IA, après les prompts, les processus. Retour sur le café IA de la French Tech

Chaque mois, la French Tech Clermont Auvergne réunit ses adhérents pour un Café IA. Un temps pour partager ses usages, ses questionnements, ses retours d’expériences, … autour de l’IA comme son nom l’indique.

Pour le café de septembre,  c’était Marie-Pierre Dubost, de E-Charlemagne qui intervenait. Créée en 2001 – oui, avant l’envolée IA – cette entreprise clermontoise,  spécialisée dans l’édition et l’intégration de logiciels de gestion, est bien connue des parents d’enfants scolarisés puisqu’elle est la conceptrice de Konosys.

Au démarrage « grand public », l’intelligence artificielle en entreprise a surtout été abordée par la porte d’entrée la plus visible : ChatGPT, les prompts, la génération de textes, d’images ou de présentations. Après ces premiers balbutiements, chacun à son rythme – enthousiastes, frénétiques ou dubatifs-  une autre étape s’ouvre, sans doute beaucoup plus structurante. Celle où l’IA se branche directement sur les processus de l’entreprise.

E-Charlemagne présentait ainsi plusieurs expérimentations pour illustrer cette évolution. L’enjeu est désormais de définir à quoi elle peut être utile, de quelles données elle a besoin – et comment elle y accède-, dans quels outils et quel contrôle on peut exercer sur ce qu’elle produit.

Concernant son utilité, la question a l’air évidente. Pourtant ce n’est pas toujours la plus simple. Il s’agit, pour démarrer, d’identifier les tâches répétitives, chronophages, et peut-être sans enjeu stratégique, faciles à contrôler et bien dimensionnées. On peut lire nombre de témoignages sur des projets IA colossaux, en termes de budgets et de temps investis, qui restent dans les cartons. L’outil est technologiquement impressionnant, mais il ne répond à aucun besoin quotidien des collaborateurs, ou s’avère trop complexe à utiliser. En fait, l’IA devrait être invisible et s’inviter au cœur des tâches déjà existantes, idéalement, directement depuis les interfaces habituelles.

L’IA glissée dans des interstices

Lire des justificatifs, préremplir une convention de recherche, analyser un appel d’offres, mettre à jour une fiche de poste, alimenter un CRM ou préparer un mail commercial… C’est une partie de ce que propose E Charlemagne.

A l’Institut Pasteur de Lille, par exemple, le sujet était celui de l’automatisation d’une partie du suivi administratif de projets de recherche. Conventions, factures, bulletins de paie, notes de frais : les documents peuvent être lus et certaines informations pré saisies avant validation humaine.

Ou alors, dans une école de commerce marocaine, ce sont les justificatifs d’absence qui passent à la moulinette. L’établissement traiterait 1 400 demandes sans pièce jointe et environ 18 000 justificatifs accompagnés d’un document chaque année. L’IA peut lire ces pièces et préparer leur validation.

Ou enfin, un outil interne développé pour scruter les appels d’offres, comparer les dossiers avec les produits et services de l’entreprise et réaliser une première préqualification, avec un pourcentage d’adéquation.

Rien de complètement révolutionnaire mais une accumulation de gains de temps sur des tâches sans valeur ajoutée, et pas vraiment stratégiques. Un allègement de la charge mentale aussi, moins souvent évoquée et évaluée… La transformation de l’IA en entreprise pourrait bien commencer par toutes ces tâches minuscules, répétitives et chronophages qui constituent une bonne partie du travail invisible des organisations. Elle apporte moins une nouvelle compétence qu’une capacité à absorber une partie de la friction quotidienne.

De l’art du prompt au processus

Dans chacun de ces exemples, on notera qu’il faut avoir été en capacité de décortiquer ses processus,  d’identifier les étapes de validation et les personnes concernées, les indicateurs de contrôle pour construire le nouveau process. L’IA devient une couche d’interface entre l’utilisateur et le système d’information, en enchaînant des actions. La phase de découverte de l’IA générative portait pour la plupart sur le choix du modèle et la capacité à écrire le bon prompt. Désormais, la question revient plutôt à identifier où insérer ‘intelligemment’ l’IA dans le processus de travail.

En gardant à l’esprit qu’automatiser une tâche n’est pas automatiser un métier. Lorsque l’IA analyse des justificatifs d’absence, elle ne prend pas en charge « l’administration d’une école ». Lorsqu’elle présélectionne des appels d’offres, elle ne devient pas directrice commerciale. Lorsqu’elle génère une première version d’une fiche de poste, elle ne remplace pas la fonction RH. Elle ne fait qu’absorber une succession de tâches. En revanche, elle transforme certainement le contenu des métiers bien avant que le métier lui-même disparaisse.

Donc, on gagne du temps. Ok. Mais que fait-on du temps ainsi récupéré ? Le gain de productivité ne dit rien, à lui seul, de la façon dont le travail sera réorganisé. La réponse à cette question demeure une question de stratégie d’entreprise, très humaine pour le coup.

Après le « prompt engineering », le « cadre engineering » ?

Une autre question apparaît à mesure que l’on confie davantage d’actions à l’intelligence artificielle.

Un chatbot répond. Un agent peut agir.

Envoyer un mail, planifier un rendez-vous, rechercher une information, manipuler une donnée ou déclencher une tâche : plus son autonomie augmente, plus il faut définir précisément son terrain de jeu. E-Charlemagne insiste sur cette distinction entre l’assistant et l’agent autonome, ainsi que sur la nécessité de limiter les accès et les actions possibles.

