Agents IA dans les opérations : promesses et premières réalités

Un mot, plusieurs réalités

Le terme « agent » recouvre aujourd'hui des choses très différentes. Dans son sens le plus strict, un agent IA est un système qui reçoit un objectif, décide lui-même des étapes à suivre, appelle des outils (messagerie, ERP, base documentaire), observe le résultat et ajuste sa démarche. Ce qui le distingue d'une automatisation classique, c'est que le chemin n'est pas écrit à l'avance.

Cette distinction est importante pour un dirigeant, parce qu'elle détermine à la fois la promesse et le risque. Un workflow ou un robot logiciel exécute un parcours défini : il est prévisible, auditable, peu coûteux à faire tourner. Un agent accepte l'imprévu, mais au prix d'un comportement moins prévisible. Dans la plupart des opérations d'une PME, la majorité des cas relèvent encore du premier monde, et c'est une bonne nouvelle : cela signifie que l'essentiel de la valeur ne nécessite pas d'agent.

Où la promesse tient

La promesse est réelle sur un segment précis : les cas d'exception. Toute fonction opérationnelle a un flux nominal que l'on sait automatiser, et une queue de situations atypiques qui mobilise des personnes qualifiées pour des tâches répétitives : un écart entre bon de commande et facture, une réclamation mal formulée, un dossier incomplet à relancer, un créneau d'intervention à replanifier.

C'est là qu'un agent peut apporter quelque chose : lire un message en langage libre, retrouver les pièces dans plusieurs systèmes, proposer une résolution et rédiger la réponse. Nous avons décrit ailleurs où se cachent les heures perdues dans les fonctions support : ce sont précisément ces tâches de recherche, de recoupement et de relance, rarement mesurées, qui constituent le terrain le plus naturel.

Les premières réalités

La fiabilité se compose, et pas en votre faveur

Un agent enchaîne des étapes, et chaque étape a son taux d'erreur. Prenons une hypothèse volontairement simple : huit étapes successives, chacune réussie dans 95 % des cas, de façon indépendante. La probabilité de succès de bout en bout est alors d'environ deux tiers. Ces chiffres sont illustratifs, non mesurés, mais le mécanisme est général : plus l'autonomie est longue, plus l'erreur s'accumule, et plus elle est difficile à repérer car elle apparaît tard dans le processus.

La conséquence pratique est de raccourcir les chaînes, d'insérer des points de contrôle, et de réserver l'agent aux étapes où la variabilité justifie son usage, le reste étant traité par des règles.

Le coût caché de la supervision

Prenons un exemple chiffré, avec ses hypothèses. Une entreprise traite 1 500 factures fournisseurs par mois. On suppose que 15 % donnent lieu à une exception, soit 225 cas, et qu'un collaborateur y consacre en moyenne 12 minutes, soit environ 45 heures par mois. Supposons qu'un agent propose une résolution correcte pour la moitié de ces cas, et que la validation humaine prenne 3 minutes. Le gain est de 9 minutes sur environ 112 cas : une petite vingtaine d'heures par mois, soit quelques dizaines de milliers de francs sur plusieurs années au mieux, avec un coût horaire chargé de l'ordre de 70 CHF.

Ce calcul est sobre, et c'est son intérêt. À ce volume, le gain existe mais il est modeste face aux coûts d'intégration, de suivi et de maintenance. L'arbitrage change à 15 000 factures par mois, ou lorsque les exceptions sont plus longues à traiter. Dans la plupart des cas, la rentabilité d'un agent dépend moins de la qualité du modèle que du volume d'exceptions et du temps de supervision. Pour la partie nominale du flux, l'automatisation du traitement des factures par des méthodes éprouvées reste le premier levier.

Les données et les accès sont le vrai chantier

Un agent n'est utile que s'il peut lire et écrire dans vos systèmes. Or beaucoup de PME fonctionnent avec des référentiels fournisseurs ou clients imparfaits, des interfaces limitées et des règles connues de quelques personnes seulement. Un agent mal alimenté produit des erreurs plausibles, ce qui est plus dangereux que des erreurs évidentes. Une grande partie du travail consiste donc à nettoyer les référentiels, documenter les règles et définir précisément les droits de l'agent : lecture seule, brouillon, ou action.

Le même raisonnement vaut pour les opérations de terrain. Dans l'optimisation des tournées de techniciens, un algorithme d'optimisation classique calcule le meilleur plan ; un agent peut utilement s'y ajouter pour gérer les aléas (client absent, pièce manquante, reprogrammation), mais il ne remplace pas le moteur de planification.

Le cadre réglementaire, sans dramatiser

Deux textes encadrent la réflexion. En Suisse, la loi révisée sur la protection des données (nLPD), en vigueur depuis le 1er septembre 2023, impose transparence, finalité claire et information des personnes concernées en cas de décision individuelle automatisée. Elle pèse aussi sur le choix du fournisseur : un agent qui lit des courriels clients et les envoie à un modèle hébergé à l'étranger pose la question de la communication transfrontière de données.

Dans l'Union européenne, le règlement sur l'IA est entré en vigueur le 1er août 2024, avec une application progressive : interdictions et exigence de maîtrise des compétences en IA dès février 2025, obligations sur les modèles à usage général en août 2025, puis la majorité des obligations en août 2026. Une PME suisse ayant des clients ou des filiales dans l'UE doit en tenir compte. Pour la plupart des usages opérationnels (tri de courriers, rapprochement de pièces), le niveau de risque est limité, mais l'usage dans les ressources humaines ou l'évaluation de personnes est traité différemment. Notre conseil : tenir un registre simple des usages, des données traitées et du niveau d'autonomie accordé.

Implications pour les dirigeants

Partir du processus, pas de la technologie. Cartographier où se concentrent les exceptions et combien de temps elles consomment. Sans cette mesure, aucun business case sérieux n'est possible.

Monter l'autonomie par paliers. Un agent qui suggère, puis un agent qui agit avec validation humaine, puis un agent qui agit avec contrôle par échantillonnage. Chaque palier se franchit sur la base de taux d'erreur observés, pas de promesses.

Borner le périmètre. Un domaine, un type de document, des droits limités, une action réversible. Les premiers succès se trouvent dans des périmètres étroits.

Nommer un responsable. Un agent sans propriétaire métier dérive. Quelqu'un doit suivre la qualité, les coûts et les incidents, et pouvoir arrêter le dispositif.

Comparer à l'alternative simple. Une règle, un formulaire mieux conçu, une réorganisation de l'étape amont éliminent parfois l'exception à la source. C'est souvent moins spectaculaire, et plus rentable. Cette logique vaut aussi côté commercial, par exemple pour le traitement des demandes et des offres, que nous abordons dans notre expertise Croissance & performance commerciale.

Pour situer ces choix dans une démarche plus large, notre page sur l'expertise Opérations & processus présente la façon dont nous articulons stratégie, déploiement et pilotage des résultats, avec l'IA comme levier là où elle apporte quelque chose, et le bon sens organisationnel ailleurs.

Si vous souhaitez savoir si un agent a sa place dans vos opérations, et à quelles conditions, le point de départ est un état des lieux factuel : notre diagnostic permet d'identifier en quelques semaines où se situent les exceptions coûteuses et quelle réponse, technologique ou non, est la plus proportionnée.