Ajouter de l’IA à un mauvais processus ne rend pas une entreprise « intelligente »

L’intelligence artificielle promet des gains de productivité considérables. Elle peut accélérer la recherche d’information, produire des analyses, préparer des documents, assister les employés dans leurs décisions et, avec l’arrivée des agents IA, accomplir progressivement des séquences de travail de plus en plus complexes. Devant ces possibilités, de nombreuses organisations cherchent naturellement à déterminer où intégrer l’IA dans leurs opérations.

Cette démarche comporte cependant un piège. Lorsqu’une entreprise commence par chercher les tâches qu’elle pourrait confier à l’intelligence artificielle, elle risque d’automatiser des processus qui auraient d’abord mérité d’être remis en question. Des étapes inutiles peuvent être accélérées, des validations sans réelle valeur peuvent devenir automatiques et des données peuvent circuler encore plus rapidement à travers une organisation dont les processus demeurent complexes ou mal structurés.

Une entreprise qui réussit à accélérer de 40 % un processus inefficace possède toujours un processus inefficace. Elle l’exécute simplement 40 % plus rapidement.

L’arrivée de l’intelligence artificielle devrait donc être considérée comme une occasion de revoir la manière dont le travail est organisé. Avant de demander ce que l’IA peut automatiser, une organisation devrait revenir à une question beaucoup plus fondamentale : pourquoi faisons-nous ce travail de cette manière?

L’automatisation peut préserver des processus qui auraient dû disparaître

Les processus organisationnels se construisent rarement à partir d’une feuille blanche. Ils évoluent avec l’entreprise. Une étape est ajoutée après un problème, une approbation apparaît à la suite d’une erreur, un fichier Excel est créé pour contourner une limitation du système et une vérification supplémentaire est introduite parce qu’une information manque quelque part. Avec le temps, ces adaptations s’accumulent.

Chaque étape possède généralement une explication historique. Cela ne signifie pas qu’elle possède encore une justification opérationnelle.

Il est ainsi fréquent de voir des employés saisir une information dans un système, l’exporter dans un fichier, la transmettre à une autre personne qui la vérifie avant de l’inscrire dans une autre application. Une troisième personne peut ensuite produire un rapport à partir de ces mêmes données. Lorsque l’IA arrive, la tentation consiste à automatiser la saisie, la vérification ou la préparation du rapport.

La technologie peut effectivement rendre l’ensemble beaucoup plus rapide. Pourtant, la question la plus importante demeure entière : pourquoi l’information doit-elle parcourir toutes ces étapes?

Automatiser sans remettre en question le processus peut alors produire une forme particulièrement moderne de gaspillage : faire extrêmement efficacement quelque chose qui ne devrait peut-être plus être fait du tout.

La vitesse n’est pas synonyme de productivité

L’intelligence artificielle rend également nécessaire une distinction entre vitesse et productivité. Une organisation peut produire davantage de documents, analyser davantage de données, répondre plus rapidement aux courriels et générer beaucoup plus de contenu sans nécessairement créer davantage de valeur.

Cette distinction est particulièrement importante avec l’IA générative, puisque le coût marginal de production de certaines informations devient extrêmement faible. Un employé peut maintenant produire en quelques minutes un rapport qui lui aurait demandé plusieurs heures. Cela représente un gain potentiel considérable si ce rapport est utile à une décision ou à une activité importante. Le gain devient beaucoup moins évident si le rapport est produit uniquement parce qu’une procédure historique exige sa création et que presque personne ne l’utilise réellement.

L’IA peut donc augmenter considérablement le volume d’activités sans améliorer proportionnellement la performance de l’organisation. Elle peut même contribuer à créer davantage de bruit : plus de rapports, plus de communications, plus de données, plus de recommandations et plus d’éléments que d’autres personnes devront ensuite lire, vérifier ou gérer. La productivité ne consiste pas simplement à produire davantage. Elle consiste à créer davantage de valeur avec les ressources disponibles.

L’IA remet les principes de l’excellence opérationnelle au premier plan

Bien avant l’intelligence artificielle, l’excellence opérationnelle cherchait déjà à comprendre la circulation réelle du travail. Pourquoi cette étape existe-t-elle? Quelle valeur apporte-t-elle? Que se passe-t-il avant et après? Où se trouvent les attentes, les reprises, les erreurs, les transferts inutiles et les activités sans valeur ajoutée? Ces questions deviennent encore plus importantes avec l’IA.

Lorsqu’un processus est cartographié correctement, l’objectif ne devrait pas être d’identifier immédiatement les endroits où placer un agent ou un modèle d’intelligence artificielle. Il faut d’abord déterminer si chaque activité mérite encore d’exister sous sa forme actuelle.

Certaines étapes peuvent être éliminées. D’autres peuvent être regroupées. Une information saisie plusieurs fois peut provenir directement de sa source. Une approbation systématique peut être remplacée par une gestion des exceptions. Un rapport produit périodiquement peut devenir une information disponible en temps réel. Une tâche réalisée par plusieurs services peut être simplifiée avant même qu’une technologie supplémentaire soit introduite.

