L'IA en TPE : ce que l'informatique des années 1980 peut vraiment nous apprendre

L’analogie avec l’informatisation des années 1980 aide une TPE à penser l’adoption progressive, à condition de l’utiliser comme une série de questions pratiques plutôt que comme la preuve qu’une révolution identique serait inévitable.

• Les premiers gains apparaissent souvent sur un périmètre précis, avant toute généralisation.
• La valeur vient autant de l’organisation du travail que de l’outil choisi.
• L’IA générative ajoute une incertitude sur les résultats et des enjeux de données que le parallèle historique n’efface pas.
• La bonne décision peut être d’étendre, de maintenir sous supervision ou d’arrêter l’usage.

1. Partir d’un travail récurrent, vérifiable et peu risqué

Le premier usage pertinent combine une fréquence suffisante pour être observé, une erreur réversible et un résultat qu’un responsable métier sait reconnaître comme acceptable.

• Récurrence : le même type de demande revient avec des entrées et une sortie comparables.
• Vérifiabilité : une personne compétente peut contrôler rapidement l’exactitude, le ton et les omissions.
• Réversibilité : une erreur peut être corrigée avant un envoi, une écriture comptable ou un engagement contractuel.
• Responsabilité : une personne nommée possède le processus, arbitre les exceptions et peut interrompre l’essai.

Dans une petite entreprise de services, le traitement des demandes reçues par courriel constitue un cas d’essai plus instructif qu’un vague objectif de « faire du marketing avec l’IA », car il permet d’observer un flux complet sans déléguer la relation client.

• L’outil extrait le nom, le besoin, l’échéance et les pièces mentionnées.
• Il propose une catégorie, un brouillon de réponse et la prochaine tâche à créer.
• Le responsable vérifie les faits, complète le contexte et décide seul de l’envoi.
• Les demandes portant sur un prix, un contrat, un litige ou une donnée sensible sortent automatiquement du périmètre.

2. Comparer le travail complet, pas la vitesse de génération

Un essai n’établit sa valeur qu’en comparant la situation de départ et le nouveau processus jusqu’à un résultat accepté, car quelques secondes de génération peuvent cacher davantage de préparation, de contrôle et de correction.

• Effort humain : préparation des entrées, rédaction des consignes, vérification, reprise et traitement des exceptions.
• Temps de parcours : délai entre la réception de la demande et la réponse prête à partir, y compris les attentes et reprises.
• Qualité : informations exactes, éléments manquants, ton approprié, conformité au modèle interne et nombre de corrections.
• Coût d’exploitation : abonnement, intégration, maintenance, formation et temps consacré aux incidents.

La comparaison doit porter sur des cas représentatifs et conserver les échecs dans le bilan, afin que les dossiers faciles ne donnent pas artificiellement l’impression d’une amélioration générale.

• Constituer un lot mêlant cas ordinaires, incomplets et ambigus.
• Traiter d’abord ce lot selon la méthode habituelle pour établir la référence.
• Tester ensuite le processus assisté avec les mêmes critères d’acceptation.
• Consigner les corrections et les escalades au lieu de ne compter que les sorties réussies.

La décision de poursuivre repose sur un arbitrage explicite entre effort, délai et qualité, trois dimensions qui peuvent évoluer différemment et que chaque TPE doit pondérer selon son activité.

• Étendre si le résultat accepté demande durablement moins d’effort sans dégrader le service.
• Maintenir sous assistance si la qualité progresse mais que la validation humaine reste substantielle.
• Reconcevoir si les gains dépendent de cas trop simples ou d’un nettoyage manuel invisible.
• Arrêter si les corrections, les incidents ou le risque dépassent le bénéfice observé.

3. Donner un propriétaire au processus et borner les données

L’outil peut préparer une action, tandis que la TPE doit garder une chaîne de responsabilité lisible : une personne répond du résultat, sait quelles données circulent et dispose du pouvoir effectif de suspendre le système.

