On n'automatise pas une tâche avec l'IA quand le volume, la donnée, la responsabilité ou le calendrier ne le justifient pas, ou pas encore. Les 8 situations qui suivent sont celles où ce « non » revient le plus souvent en audit, et il vaut autant que les recommandations positives. L'INSEE mesure que 18 % des entreprises françaises de 10 salariés et plus utilisaient au moins une technologie d'IA en 2025, contre 6 % en 2023 (Insee Première n° 2120, juillet 2026). Ce texte prend le contre-pied de notre article pilier sur les 10 tâches à automatiser avec l'IA : voici celles qu'on a laissées aux humains, et pourquoi.
Un audit qui recommande d'automatiser tout ce qu'il croise n'a pas fait son travail de tri : sur 20 à 30 processus cartographiés, on en retient rarement plus d'une poignée. Dans l'enquête State of AI 2026 de McKinsey (1 719 répondants, mai et juin 2026), 37 % des organisations attribuent un effet sur leur résultat d'exploitation à l'IA, et seules 6 % sont classées « high performers ». Gartner prévoyait en juin 2025 que plus de 40 % des projets d'IA agentique seraient annulés d'ici fin 2027, pour cause de coûts qui dérapent, de valeur métier floue ou de contrôle des risques insuffisant. Ces trois causes se repèrent avant de signer. C'est le rôle des 8 règles qui suivent.
Quand le volume ne paie pas la machine
Cas 1, le volume trop faible. Le cas classique : une PME de services qui veut automatiser la relecture de ses contrats de sous-traitance. Six contrats par mois, 40 minutes chacun, soit 4 heures mensuelles. Un outil d'extraction sur mesure lui coûterait entre 15 000 et 25 000 euros, maintenance comprise, et le retour sur investissement dépasserait 6 ans. Notre règle : en dessous de 50 occurrences par mois, ou de 20 heures mensuelles récupérables, on n'ouvre pas de chantier IA. Ce qu'on propose à la place tient en une demi-journée : un modèle de contrat verrouillé et une liste de relecture en une douzaine de points.
Cas 2, les exceptions majoritaires. Situation type : un distributeur veut automatiser le traitement de ses demandes d'avoir. En entretien, les gestionnaires décrivent une quinzaine de motifs différents, aucun ne dépasse 20 % des cas. Quand plus de la moitié des dossiers sortent du chemin nominal, le processus n'est pas un processus, c'est une collection de cas particuliers. On commence par faire réduire les motifs à cinq ou six, avec des règles de gestion écrites. L'automatisation vient ensuite, sur une base stable. Notre guide pour identifier les tâches à automatiser en entreprise détaille les indicateurs qu'on regarde à cette étape.
Que faire quand la donnée n'existe pas encore ?
Cas 3, la donnée absente ou sans historique. On ne construit pas de prédiction ni d'optimisation sans un socle propre. Dans un réseau de coaching sportif de 3 sites qui gère 150 rendez-vous par semaine, la demande initiale portait sur l'optimisation automatique des plannings. L'outil métier n'exposait pas les disponibilités en temps réel et l'historique des créneaux n'était pas exploitable. Nous avons qualifié 9 cas d'usage et priorisé 4 chantiers sur 12 à 24 mois, en plaçant l'optimisation des plannings après le socle de données, pas avant. Le détail figure dans le cas client du réseau de coaching sportif multi-sites.
La règle de décision tient en une question : si l'on exportait aujourd'hui les 12 derniers mois, obtiendrait-on un fichier propre, daté, avec les champs qui comptent ? Si la réponse est non, l'IA attend. L'alternative n'est pas de ne rien faire, c'est de brancher la collecte (API, export planifié, formulaire structuré) et de revenir dans 6 mois avec un historique réel.
Quelles décisions doivent rester signées par une personne ?
Cas 4, la décision qui engage une personne. Un refus de crédit, un licenciement, un diagnostic médical : on n'automatise pas la décision, on prépare le dossier. L'article 22 du RGPD, tel que l'explique la CNIL, pose que chacun a le droit de ne pas faire l'objet d'une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques, et de demander l'intervention d'une personne humaine. Le règlement européen sur l'IA classe aussi à haut risque les outils d'IA pour l'emploi et la gestion des travailleurs, ainsi que la notation de crédit qui empêche d'obtenir un prêt, avec des obligations applicables à partir du 2 décembre 2027 pour ces domaines (Commission européenne).
Chez un courtier en financement professionnel, on refuse donc le « scoring automatique avec réponse au client ». À la place : un assistant qui rassemble les pièces, vérifie les cohérences et rédige une synthèse pour l'analyste, qui décide et signe. La responsabilité reste là où le régulateur l'attend. Même logique en RH : un agent peut préparer un entretien annuel ou classer des candidatures par critères objectifs, jamais produire une décision de rupture.
Quand la voix humaine est le produit, faut-il un agent vocal ?