C’est seulement après cette réflexion que l’IA révèle pleinement sa valeur. Elle intervient alors dans un processus déjà conçu pour atteindre un objectif plutôt que dans l’accumulation historique de méthodes de travail.

Numériser un processus n’est pas nécessairement le transformer

Cette confusion existait déjà bien avant l’intelligence artificielle. Plusieurs projets de transformation numérique ont essentiellement consisté à reproduire électroniquement des processus papier.

Un formulaire papier devient un formulaire numérique. Une signature manuscrite devient une approbation électronique. Un dossier physique devient un répertoire de fichiers. Une feuille de calcul devient une application. L’outil change alors que la logique opérationnelle demeure pratiquement identique.

L’IA risque de reproduire le même phénomène à une échelle beaucoup plus importante. Un processus conçu il y a quinze ans peut maintenant être confié partiellement à des agents sans que personne ne se demande pourquoi il comporte encore douze étapes.

La véritable transformation commence lorsque l’organisation accepte de remettre en question le processus lui-même. Si nous concevions cette activité aujourd’hui avec les technologies, les données et les connaissances dont nous disposons maintenant, la construirions-nous encore de cette manière?

La réponse peut parfois être inconfortable, parce qu’elle remet en question des procédures, des responsabilités et même certaines structures organisationnelles. Elle ouvre toutefois la voie aux gains les plus importants.

Les agents IA rendent possible une refonte beaucoup plus profonde

Les systèmes traditionnels automatisent particulièrement bien les processus prévisibles et structurés. Les agents IA peuvent intervenir dans des environnements beaucoup plus variables. Ils peuvent consulter différentes sources d’information, interpréter un contexte, préparer une décision, utiliser plusieurs outils et poursuivre une séquence de travail en fonction du résultat obtenu à chaque étape.

Cette capacité permet de repenser des processus qui étaient autrefois fragmentés entre plusieurs personnes simplement parce qu’un logiciel conventionnel ne pouvait pas gérer certaines transitions.

Prenons une demande reçue d’un client. Elle peut aujourd’hui être lue par un employé, classée, transmise à un autre service, analysée, complétée par des informations provenant du CRM, puis acheminée à une personne autorisée à prendre une décision. Un agent correctement intégré pourrait éventuellement effectuer plusieurs de ces activités, enrichir automatiquement le dossier et transmettre directement à l’humain la situation qui nécessite réellement son expertise.

Le gain ne provient alors pas uniquement du fait que l’agent travaille plus rapidement. Il provient surtout de la disparition de plusieurs transferts, attentes et manipulations intermédiaires. C’est précisément là que l’IA rejoint l’excellence opérationnelle.

Une mauvaise donnée automatisée devient un problème plus rapide

La qualité du processus dépend également de la qualité de l’information qui l’alimente. Une entreprise dont les données sont fragmentées, contradictoires, mal structurées ou difficiles à retrouver ne règle pas automatiquement ce problème en ajoutant de l’intelligence artificielle. Elle peut même l’amplifier.

Un agent capable d’agir rapidement à partir d’une information incorrecte peut propager une erreur beaucoup plus efficacement qu’un humain. Une donnée dupliquée peut conduire à plusieurs interprétations. Une procédure obsolète peut être utilisée comme référence. Des connaissances importantes peuvent être enfermées dans les dossiers personnels d’employés ou dispersées dans des documents dont personne ne connaît réellement la version officielle.

La préparation à l’IA exige donc également une préparation de l’organisation elle-même. Les connaissances doivent être suffisamment structurées, les sources d’information doivent être identifiables et les responsabilités entourant les données doivent être claires.

C’est ici que la gouvernance des connaissances devient directement liée à l’excellence opérationnelle. Une organisation difficile à comprendre pour ses propres employés le sera également pour ses systèmes d’intelligence artificielle.

L’automatisation peut aussi accélérer les erreurs

Plus un système devient autonome, plus la vitesse d’exécution cesse d’être uniquement un avantage. Un employé peut commettre une erreur dans une transaction. Un agent capable d’en traiter plusieurs milliers peut reproduire la même erreur à une échelle beaucoup plus importante avant qu’elle soit détectée.

Cette réalité modifie la conception des contrôles. Les entreprises doivent déterminer quelles décisions peuvent être exécutées automatiquement, lesquelles nécessitent une validation, quels seuils doivent provoquer une intervention humaine et comment interrompre rapidement un processus lorsqu’un comportement anormal apparaît.

L’excellence opérationnelle à l’ère de l’IA doit donc intégrer la résilience. Le meilleur processus n’est pas uniquement celui qui fonctionne rapidement lorsque tout se déroule comme prévu. C’est aussi celui qui détecte rapidement les anomalies, limite leurs conséquences et permet à l’organisation de reprendre le contrôle. L’autonomie doit progresser avec la capacité de supervision.

