausible mais fausse — et chaque exécution coûte de l’argent, car les modèles se paient en général à l’usage. C’est pourquoi les agents sérieux travaillent sous surveillance : un humain valide les résultats, au moins par sondage, et les actions à conséquences réelles exigent une confirmation.
Quatre questions qui font le choix à votre place
- Pouvez-vous dessiner le processus complet sur une feuille, avec toutes ses branches ? Si oui, vous n’avez pas besoin d’un agent — les règles classiques l’exécutent moins cher et sans surprises.
- Les données d’entrée sont-elles structurées ? Formulaires, CSV, champs d’ERP signifient automatisation classique. E-mails libres, PDF scannés, messages ambigus signifient qu’il faut de l’IA au moins à l’étape d’interprétation.
- Combien coûte une erreur ? Une étiquette interne mal posée se corrige à peu de frais. Une facture erronée transmise ou une mauvaise réponse envoyée à un client — non. Plus l’erreur coûte cher, plus vous avez besoin soit de règles déterministes, soit d’un humain qui valide avant l’exécution.
- Qui vérifie le résultat ? Si personne dans l’entreprise ne peut dire rapidement si le résultat est correct, n’y placez pas un système probabiliste.
Les mêmes questions, appliquées à des situations fréquentes :
| Situation | Le bon choix |
|---|---|
| Transfert de données entre deux systèmes, au format fixe | Automatisation classique |
| Tri et extraction de données depuis des e-mails et des PDF divers | IA, avec vérification humaine |
| Émission et transmission des factures | Automatisation classique |
| Réponses aux questions répétitives des clients | IA (chatbot), avec passage de relais à un humain |
| Rapports périodiques à partir des données internes | Automatisation classique |
| Tri des demandes arrivées en langage libre | L’IA classe, les règles exécutent |
Où vous payez dans chaque cas : deux modèles de coût différents
Avec l’automatisation classique, l’effort — et l’argent — va dans la construction : analyse du processus, écriture des règles, tests. Après le lancement, l’exécution ne coûte presque rien, et les dépenses ne réapparaissent que lorsque le processus change. Avec les agents, la construction peut être plus rapide, mais deux coûts permanents apparaissent : le coût d’utilisation, qui augmente avec le volume, car chaque exécution consomme des ressources de modèle payées à la consommation, et le coût de la surveillance — le temps des personnes qui valident les résultats.
Nous ne pouvons pas vous dire combien coûtera chaque option dans votre cas — cela dépend du processus, du volume et des systèmes existants, et les chiffres ne se confirment qu’au devis. Nous pouvons en revanche vous dire quoi demander pour comparer correctement : le coût mensuel d’exécution estimé à votre volume réaliste, l’effort mensuel de surveillance en heures et ce qui arrive à ces deux chiffres si le volume double. Un prestataire qui ne peut pas répondre à ces trois questions n’a pas fait ses devoirs.
Risques et règles : ce qui arrive le 2 août
À partir du 2 août 2026 — dans quelques semaines — s’appliqueront les obligations de transparence de l’AI Act (le règlement européen sur l’IA) et l’ensemble du régime de sanctions. Si votre agent interagit avec des clients, il devra révéler qu’il est une IA, et le contenu généré devra être marqué de façon lisible par machine. Les amendements « Digital Omnibus », approuvés en juin, ont reporté les obligations pour les systèmes à haut risque, mais pas la transparence — elle reste fixée au 2 août.
Au-delà de la loi, la gouvernance interne est obligatoire pour tout agent : accès strictement limité aux données dont il a besoin, journal des actions exécutées, une personne désignée qui répond de ce que fait le système. Un agent avec un accès illimité aux données de l’entreprise est un risque de sécurité, pas un outil de productivité.
L’hybride qui gagne le plus souvent
En pratique, les projets les plus solides ne choisissent pas un camp, mais répartissent les rôles : l’IA travaille aux marges, là où les données sont non structurées, et les règles classiques tiennent le squelette du processus. Exemple concret : les e-mails de commande passent par un modèle qui extrait les produits, les quantités et les coordonnées du client ; les règles classiques valident l’extraction, l’écrivent dans le logiciel de gestion et émettent la confirmation ; un humain ne voit que les exceptions que la validation a rejetées. Chaque technologie fait exactement ce qu’elle sait faire de mieux — et la partie qui exécute reste auditable.
Si vous ne savez pas encore quel processus mérite ce traitement en premier, commencez par l’inventaire décrit dans le guide des processus à automatiser en premier : les critères qui y figurent restent valables quelle que soit la technologie choisie.
La prochaine étape
Prenez le processus qui vous fait le plus mal et passez-le au crible des quatre questions ci-dessus — les réponses vous diront d’elles-mêmes si la discussion avec les prestataires part des règles, de l’IA ou d’un hybride. Les interrogations fréquentes sur ce type de projets sont rassemblées dans la foire aux questions sur l’IA et le marketing digital, et si vous voulez passer des questions à une architecture concrète, Neoxis travaille exactement sur ce type de projets dans le cadre des services de développement et d’automatisation.