IA & automatisation 
La réponse en bref
L’intégration de l’intelligence artificielle consiste à ajouter une capacité d’analyse, de recherche ou de génération à un logiciel et à son processus métier. Pour la rendre utile, définissez une tâche précise, les données autorisées, le résultat attendu et la personne qui le valide. Testez ensuite le parcours complet : qualité de la réponse, correction, coût, délai et traitement des échecs. Dans Alba Golf, développé par Gaspa, le coach renseigne ses observations et établit son diagnostic avec l’aide de l’IA : l’assistance s’insère dans le travail du professionnel.
Trois décisions qui changent le projet
- 01Choisir une tâche vérifiable et la comparer à une solution sans IA avant de choisir le modèle.
- 02Séparer ce que le modèle propose, ce que le logiciel contrôle et ce que la personne autorise.
- 03Mesurer le coût d’un travail accepté, en incluant les corrections et les échecs, plutôt que le prix d’une réponse.
01
Que signifie intégrer l’intelligence artificielle dans une entreprise ?
Une intégration IA relie trois éléments : une capacité technique, les informations de l’entreprise et une action dans le travail quotidien. Elle peut aider à lire une demande, retrouver une procédure ou préparer un contenu. Sa valeur dépend de la suite du parcours : la personne comprend-elle la proposition, peut-elle la vérifier et sait-elle quoi faire ensuite ?
Un accès à une API de modèle peut suffire pour une démonstration. Un produit exploitable doit aussi reconnaître l’utilisateur, appliquer ses droits, gérer les erreurs et conserver les informations utiles au suivi. Ces fonctions appartiennent à l’application et à son organisation, même si la génération est confiée à un fournisseur externe.
Le point de départ que nous recommandons chez Gaspa est une phrase opérationnelle : aider tel utilisateur à accomplir telle tâche, à partir de telles informations, avec telle validation. Cette phrase évite de construire un assistant généraliste avant de savoir quel travail il doit améliorer.
02
Automatisation, IA générative, RAG ou agent : quelle solution choisir ?
Le bon choix dépend de l’incertitude à traiter. Si une règle connue suffit à déterminer la réponse, un calcul ou un workflow classique peut être plus facile à contrôler. L’IA devient intéressante lorsque l’entrée varie : texte libre, documents hétérogènes ou demande à interpréter. Il faut alors vérifier si son apport compense la vérification supplémentaire.
La génération augmentée par récupération, ou RAG, ajoute une étape de recherche de contenus avant la génération. Elle permet de fournir au modèle des passages issus d’une documentation identifiée. Le résultat dépend notamment de la qualité de cette recherche et des droits appliqués aux documents. Microsoft décrit ce fonctionnement dans sa documentation sur le RAG.
Le fine-tuning adapte un modèle à des exemples d’entraînement ; ce n’est pas un mécanisme de consultation en direct de votre base documentaire. Quant à un agent, il peut choisir des outils et enchaîner des actions. Cette autonomie mérite un besoin explicite : un simple assistant de rédaction ne nécessite pas les mêmes accès qu’un outil qui modifie des dossiers.
| Besoin | Approche à examiner | Point décisif |
|---|---|---|
| Appliquer un tarif ou une échéance connue | Règles métier et automatisation | Exactitude du calcul et traitement des exceptions |
| Préparer une synthèse à partir d’un texte | IA générative avec sortie structurée | Fidélité au contenu et facilité de correction |
| Répondre à partir des procédures internes | Recherche documentaire avec RAG | Bonne source, bonne version et bon droit d’accès |
| Respecter un format ou un comportement spécialisé | Consignes, exemples, puis adaptation du modèle si justifiée | Comparaison des résultats sur un jeu de cas séparé |
| Accomplir plusieurs étapes dans des outils | Agent avec outils limités | Permissions, confirmations et reprise des actions |
03
Sélectionner un premier cas d’usage qui mérite l’investissement
Un bon premier périmètre possède un début et une fin observables. L’utilisateur doit pouvoir dire si la tâche est terminée correctement. Une ambition comme améliorer la relation client est trop large ; préparer une synthèse d’un dossier avec les informations à confirmer donne une base de test.
