5 erreurs récurrentes dans les projets d'automatisation et d'IA (et comment les corriger)

Le lundi matin, le responsable administratif ouvre son tableau de suivi : trois relances clients sont parties en double, un devis validé n’a jamais atteint la facturation et deux fiches produits affichent des prix différents. L’outil d’automatisation, déployé il y a quatre mois, devait supprimer ces irritants. Il les répète désormais plus vite, et personne dans l’équipe ne lui fait vraiment confiance.

Ce scénario est fréquent dans les PME et ETI qui ont investi dans l’automatisation ou l’IA sans toucher aux processus, aux données ni aux habitudes de travail. Le budget est consommé, les équipes contournent l’outil, et la direction hésite entre abandonner et réinvestir. Quelles sont les cinq erreurs qui produisent ce résultat, et que corriger en premier pour relancer un projet sous 30 jours ?

Sommaire de l’article :

Un outil d’automatisation exécute des règles, il ne les juge pas. Si, par exemple, le circuit de validation d’une commande client varie selon le commercial ou l’urgence du jour, le robot reproduira ces écarts à grande échelle.

La cause est presque toujours organisationnelle : les exceptions n’ont jamais été listées et chacun a ses propres astuces. Les symptômes sont visibles dans les corrections manuelles, les doubles saisies et les tickets de support interne qui augmentent après la mise en service.

Prenons une société de négoce qui automatise l’envoi des confirmations de commande. Deux commerciaux appliquent des remises hors grille, validées par téléphone. Le système envoie les tarifs standards, les clients protestent, et l’assistante ADV passe ses matinées à rattraper les envois.

Avant de brancher quoi que ce soit, il faut cartographier chaque processus tel qu’il se vit réellement, pas tel qu’il est écrit dans la procédure. Cet exercice se fait avec ceux qui l’exécutent, en une ou deux séances courtes.

L’objectif est de repérer les étapes inutiles, les validations sans valeur et les exceptions récurrentes. Chacune doit être soit supprimée, soit formalisée par des règles claires.

Dans notre exemple d’entreprise de négoce, un atelier d’une demi-journée aurait montré que les remises hors grille étaient une pratique courante. Elles auraient alors été intégrées au système comme une règle, au lieu d’être traitées comme une anomalie.

Un seul indicateur bien choisi vaut mieux que dix tableaux. Le plus parlant est souvent le taux de dossiers traités sans intervention humaine, suivi du délai moyen de traitement.

Il doit être mesuré avant le projet pour servir de point de comparaison, puis relu chaque semaine par le responsable du processus. Sans cette base, impossible de savoir si l’outil apporte quelque chose.

Une PME de services qui automatise le traitement des factures fournisseurs peut ainsi suivre le nombre de factures payées sans retouche. Après quelques semaines, l’écart avec la situation initiale indique si la règle de rapprochement fonctionne ou doit être revue.

Une IA ne comble pas les trous, elle extrapole à partir de ce qu’elle reçoit. Des données incomplètes ou contradictoires produisent des réponses crédibles en apparence mais fausses, ce qui est plus dangereux qu’une erreur visible.

Le problème vient de sources dispersées : un ERP, des fichiers Excel locaux, un CRM mal renseigné. Chaque service a sa version de la vérité, et personne n’en est propriétaire.

Un industriel qui lance une prévision de la demande constate que les historiques de ventes du CRM et ceux de la comptabilité divergent chaque mois. Le modèle apprend sur un mélange des deux, et les prévisions de stock deviennent inutilisables pour les achats.

Il faut désigner pour chaque donnée clé un responsable, une source de référence et un format unique. Cela ressemble à de la gouvernance, mais se limite à quelques décisions simples consignées dans un document partagé.

Les données les plus critiques sont les clients, les produits, les tarifs et les fournisseurs. Pour chacune, on précise qui peut la modifier et où elle fait foi.

Dans une entreprise de distribution, nommer la responsable ADV propriétaire du référentiel clients a suffi à mettre fin aux doublons créés par les commerciaux. Les règles de saisie ont été réduites à six champs obligatoires, vérifiés à la création.

Un nettoyage ciblé vaut mieux qu’une remise en ordre exhaustive. On se limite aux données que le projet va réellement consommer, en traitant d’abord les doublons, les champs vides et les formats incohérents.

Quelques semaines suffisent généralement pour un périmètre limité, à condition d’impliquer les utilisateurs qui connaissent les anomalies. Un échantillon de contrôle validé par le métier sert ensuite de critère de passage.