Les gains doivent être mesurés là où la valeur est créée

L’enthousiasme entourant l’IA peut également conduire à mesurer les mauvais indicateurs. Le nombre d’utilisateurs, de requêtes, d’agents déployés ou de tâches automatisées démontre une activité technologique. Il ne démontre pas nécessairement une amélioration de la performance.

Une organisation devrait plutôt observer ce qui se produit dans ses opérations. Le délai de traitement a-t-il diminué? Le taux d’erreur s’est-il amélioré? Les employés consacrent-ils davantage de temps aux activités à forte valeur? Le client reçoit-il un meilleur service? Le coût du processus a-t-il réellement diminué? La capacité de production ou de traitement a-t-elle augmenté? Les décisions sont-elles prises plus rapidement et avec une meilleure information?

Ces indicateurs permettent de distinguer l’adoption de la création de valeur.

Une entreprise peut avoir déployé très peu d’outils d’intelligence artificielle et obtenir des gains considérables sur quelques processus critiques. Une autre peut avoir donné accès à l’IA à l’ensemble de ses employés sans constater d’amélioration significative de ses résultats. La maturité IA ne devrait donc pas être évaluée principalement par la quantité de technologie utilisée, mais par sa contribution mesurable à la performance de l’organisation.

L’IA devrait parfois conduire à automatiser moins

Cette conclusion peut sembler paradoxale. Une analyse approfondie d’un processus peut révéler que certaines tâches ne devraient pas être automatisées. Une relation avec un client peut avoir davantage de valeur lorsqu’elle demeure humaine. Une décision exceptionnelle peut nécessiter une compréhension du contexte difficile à formaliser. Une activité peu fréquente peut coûter davantage à automatiser qu’à continuer de l’effectuer manuellement. Un processus peut aussi être suffisamment simple après sa révision pour qu’une automatisation conventionnelle soit plus fiable et moins coûteuse qu’une solution d’intelligence artificielle. Utiliser l’IA partout où elle est techniquement possible n’est donc pas un signe de maturité. La maturité consiste à savoir où elle apporte suffisamment de valeur pour justifier sa complexité, ses coûts et ses risques.

La transformation commence par comprendre le travail réel

Pour obtenir cette réponse, les dirigeants doivent comprendre comment le travail est réellement effectué dans leur organisation. Les procédures officielles ne suffisent pas toujours. Entre ce qui est documenté et ce qui se produit quotidiennement, il peut exister de nombreux ajustements, fichiers parallèles, communications informelles et solutions de contournement.

Les employés qui réalisent le travail possèdent alors une connaissance essentielle. Ils savent où l’information manque, quelles étapes prennent inutilement du temps, quelles validations sont réellement utiles et quelles procédures existent principalement par habitude.

Les associer à la transformation permet de découvrir les possibilités que la technologie seule ne révélera jamais. Cela contribue également à réduire la résistance au changement, puisque l’IA devient un moyen de résoudre des irritants qu’ils connaissent plutôt qu’un système imposé pour modifier leur travail depuis l’extérieur. L’intelligence artificielle devient ainsi un projet organisationnel avant d’être un projet technologique.

Les possibilités offertes par l’intelligence artificielle et les agents IA sont suffisamment importantes pour transformer profondément la manière dont les entreprises fonctionnent. Cette puissance rend toutefois encore plus nécessaire une compréhension rigoureuse des processus dans lesquels ces technologies seront intégrées.

Automatiser une tâche inutile ne lui donne pas davantage de valeur. Accélérer une mauvaise décision ne l’améliore pas. Générer davantage d’information ne rend pas nécessairement une organisation plus intelligente. Et ajouter des agents à un processus complexe ne garantit pas qu’il deviendra plus performant.

L’entreprise doit commencer par comprendre le travail qu’elle accomplit, la valeur qu’elle cherche à créer et les obstacles qui ralentissent cette création de valeur. Elle peut ensuite éliminer ce qui est inutile, simplifier ce qui est trop complexe, automatiser ce qui est prévisible et utiliser l’intelligence artificielle là où ses capacités apportent un avantage réel.

Cette approche relie directement la transformation par l’IA à l’excellence opérationnelle. Chez Quantum Beyond, nous travaillons avec les équipes de direction, les responsables opérationnels et les équipes technologiques afin d’analyser les processus, structurer les connaissances, identifier les possibilités d’amélioration et intégrer l’intelligence artificielle là où elle peut contribuer concrètement à la performance. L’objectif demeure de renforcer les capacités de l’organisation et de ses équipes, tout en conservant une gouvernance adaptée aux nouveaux niveaux d’autonomie technologique.

L’entreprise véritablement intelligente ne sera probablement pas celle qui aura déployé le plus grand nombre d’agents IA. Elle sera celle qui aura compris suffisamment bien ses propres opérations pour savoir ce qu’elle doit éliminer, ce qu’elle doit simplifier, ce qu’elle doit automatiser et ce qu’elle doit continuer de confier à l’intelligence humaine.