Comparez les tâches selon leur fréquence, la disponibilité des données, la facilité de vérification et les conséquences d’une erreur. Une fonction spectaculaire mais difficile à juger peut demander plus d’effort qu’une assistance discrète, intégrée à une opération récurrente. Examinez aussi les cas où les équipes préfèrent garder leur méthode actuelle.
Dans un CRM, les pistes à étudier peuvent être la préparation d’un compte rendu ou l’aide à la rédaction d’une relance. Dans un ERP, il peut s’agir d’extraire des informations d’un document avant contrôle. Ces possibilités demandent une étude propre à votre entreprise ; elles ne constituent pas des fonctionnalités IA attribuées à toutes les réalisations Gaspa.
Quatre conditions avant un pilote
- Un responsable métier sait juger la qualité du résultat.
- Des entrées représentatives peuvent être utilisées dans des conditions autorisées.
- Une tâche comparable sans IA permet d’établir une référence.
- Un échec peut être détecté et repris sans bloquer tout le processus.
Relier le projet aux logiciels utilisés
04
Alba Golf : une IA en appui du diagnostic du coach
Alba Golf est une application destinée aux coachs et aux joueurs de golf. Le coach renseigne ses observations dans l’application, puis établit son diagnostic avec l’aide de l’IA. Les exercices adaptés et le suivi de progression prolongent cet accompagnement. Les informations du diagnostic viennent de la saisie du coach ; le périmètre livré ne comporte pas d’analyse automatique de vidéos de swing.
Gaspa a développé le MVP iOS et Android, les espaces coachs et joueurs, le back-office et les API associés, puis assuré la publication sur l’App Store et Google Play. Cette référence montre l’intégration d’une assistance IA dans un produit mobile et dans le parcours d’un professionnel.
La leçon de conception à en tirer est la répartition des rôles. Le produit organise les informations, l’IA apporte son aide et le coach construit le diagnostic. Pour un autre métier, la question devient : quelles observations le professionnel apporte-t-il, et de quoi a-t-il besoin pour accepter, modifier ou écarter une proposition ? Cette analyse ne suppose ni de reprendre la même architecture ni d’utiliser le même modèle.
Consulter le périmètre de la réalisation
05
Préparer les données : pertinence, fraîcheur et accès
Avant de choisir un modèle, identifiez la source qui fait autorité pour chaque information. Un statut client, une facture et une procédure n’ont pas le même rythme de mise à jour. Une réponse peut être fidèle à un document tout en étant devenue fausse si une version plus récente existe.
Pour une recherche documentaire, conservez les métadonnées utiles : origine, date, version et périmètre d’accès. Prévoyez ce qui se passe lorsqu’un document est modifié ou retiré. La recherche doit appliquer les droits de l’utilisateur avant de transmettre les passages au modèle ; un filtre d’affichage après génération arrive trop tard pour empêcher cette transmission.
Lorsque des données personnelles sont utilisées, précisez la finalité, les données nécessaires et les responsabilités. La CNIL recommande d’examiner la proportionnalité du système et les rôles de ses intervenants. Pour une intégration par API, vérifiez aussi les conditions du fournisseur : conservation des requêtes, réutilisation éventuelle, sous-traitants et possibilités de suppression. La localisation de l’hébergement ne répond pas seule à toutes ces questions.
Évitez de copier tout le CRM dans une requête si quelques champs suffisent. Définissez également le contenu des journaux : ils doivent permettre le diagnostic d’un incident sans devenir une seconde base contenant inutilement des données clients.
| Information | Décision à documenter |
|---|---|
| Source de référence | Quel outil ou document prévaut en cas de contradiction ? |
| Mise à jour | Quand une modification devient-elle disponible pour l’assistance ? |
| Confidentialité | Qui peut consulter cette information et que reçoit le fournisseur ? |
| Donnée manquante | L’outil demande-t-il une précision ou s’abstient-il ? |
| Retrait ou correction | Comment répercuter le changement dans la recherche et les traces conservées ? |
06
Intégrer l’IA à un logiciel existant sans perdre les règles métier
Une intégration dans un CRM, un ERP ou une application mobile doit préserver les règles qui autorisent une action. Le modèle peut proposer des valeurs ; le serveur contrôle leur format, les droits de l’utilisateur et la cohérence du dossier. Un texte généré ne doit pas pouvoir créer lui-même une permission.