On pourrait appeler cela du « cadre engineering ».

Après avoir appris à dire à l’IA ce qu’on attend d’elle, les organisations doivent désormais apprendre à lui préciser ce qu’elle n’a pas le droit de faire.

Quelles données peut-elle consulter ?
Peut-elle aller chercher une information sur Internet ?
Peut-elle envoyer un mail sans validation ?
À partir de quel montant ou de quelle décision faut-il repasser la main à un humain ?
Que doit-elle faire lorsqu’elle ne sait pas ?

Dans les outils pédagogiques présentés pendant la conférence, E-Charlemagne dit par exemple limiter volontairement certaines IA à une base documentaire définie. Un tuteur virtuel destiné aux étudiants doit chercher ses réponses dans le cours et non parcourir librement Internet. Le professeur reste responsable des contenus mis à disposition et peut suivre les questions posées pour faire évoluer son enseignement.

C’est une conception assez différente de la course actuelle à l’IA capable de tout faire.

La meilleure IA professionnelle ne sera peut-être pas toujours celle qui dispose du plus grand nombre de connaissances ou de libertés. Ce sera parfois celle qui sait rester exactement dans son périmètre.

Une révolution beaucoup moins spectaculaire

Les robots humanoïdes attirent les caméras. Les IA qui produisent une vidéo en quelques secondes impressionnent. Les chatbots capables de tenir une conversation donnent immédiatement le sentiment d’un changement technologique majeur. Mais ce qui transforme le travail et l’entreprise est moins visible. Après la fascination pour les prompts, l’IA commence peut-être simplement à entrer dans la « tuyauterie » de l’entreprise:  un dossier administratif qui se remplit presque seul, un appel d’offres pertinent détecté, une info extraite d’un document puis injectée au bon endroit dans un logiciel métier, …

Et quand l’IA prend corps ?

La suite logique, c’est la robotique. E-Charlemagne – pédagogue- explique : après les assistants et les agents logiciels viennent les robots, autrement dit des systèmes capables non seulement d’analyser ou de décider, mais aussi d’agir dans le monde physique. Il faut distinguer plusieurs réalités derrière le mot « robot ».

Les plus familiers sont les robots mobiles, à commencer par l’aspirateur autonome. Viennent ensuite les robots manipulateurs, déjà bien installés dans l’industrie, notamment automobile, ou dans certains environnements médicaux. Leur évolution pourrait être importante : l’IA peut observer un opérateur humain, traduire ses mouvements en code puis optimiser ensuite l’enchaînement des opérations. À côté de ces robots industriels se développent aussi des robots beaucoup plus spécialisés : machines de nettoyage, robots d’accueil ou de service avec une forte valeur ajoutée liée au fait qu’ils soient connectés au reste du système d’information et puissent devenir une nouvelle interface entre l’usager et l’organisation.

Les humanoïdes occupent évidemment une place particulière dans l’imaginaire collectif. Pour autant, il est sans doute davantage un objet de démonstration qu’un robot véritablement autonome. Les usages les plus prometteurs ne sont pas forcément les plus spectaculaires. E Charlemagne travaille notamment sur des tests de robot tuteur : prolonger dans le monde physique le tuteur virtuel déjà utilisé sur des plateformes d’apprentissage. Le robot pourrait notamment servir auprès de publics ayant besoin d’un accompagnement particulier, travailler dans plusieurs langues ou participer à des dispositifs autour de la langue des signes. L’enjeu finalement est surtout d’identifier ce qu’une présence « physique » apporte de plus qu’un écran.

Buddy, par exemple, le petit robot sensoriel qui s’est promené dans la salle toute la matinée, est utilisé notamment dans des expérimentations avec des enfants présentant des troubles du spectre autistique. Le principe est différent de celui d’un chatbot : ce n’est pas nécessairement le robot qui sollicite l’enfant. L’enfant va vers lui, le touche, observe sa réaction et dispose ainsi d’une forme d’interaction simplifiée. La machine devient alors un objet de médiation plutôt qu’un substitut humain.

Après les processus, l’incarnation

D’abord, l’IA répondait à nos questions. Puis elle a commencé à intervenir dans nos processus : chercher une information, lire un document, remplir un logiciel, préparer une décision. Avec les agents, elle peut désormais agir en automatisation. La robotique ajoute une étape supplémentaire : donner à cette intelligence une capacité d’action dans l’espace physique.

Les questionnements qui secouent les réflexions du moment s’intensifient autour des enjeux de maitrise : quel rôle lui confier, sur quelle tâche la mobiliser, pour quel bénéfice concret, comment définir son périmètre d’autonomie, et surtout, peut être, à quel prix ?

La course technologique pousse naturellement vers le robot le plus spectaculaire, le plus humain, le plus autonome.

Les exemples présentés à Clermont racontent pourtant autre chose : les usages les plus crédibles aujourd’hui sont souvent les plus spécialisés.

Un robot qui nettoie 500 m². Un autre qui accueille dans plusieurs langues. Un petit compagnon qui aide à entrer en relation avec un enfant. Un bras qui assiste un geste. Un robot qui sert d’interface à quelqu’un qui ne peut plus facilement utiliser un écran.

Après les prompts, les processus. Après les processus, les agents. Et avec les robots, une nouvelle question arrive déjà : que se passe-t-il lorsque l’intelligence artificielle ne se contente plus d’agir dans nos logiciels, mais commence à agir dans notre monde ?