Jachère

Automatiser moins pour travailler mieux

L'automatisation la plus rentable consiste parfois à supprimer une étape, pas à la confier à un modèle plus cher.

Livre blanc ouvert sur une table sombre, posé seul comme une pause dans un flux de travail.
Photo : Juno Jo sur Unsplash

Note de transparence : ce journal est édité par ARCKONE, agence IA active sur ce marché. Voir mentions légales.

L’étape qu’on automatise pour ne pas la regarder

Il existe une scène ordinaire dans les entreprises qui veulent « faire de l’IA ». On ouvre un processus. On le trouve lent, sale, plein d’exceptions. Quelqu’un propose alors de brancher un modèle dessus.

Très bien. Mais rarement quelqu’un demande : pourquoi ce processus existe-t-il encore sous cette forme ?

C’est pourtant la question la plus rentable. Une validation qui ne valide rien, une ressaisie dont personne ne connaît l’origine, un tableau de suivi que personne ne lit, une réunion créée pour compenser l’absence de décision : tout cela peut être automatisé. Tout cela peut aussi être supprimé.

Le second choix coûte moins cher et vieillit mieux.

La vitesse n’est pas une vertu quand la direction est mauvaise

L’automatisation est séduisante parce qu’elle transforme une absurdité lente en absurdité rapide. C’est presque indécent de facilité. Le formulaire inutile se remplit seul. Le mail rituel se rédige seul. Le tableau mensuel se met à jour seul. Le travail ressemble soudain à un système.

Mais un système n’est pas forcément une organisation intelligente. Parfois, c’est seulement un décor technique posé sur une fatigue ancienne.

L’IA aggrave ce travers parce qu’elle rend l’absurde plus acceptable. Si une tâche pénible devient invisible, elle cesse de provoquer la honte nécessaire à sa suppression. On ne se demande plus pourquoi quelqu’un devait produire ce document. On se félicite que le document sorte sans bruit.

La question utile n’est pas « peut-on automatiser ? ». Presque toujours, oui. La question utile est « que protège cette automatisation ? ».

Ce que les mauvais projets IA conservent

Les mauvais projets IA ne naissent pas seulement de mauvais modèles. Ils naissent d’une indulgence excessive pour l’existant.

On garde les mêmes validations parce que « c’est comme ça ». On garde les mêmes champs parce qu’ils sont dans l’ERP. On garde les mêmes rapports parce qu’un ancien directeur les demandait en 2018. On garde les mêmes exports Excel parce que l’organisation a appris à vivre avec sa propre déformation.

Puis on demande à l’IA de lubrifier tout cela.

La promesse est presque toujours formulée poliment : gain de productivité, réduction de charge, modernisation du back-office. Traduction moins polie : nous n’avons pas le courage de supprimer ce qui ne sert plus, donc nous allons payer une machine pour le faire plus vite.

Automatiser après avoir retiré

Il y a une méthode plus lente, plus désagréable, meilleure.

Avant d’automatiser une tâche, il faut tenter de la tuer.

Trois questions suffisent souvent :

  1. Que se passe-t-il si cette étape disparaît pendant deux semaines ?
  2. Qui utilise réellement le résultat produit ?
  3. Quelle décision devient impossible sans cette étape ?

Si les réponses sont vagues, l’automatisation est prématurée. Une tâche sans utilisateur clair n’est pas une candidate à l’IA. C’est une candidate à la disparition.

Si les réponses sont solides, alors seulement la technologie devient intéressante. Non pour sauver le processus, mais pour le rendre plus net : moins de friction, moins d’erreurs, moins de mémoire humaine gaspillée.

L’exemple banal de la facture

Prenons une facture fournisseur. Une entreprise peut imaginer un agent IA qui lit le PDF, extrait les lignes, classe la dépense, vérifie le bon de commande, relance le responsable, prépare le paiement et écrit au comptable.

C’est possible.

Mais avant cela, il faudrait regarder la chaîne. Pourquoi trois personnes valident-elles une facture de 84 € ? Pourquoi le bon de commande est-il rempli après la livraison ? Pourquoi le fournisseur envoie-t-il encore des factures à une adresse personnelle ? Pourquoi le responsable corrige-t-il chaque mois le même libellé ?

L’IA peut aider sur les exceptions. Elle ne devrait pas servir à cacher que le circuit est mal dessiné.

La meilleure automatisation d’une facture n’est parfois pas un modèle. C’est une règle : sous 100 €, fournisseur récurrent, montant conforme, validation mensuelle groupée. Ou une adresse unique. Ou un référentiel fournisseur propre. Très peu de magie. Beaucoup d’économie.

La sobriété n’est pas la nostalgie

Il serait facile de caricaturer cette position en refus de technologie. Ce serait confortable et faux.

La sobriété opérationnelle n’est pas le retour au papier. Ce n’est pas la haine des modèles. Ce n’est pas une posture d’artisan triste face au progrès. C’est une hygiène avant ajout.

Une organisation sobre ne rejette pas l’automatisation. Elle la retarde jusqu’au moment où le problème a été suffisamment compris pour ne pas automatiser sa partie malade.

Elle sait qu’un système simple, explicable et un peu manuel peut être supérieur à un système autonome, fragile et incompris. Elle sait aussi qu’une très bonne automatisation a souvent l’air modeste : elle enlève trois gestes, pas trente slides.

La vraie promesse

La promesse sérieuse de l’IA dans les PME n’est pas de remplacer le jugement. Elle est de rendre certaines tâches suffisamment lisibles pour que le jugement revienne au bon endroit.

Moins de copie. Moins de relance. Moins de classement. Moins de bruit. Mais aussi moins de processus inutiles qu’on conserve par paresse institutionnelle.

Automatiser moins n’est pas ralentir. C’est refuser de donner une longue vie technique à ce qui aurait dû mourir organisationnellement.

Il y a des machines très puissantes. Elles méritent mieux que de servir de prothèse à nos vieux formulaires.

Sources

  1. Étude The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed RAND Corporation · vérifié le 27 mai 2026
  2. Analyse Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept by End of 2025 Gartner · vérifié le 27 mai 2026
  3. Rapport AI Adoption by Small and Medium-Sized Enterprises OCDE · vérifié le 27 mai 2026

Sophie Lestrange écrit des essais sur la sociologie du travail et la pensée critique de la tech.

Désaccord, retour, erreur factuelle ? Droit de réponse garanti.