• Le propriétaire métier définit les cas admis, les critères de qualité et les exceptions.
• Le référent technique documente les connexions, les droits d’accès, les journaux et la procédure de retour en arrière.
• La direction accepte le niveau de risque et tranche les usages qui touchent aux engagements de l’entreprise.
• Les utilisateurs signalent les erreurs dans un registre commun plutôt que de les corriger silencieusement chacun de leur côté.

Avant d’envoyer une donnée client à un service d’IA, il faut décrire son trajet de bout en bout et vérifier que chaque étape correspond à une finalité autorisée, conformément aux questions pratiques proposées par la CNIL avant l’utilisation d’un système d’IA.

• Identifier les données réellement nécessaires et retirer le reste.
• Vérifier le lieu de traitement, la conservation, les sous-traitants et l’éventuelle réutilisation par le fournisseur.
• Restreindre chaque compte et chaque connexion au minimum utile.
• Prévoir la suppression, l’export des journaux et le remplacement du fournisseur.

Les informations sensibles ou déterminantes appellent un périmètre plus strict, car une validation humaine tardive ne répare pas toujours une divulgation de données ou une action déjà exécutée.

• Exclure par défaut mots de passe, secrets d’affaires et données sans lien avec la tâche.
• Masquer les identifiants personnels lorsque le travail peut être fait sur un contenu pseudonymisé.
• Bloquer l’exécution autonome des paiements, contrats, prix, remboursements et décisions concernant une personne.
• Faire remonter tout cas ambigu vers le responsable, sans demander au modèle de deviner la règle.

4. Passer quatre portes, avec une sortie à chaque étape

Une progression utile prend la forme de quatre décisions successives, chacune exigeant des preuves plus solides avant d’élargir le périmètre ou l’autonomie.

• Cadrer : nommer le responsable, la tâche, la référence actuelle, les données autorisées et les interdits.
• Assister : produire des brouillons sans action externe, puis mesurer toutes les validations et corrections.
• Routiniser : intégrer l’assistance au flux quotidien sur les seuls cas qui respectent les critères établis.
• Élargir : ajouter une action, une catégorie de dossiers ou un accès aux données à la fois, après une nouvelle revue.

Les critères d’arrêt doivent être écrits avant l’essai pour éviter que le temps déjà investi, l’enthousiasme pour l’outil ou quelques démonstrations réussies ne remplacent l’évaluation du processus réel.

• La qualité passe sous le seuil défini ou varie de façon inexpliquée.
• La vérification et les reprises absorbent le gain de temps attendu.
• Le fournisseur, le traitement des données ou la responsabilité d’une action devient impossible à expliquer.
• Des erreurs similaires se répètent malgré la correction des consignes ou du flux.
• Aucun responsable ne peut reprendre manuellement le travail dans un délai acceptable.

Ce que l’analogie historique permet réellement de décider

L’informatique des années 1980 rappelle qu’un outil devient structurant lorsqu’il s’insère dans des routines, des compétences et des responsabilités, mais elle ne permet de prévoir ni le rythme, ni l’ampleur, ni la rentabilité de l’IA pour une entreprise donnée.

• L’informatique classique exécute en général des règles déterminées ; l’IA générative peut produire des réponses plausibles et fausses.
• Une interface simple ne supprime ni l’intégration, ni le contrôle, ni la maintenance du processus.
• Une adoption répandue chez d’autres acteurs ne transforme pas automatiquement un usage en priorité pour votre TPE.
• La preuve utile reste locale : un processus réel, une mesure complète, un responsable identifié et des limites respectées.

Pour une TPE, la question stratégique est donc de déterminer quel travail limité mérite aujourd’hui un essai contrôlé et quelles observations autoriseront lucidement la suite.

• Choisir un flux récurrent et à faible conséquence.
• Mesurer effort, délai, qualité et coût jusqu’au résultat accepté.
• Garder le jugement humain sur les exceptions et les engagements.
• Étendre seulement ce qui résiste aux cas difficiles et aux critères d’arrêt.

---

Paul-Antoine TUAL · AI Transformation Leader · Croissance & Transitions