Automatisation classique ou IA : que choisir, et quand ?

Déterministe ou flou : comment trancher en une question ?

Posez-vous une seule question : pouvez-vous écrire la règle sur papier, sans exception ambiguë ? « Chaque vendredi, exporter les factures du logiciel de gestion et les envoyer au comptable » est une règle fixe. Un script l'exécutera des milliers de fois, à l'identique, pour un coût d'exécution quasi nul. C'est le territoire de l'automatisation classique : scripts, workflows, connexions entre vos logiciels via leurs APIs.

À l'inverse, « lire ce courriel et décider s'il s'agit d'une réclamation urgente » ne se réduit pas à une règle. Le texte varie, le ton change, les formulations sont infinies. C'est le territoire de l'IA : elle traite l'ambigu, le langage, les documents non structurés. Retenez le principe : règle claire, script ; jugement sur du flou, IA. Tout le reste en découle.

Ce que l'automatisation classique fait mieux

Un workflow classique est déterministe : mêmes entrées, mêmes sorties, à chaque exécution. Il ne « hallucine » pas, ne dérive pas dans le temps, se teste facilement et se corrige une fois pour toutes. Pour la facturation, les relances de paiement, la synchronisation de stocks, les exports comptables ou les sauvegardes, cette prévisibilité est non négociable.

Côté budget, l'écart est net. Une fois développé, un script coûte quasiment zéro à l'exécution : pas d'appel à une API d'IA facturée à l'usage, pas de vérification humaine des résultats. Une automatisation de ce type démarre autour de 1 500 €, avec un retour sur investissement souvent visible en quelques mois sur une tâche quotidienne.

Où l'IA apporte une vraie valeur ajoutée

L'IA devient pertinente dès que la donnée d'entrée est non structurée : courriels, PDF hétérogènes, photos de documents, avis clients, appels transcrits. Extraire les montants d'une facture fournisseur au format libre, classer des demandes entrantes par urgence, résumer un dossier de cinquante pages : aucune règle fixe ne couvre ces cas, un modèle de langage le fait bien.

La bonne architecture est presque toujours hybride. Le workflow classique orchestre : il récupère les fichiers, appelle l'IA uniquement pour l'étape floue, puis reprend la main pour valider, enregistrer et notifier. L'IA reste cantonnée là où elle est irremplaçable, ce qui limite à la fois la facture d'API et la surface d'erreur possible.

Exemples types, métier par métier

Exemple type : un artisan du Val-d'Oise qui ressaisit ses bons d'intervention chaque soir. Les bons sont des photos ou des PDF disparates : l'IA en extrait le client, la durée et les fournitures, puis un workflow classique crée la facture dans le logiciel de gestion. Sans IA, l'extraction serait impossible ; sans workflow, rien ne s'enregistrerait.

Exemple type : une PME de services qui relance ses impayés. Ici, aucune IA nécessaire : les échéances sont déjà dans le logiciel de facturation et la règle est fixe, relance à J+7, rappel à J+15, courrier ferme à J+30. Un simple workflow suffit, pour un coût d'entrée bien plus faible et un comportement totalement prévisible.

Exemple type : un e-commerçant submergé de questions clients. Les demandes récurrentes, suivi de commande ou retours, passent par un assistant IA branché sur les données de commande ; les cas sensibles sont routés vers un humain selon une règle classique. C'est le duo qui fait le travail, jamais l'un des deux seul.

Le piège du « tout IA »

La tentation actuelle consiste à mettre de l'IA partout, y compris là où une règle de trois suffirait. C'est une erreur coûteuse : chaque appel à un modèle est facturé, la réponse doit souvent être vérifiée, et un résultat probabiliste peut varier d'une exécution à l'autre. Confier un calcul de TVA ou un virement à un modèle de langage n'a aucun sens.

L'IA ajoute aussi une charge de maintenance : les modèles évoluent, les tarifs des APIs changent, les consignes doivent être réajustées. En réservant l'IA aux étapes réellement floues, un problème éventuel reste localisé et facile à diagnostiquer, au lieu de fragiliser toute la chaîne. La sobriété technique est ici une assurance, pas un manque d'ambition.

Combien coûte chaque approche ?

Pour l'automatisation classique, comptez à partir de 1 500 € pour un workflow simple reliant deux ou trois outils, davantage si vos systèmes sont anciens ou les cas particuliers nombreux. Une fois en production, le coût de fonctionnement est marginal : un peu d'hébergement et une maintenance légère.

Pour un projet intégrant de l'IA, le développement se rapproche d'un logiciel sur mesure, de 5 000 à 60 000 € et plus selon le périmètre. S'y ajoute un coût d'usage : les APIs d'IA (OpenAI, Anthropic, Google) sont facturées au volume traité, ce qui représente le plus souvent quelques dizaines à quelques centaines d'euros par mois pour une PME.

Le calcul à poser est toujours le même : temps humain économisé multiplié par le coût horaire, comparé au coût total sur deux ou trois ans. Ce calcul désigne très souvent le classique en priorité, puis l'IA ensuite, sur les seules tâches où elle est irremplaçable.

Comment choisir pour votre processus ?

Listez vos tâches répétitives et posez trois questions pour chacune. La règle est-elle exprimable sans ambiguïté ? Si oui, workflow classique. L'entrée est-elle du texte libre, des documents ou des images ? Si oui, l'IA a probablement sa place. Une erreur serait-elle coûteuse ? Si oui, prévoyez une validation humaine, quelle que soit la technologie retenue.

Chez ZFX AllTech, à Eaubonne dans le Val-d'Oise, nous commençons chaque projet d'automatisation par cet inventaire, mené avec vous, avant d'écrire la moindre ligne. Vos données restent les vôtres et la solution est réversible, sans verrouillage éditeur ; le code source peut même vous être cédé en option. Décrivez-nous votre processus le plus chronophage : le devis est gratuit et nous répondons sous 24 heures.