Séparez la production d’une proposition et son exécution. Un brouillon peut être corrigé sans conséquence externe. L’envoi d’un message ou la modification d’un dossier doit passer par une opération explicite, avec un résultat observable. Si une requête expire après une action déjà exécutée, une relance technique ne doit pas créer un doublon.
Prévoyez un état pour chaque situation utile : proposition en préparation, prête à relire, information insuffisante, indisponibilité ou action confirmée. L’interface doit différencier une réponse en cours de génération d’une modification effectivement enregistrée. C’est particulièrement utile sur mobile, où une connexion peut être interrompue.
Un parcours à spécifier de bout en bout
- 01
Demande
Identifier l’utilisateur, la tâche et les données autorisées.
- 02
Proposition IA
Produire un résultat limité au périmètre prévu.
- 03
Contrôle
Vérifier la structure, les droits et la cohérence métier.
- 04
Validation et suivi
Faire approuver l’action si nécessaire, enregistrer son résultat et permettre sa reprise.
07
Sécuriser les documents lus et les actions autorisées
Un document ou un message traité par une IA peut contenir une instruction malveillante qui tente de détourner son comportement : c’est notamment le risque d’injection indirecte de consignes décrit par l’OWASP. Le contenu consulté doit rester une donnée à analyser, pas une autorisation de changer les règles du logiciel. Le RAG ne supprime pas ce risque.
Limitez les outils disponibles à la tâche et les accès au périmètre nécessaire. L’OWASP souligne aussi le risque d’autonomie excessive : donner à une assistance plus de fonctions ou de permissions qu’elle n’en a besoin augmente les conséquences possibles d’un comportement inattendu. Les autorisations doivent être contrôlées dans les systèmes qui exécutent les actions.
Inscrivez ces situations dans la recette : demande d’accès au dossier d’un autre client, instruction cachée dans un contenu, tentative d’envoi non autorisé ou sortie de format inattendue. La présence d’une consigne dans le prompt ne suffit pas à prouver que ces limites tiennent.
08
Comment évaluer la qualité d’une intégration IA ?
Évaluez la tâche que l’utilisateur doit terminer, avec des cas ordinaires et des cas difficiles. Préparez les critères avant de comparer les outils : informations attendues, erreurs inacceptables, sources nécessaires et conditions d’abstention. Gardez une partie des cas à l’écart des ajustements pour vérifier que les améliorations ne se limitent pas aux exemples déjà travaillés.
Faites relire les résultats par un professionnel capable de juger le fond. Pour une synthèse, vérifiez les omissions et les ajouts non étayés. Pour une extraction, contrôlez les champs et leur origine. Pour une réponse documentaire, regardez si le passage cité justifie réellement l’affirmation, plutôt que de compter uniquement la présence d’un lien.
Le NIST propose un cadre volontaire de gestion des risques de l’IA et un profil dédié à l’IA générative. Ces repères aident à organiser l’évaluation et le suivi ; ils ne constituent pas une certification du produit. La grille ci-dessous est une proposition de recette à adapter à votre usage.
| Cas à tester | Comportement attendu | Preuve à conserver |
|---|---|---|
| Demande courante avec données complètes | Résultat pertinent, utilisable et conforme au format | Entrée, version et appréciation du validateur |
| Information absente ou ambiguë | Précision demandée ou limite signalée | Réponse obtenue et décision du métier |
| Deux sources contradictoires | Conflit visible, sans arbitrage inventé | Sources proposées et règle de résolution |
| Demande hors des droits du profil | Accès refusé avant lecture ou action | Trace du contrôle d’autorisation |
| Fournisseur indisponible ou réponse interrompue | Échec compréhensible et reprise possible | État du dossier et absence de doublon |
| Nouvelle version du modèle ou des consignes | Comparaison avec les mêmes cas de référence | Écarts de qualité, coût et temps de réponse |
09
Budget et retour sur investissement : compter le travail accepté
Le budget d’une intégration IA comprend le cadrage, la préparation des données, les connexions, l’interface, les tests et l’exploitation. Le tarif du modèle ne représente qu’une partie du coût. Un historique incomplet ou une API difficile à connecter peut peser davantage que la génération elle-même.
