Je commence 2026 avec peu de patience pour « on va mettre de l’IA dans le processus ». Une demande qui traverse six approbations ne devient pas plus simple parce qu’un modèle la résume. Avant le fournisseur, je veux représenter les états, les décisions et les raisons de chaque porte.

Soumise -> Validation -> Responsable -> Finance -> Direction -> Exécution
             |              |             |
             `-> Incomplète `-> Exception `-> Refusée

Pour chaque transition, je note l’entrée, le rôle autorisé, le risque réduit, le délai, la sortie et le chemin d’exception. Une signature qui ne modifie jamais la décision et ne réduit aucun risque est candidate au retrait. Une approbation qui compense un droit trop large devrait mener à corriger le droit, pas à automatiser la signature.

Le cadre de gestion des risques liés à l’IA du NIST commence par la mission, le contexte, les personnes touchées et la valeur attendue. Cette discipline replace le modèle dans le système. Il peut classifier ou résumer; il ne décide pas de la responsabilité organisationnelle.

Observer avant de donner un droit

Je prendrais 300 demandes historiques et un rôle limité : signaler les dossiers probablement incomplets. Le pipeline reçoit une copie en lecture seule, extrait les champs, applique des règles déterministes et demande au modèle seulement les cas textuels ambigus.

dossier -> règles de présence -> modèle de suggestion -> liste des manques
       -> personne responsable -> correction / rejet -> journal d'écart

Le modèle ne change aucun statut. Pour chaque proposition, on conserve version du dossier, sources, règle, modèle, confiance déclarée, décision humaine et temps. Les données sont minimisées et le jeu d’évaluation reste séparé de l’ajustement.

Le test mesure :

1. dossiers incomplets trouvés et manqués;
2. faux avertissements par type de demande;
3. temps total avec vérification;
4. impact sur le délai de bout en bout, pas seulement sur la lecture;
5. différences par langue, canal et exception;
6. cas où l’abstention aurait été préférable;
7. volume et coût au 95e percentile.

Supposons que le résumé économise trois minutes mais que la demande attend deux jours devant une approbation inutile. Le modèle optimise moins de 0,2 % du délai. Retirer une porte ou déléguer selon un seuil peut produire beaucoup plus de valeur et ne dépend d’aucune inférence.

Les exceptions doivent rester visibles. Un fichier à côté du système, une approbation par courriel ou une copie manuelle indique souvent que le modèle de données ne décrit pas le vrai travail. Je journaliserais la raison et la fréquence avant de construire une automatisation qui ignore ces chemins.

La panne revient au processus officiel. Une file bornée empêche les dossiers d’attendre indéfiniment le modèle. Si l’API dépasse son timeout, la demande porte Vérification manuelle, pas Complet. Un paramètre désactive la fonction, et les suggestions en cours sont réconciliées sans changer les décisions.

Un appel d’API ne fera pas aimer le changement. Je commencerais par supprimer une étape sans valeur, nommer le propriétaire de chaque exception et mesurer le délai complet. Si une tâche répétitive et réversible reste ensuite, l’IA peut proposer en lecture seule. Elle gagne des droits seulement après avoir prouvé qu’elle améliore le processus simplifié, pas qu’elle résume bien sa complexité.