Un transporteur qui veut automatiser ses devis commence par fiabiliser sa grille de tarifs et ses codes de destinations. Le reste de la base peut attendre : le lancement s’appuie sur ce qui est propre, pas sur ce qui est complet.

Un outil conçu par la direction et l’éditeur, sans les utilisateurs, ajoute des clics au lieu d’en retirer. Les équipes y voient une contrainte de plus et reviennent à leurs fichiers habituels.

Le coût réel se mesure en licences payées pour rien, en doubles saisies et en formations répétées. Il se mesure aussi en confiance perdue pour le projet suivant.

Dans une entreprise de maintenance, le service planning reçoit un module d’affectation automatique des techniciens. Il ignore les contraintes de déplacement que les planificateurs gèrent de tête, et les plannings générés sont systématiquement refaits à la main.

Un utilisateur n’adopte pas une recommandation dont il ne comprend pas l’origine. L’outil doit donc afficher les critères retenus : pourquoi ce dossier est prioritaire, pourquoi ce prix est proposé.

Cette transparence permet aussi de repérer les erreurs rapidement et de corriger les règles. Elle fait du collaborateur un contrôleur plutôt qu’un spectateur.

Dans un service crédit, les gestionnaires ignoraient le score de risque client tant que la fiche n’indiquait pas les trois facteurs dominants. Une fois ces éléments affichés, les relances ont été ajustées en connaissance de cause.

La rentabilité naît de l’usage quotidien, pas du déploiement. Il faut donc associer deux ou trois utilisateurs référents dès la conception, et leur donner la possibilité de faire modifier l’outil.

Ces relais forment leurs collègues, remontent les blocages et valident les évolutions. Leur temps doit être prévu dans le planning, sinon l’appropriation reste un vœu pieux.

Dans une PME de négoce, la responsable ADV a testé l’automatisation des relances pendant deux semaines avant le lancement. Elle a ensuite présenté l’outil à ses collègues avec ses propres cas, ce qui a levé les réticences plus vite qu’une formation éditeur.

Un projet qui vise à tout automatiser d’un coup retarde les premiers bénéfices de plusieurs mois. Pendant ce temps, les coûts de prestation, de mobilisation interne et de licences courent sans retour sur investissement perceptible.

Le périmètre grossit à chaque réunion, les arbitrages s’éternisent, et la lassitude gagne les équipes. Le sponsor finit par perdre le soutien de la direction financière.

Une ETI de distribution lance la refonte complète de la chaîne commande-livraison-facturation. Dix-huit mois plus tard, rien n’est en production, alors qu’automatiser seulement la relance des impayés aurait déjà amélioré la trésorerie.

La méthode consiste à choisir un cas d’usage limité, fréquent et mesurable, puis à le mettre en production en quatre semaines. On commence par un seul service, une seule famille de documents ou un seul type de demande.

Le test se fait en parallèle de l’ancien circuit, ce qui permet de comparer et de revenir en arrière sans dommage. Une fois le résultat validé, on étend progressivement.

Un cabinet comptable a ainsi débuté par la saisie des factures d’un seul fournisseur récurrent. Après validation du taux d’erreur, il a étendu à cinq fournisseurs, puis à l’ensemble du portefeuille.

Un tableau de bord utile tient sur une page et se lit en deux minutes. Il regroupe l’indicateur choisi, le volume traité, le taux d’exceptions et le temps gagné par rapport à la situation de départ.

Il doit être alimenté automatiquement et consulté lors d’un point hebdomadaire fixe. Sans ce rituel, les dérives passent inaperçues jusqu’au bilan trimestriel.

Dans une entreprise de logistique, le responsable d’exploitation suit chaque lundi le nombre de bons de livraison traités sans retouche. Une baisse soudaine a révélé qu’un client avait changé le format de son document, ce qui a été corrigé en une journée.

Les projets d’automatisation et d’IA rapportent quand on sait repérer les cinq erreurs qui les freinent : processus mal posés, données dispersées, équipes tenues à l’écart, ambition démesurée et pilotage absent. Les corriger ne demande pas de refonte, mais quelques décisions concrètes et mesurées.

Dès maintenant, listez les projets en cours et choisissez celui dont l’usage est le plus faible. Notez pour lui une tâche précise, son temps de traitement actuel et la personne qui en est responsable. Quel est, dans votre organisation, le processus que vous seriez prêt à remettre à plat dès ce mois-ci ?