Pour comparer les options, utilisez le coût d’une tâche terminée et acceptée. Incluez le temps de relecture, les corrections, les tentatives infructueuses et le support. Définissez ce qui est acceptable avant de mesurer : un résultat rapide que l’équipe doit entièrement refaire n’équivaut pas à un travail terminé.
Une base de calcul possible est : coût total de la période divisé par le nombre de tâches acceptées. Précisez si les coûts de construction sont amortis et comment le temps humain est valorisé. Comparez ensuite à la méthode initiale sur des tâches de difficulté comparable. Aucun pourcentage de gain ne peut être déduit d’une démonstration seule.
Examinez séparément le délai utilisateur : temps de génération, lecture et validation. Une réponse plus longue peut coûter moins cher techniquement tout en demandant plus d’attention au collaborateur. Des indicateurs de qualité et d’usage complètent donc le calcul financier.
10
Du prototype au pilote, puis à l’exploitation
Le prototype vérifie qu’une capacité peut répondre au besoin. Le pilote examine son utilisation dans un périmètre réel, avec les données et les personnes autorisées. La mise en production ajoute les engagements de fonctionnement, le support et les moyens de contrôler les évolutions. Ces étapes peuvent être courtes ou longues selon le contexte ; elles ne se résument pas à un délai universel.
Définissez un point de décision à la fin du pilote : poursuivre, corriger ou arrêter. Les seuils dépendent du coût d’une erreur, du volume et du temps de vérification disponible. Certains défauts, comme une fuite entre clients, doivent bloquer l’ouverture même si la moyenne des autres résultats paraît satisfaisante.
Pendant l’exploitation, versionnez ce qui peut changer le comportement : modèle, consignes, outils et corpus documentaire. Prévoyez un retour à la version précédente ou une suspension de la fonction, ainsi qu’un responsable des incidents. Une mise à jour du fournisseur doit pouvoir déclencher une nouvelle comparaison des cas importants.
| Étape | Question de sortie | Livrable utile |
|---|---|---|
| Cadrage | La tâche et ses limites sont-elles comprises ? | Fiche de délégation et inventaire des données |
| Prototype | La capacité mérite-t-elle un essai métier ? | Résultats sur des cas représentatifs et limites observées |
| Pilote | L’équipe obtient-elle un bénéfice vérifiable ? | Comparaison avec la référence et décision argumentée |
| Exploitation | Peut-on maintenir et corriger le service ? | Suivi, responsabilités, reprise et historique des versions |
11
Les questions à poser à une agence d’intégration IA
Pour choisir un partenaire en Belgique ou en France, demandez comment il relie la capacité IA au logiciel existant. Une réalisation pertinente doit permettre de comprendre le rôle exact de l’agence, les utilisateurs visés et la place de l’IA. La seule présence d’un chatbot dans une démonstration ne renseigne pas sur la gestion des accès ou la reprise d’un incident.
Faites préciser les livrables : données transmises au fournisseur, critères d’évaluation, budget récurrent, responsabilités après livraison et conditions de changement de prestataire. La possibilité d’exporter vos données et de récupérer les éléments nécessaires au fonctionnement mérite aussi une réponse écrite.
Gaspa Agency, basée à Bruxelles, réunit design, développement et intégration dans ses projets de produits digitaux. Alba Golf permet d’examiner concrètement le développement mobile, les API, le back-office et l’assistance au diagnostic du coach. Pour votre projet, demandez une proposition qui distingue le périmètre démontré, les hypothèses à tester et les engagements de réalisation.