Cas 5, la relation où la voix humaine est le produit. Prenez un cabinet de gestion de patrimoine qui demande un agent vocal pour « absorber les appels entrants ». Écoutez une trentaine d'appels : la majorité vient de clients existants qui appellent précisément pour parler à leur conseiller. La relation est l'offre, la disponibilité humaine est ce que le client paie dans ses frais. Mettre une IA au bout du fil dégrade le produit pour économiser un mi-temps.
Ce qu'on propose dans ce cas : une IA qui écoute l'appel en second plan, prépare la fiche client avant le décroché, résume l'échange et crée les tâches de suivi dans le CRM. Le conseiller reste au téléphone, il en sort avec une dizaine de minutes de saisie en moins par appel. La règle : quand le client cherche une personne, l'IA se met derrière elle, pas devant. Un standard automatisé garde son sens ailleurs, pour trier 300 appels de prise de rendez-vous par jour.
Trois refus qui sont en fait des « pas comme ça »
Cas 6, la tâche déjà résolue par un paramétrage. Une PME industrielle qui recevait 200 courriels par jour voulait un tri par IA. Avant tout modèle, on regarde ce qui relève du paramétrage : les notifications automatiques de l'ERP et des transporteurs n'ont rien à faire dans une boîte de réception humaine, des règles de messagerie et deux réglages les évacuent en une journée. L'IA de tri ne porte que sur les messages qui demandent une lecture. Cet audit de 13 jours a dégagé 30 % de temps administratif, déployé en 3 phases : voir le cas client d'audit des processus d'une PME industrielle.
Cas 7, le processus refondu dans les 6 mois. Une ETI demande d'automatiser la saisie des commandes dans un ERP dont la migration est programmée au printemps. Automatiser un flux qui va disparaître, c'est payer deux fois. Ce qu'on livre alors : une spécification des règles métier à reprendre dans le nouvel outil, et rien d'autre. Rouvert après la migration, ce genre de sujet se règle souvent pour moitié avec les connecteurs natifs. Sur ce type d'arbitrage, la question RPA ou IA pour une PME se pose aussi : un robot de saisie sur un écran qui va changer est la pire option.
Cas 8, personne pour valider les sorties. Un modèle qui produit des propositions doit être relu, surtout la première année. Dans un cabinet de 4 personnes, le seul profil capable de contrôler les sorties d'un assistant de rédaction juridique est l'associé, déjà saturé. Sans relecteur, les erreurs arrivent chez le client. Le conseil dans ce cas : recruter ou déléguer d'abord, installer l'assistant ensuite. L'IA ne remplace pas l'absence de capacité de contrôle, elle l'expose.
Le tableau de décision qu'on utilise en audit
Le tableau reprend les 8 cas, le signal qui déclenche le refus et l'alternative. Il sert de grille avant tout chiffrage.
| Cas | Signal d'alerte | Ce qu'on propose à la place |
|---|---|---|
| 1. Volume trop faible | Moins de 50 occurrences ou de 20 heures par mois | Modèle de document, liste de contrôle, formation courte |
| 2. Exceptions majoritaires | Plus de 50 % des dossiers hors du chemin nominal | Réduire les variantes, écrire les règles, automatiser ensuite |
| 3. Donnée absente | Pas d'historique propre sur 12 mois | Brancher la collecte, revoir dans 6 mois |
| 4. Décision engageant une personne | Crédit, emploi, santé, effet juridique | IA de préparation du dossier, décision humaine signée |
| 5. Voix humaine = produit | Le client appelle pour parler à quelqu'un | IA en second plan : fiche, résumé, tâches CRM |
| 6. Paramétrage suffisant | Le flux vient de vos propres outils | Règles et réglages existants, IA sur le reste |
| 7. Refonte sous 6 mois | Migration d'outil programmée | Spécifier les règles métier, rouvrir après |
| 8. Aucun valideur | Personne n'a le temps ou la compétence de relire | Organiser le contrôle d'abord, outiller ensuite |
Un projet coche parfois deux cases. Les cas 3 et 7 vont souvent ensemble : la donnée manque parce que l'outil qui devait la produire est en cours de remplacement. On attend alors la migration, et on impose au nouvel outil d'exposer les champs nécessaires dès le cahier des charges.
Ce que JUWA fait quand la réponse est non
Un « non » ne clôt pas la mission, il en change l'objet. Notre audit IA en 4 semaines (cartographie des processus, entretiens métier, scoring des cas d'usage, chiffrage, feuille de route) produit systématiquement deux listes : ce qu'on automatise dans les 4 à 8 semaines qui suivent, et ce qu'on écarte avec la raison et la condition de réouverture. La seconde liste évite les projets fantômes qui consomment un budget pendant 18 mois.
Quand l'automatisation est retenue, la validation humaine sous seuil de confiance est en place dès la première version, avec un chef de projet nommé, joignable en direct, et un point hebdomadaire. Pour les cas où la décision doit rester humaine, on livre l'outil de préparation, jamais l'outil de décision. Si vous hésitez sur un processus précis, une agence d'automatisation IA qui sait dire non vous fera gagner plus qu'une qui dit oui à tout. Envoyez-nous la description du flux, le volume mensuel et l'outil qui le porte aujourd'hui : on vous répond avec la case du tableau, et ce qu'elle implique.
