On ne peut pas automatiser le chaos : par où commencer concrètement

Le réflexe qui coûte cher

Un dirigeant d'ETI industrielle nous contacte. Son besoin : "automatiser le suivi des commandes clients". Trois semaines plus tard, après un audit rapide, le constat tombe : les commandes arrivent par email, par téléphone, parfois par fax. Elles sont saisies dans un ERP par deux personnes différentes, avec des conventions de nommage opposées. Certaines passent d'abord par Excel. D'autres non.

Automatiser quoi, exactement ?

Ce cas n'est pas une exception. C'est la norme. La plupart des demandes d'automatisation que nous recevons butent sur le même obstacle : on ne peut pas automatiser le chaos. Un agent IA, aussi sophistiqué soit-il, ne fait qu'exécuter des règles sur des données. Si les règles sont floues et les données incohérentes, l'agent produit du bruit. Ou pire : des erreurs automatisées à grande échelle.

Ce qu'on regarde en premier : les flux, pas les outils

Quand une entreprise nous sollicite, notre premier réflexe n'est jamais de parler technologie. On commence par une question simple : comment l'information circule-t-elle réellement ?

Pas comment elle devrait circuler selon l'organigramme. Comment elle circule dans les faits. Qui envoie quoi à qui, par quel canal, avec quelle fréquence, dans quel format.

Cette cartographie révèle systématiquement trois types de problèmes :

• Les doublons de saisie — la même information entrée plusieurs fois dans des systèmes différents
• Les zones d'ombre — des étapes critiques qui reposent sur la mémoire d'une seule personne
• Les formats incohérents — dates en texte libre, montants avec ou sans TVA, références clients variables

Tant que ces problèmes existent, toute automatisation est prématurée. Elle ne fera qu'accélérer le désordre.

Deuxième étape : nommer les choses

Un processus qu'on ne peut pas décrire précisément est un processus qu'on ne maîtrise pas. La mise en ordre commence donc par un travail de définition. Ça paraît trivial. Ça ne l'est pas.

Prenons un exemple concret : qu'est-ce qu'un "client actif" ? Pour le commercial, c'est quelqu'un qui a commandé dans les 12 derniers mois. Pour la comptabilité, c'est quelqu'un qui n'a pas de facture impayée depuis plus de 90 jours. Pour le support, c'est quelqu'un qui a un contrat de maintenance en cours.

Trois définitions, trois réalités, trois bases de données qui ne se parlent pas.

Avant d'automatiser quoi que ce soit, il faut stabiliser le vocabulaire. Créer un référentiel commun. Décider qu'un client actif, c'est ceci et pas cela. Et s'y tenir.

Troisième étape : nettoyer les données existantes

Une fois les flux cartographiés et les définitions posées, vient le travail le moins glorieux : la reprise de données.

Concrètement, ça signifie :

• Dédoublonner les fiches clients
• Normaliser les formats (dates, adresses, références)
• Compléter les champs manquants ou les marquer explicitement comme inconnus
• Archiver ce qui doit l'être, supprimer ce qui peut l'être

Ce travail est ingrat. Il prend du temps. Il mobilise des gens qui ont autre chose à faire. Mais il est non négociable. Une base de données sale produit des décisions sales. Automatisées ou non.

Quatrième étape : documenter les règles métier

Quand les données sont propres, reste à expliciter ce qu'on en fait. C'est le moment de formaliser les règles métier — ces décisions implicites que tout le monde "connaît" mais que personne n'a jamais écrites.

Exemples :

• En dessous de 500 € HT, la commande part sans validation manager
• Un devis non signé après 30 jours passe en relance automatique
• Un client qui dépasse son encours est bloqué sauf accord du DAF

Ces règles existent déjà dans la tête de vos équipes. Les écrire, c'est les rendre requêtables. C'est transformer l'organisation en système interrogeable, donc automatisable.

Seulement après : l'automatisation

Une fois ce travail fait — flux cartographiés, vocabulaire stabilisé, données nettoyées, règles documentées — l'automatisation devient triviale. Un agent IA n'a plus qu'à appliquer des règles claires sur des données fiables.

Et surtout : vous savez exactement ce que vous automatisez. Vous pouvez auditer, corriger, améliorer. Vous gardez la main.

L'entreprise industrielle du début ? Après deux mois de mise en ordre, elle a pu déployer un agent de suivi des commandes en une semaine. Pas parce que la technologie était magique. Parce que le terrain était prêt.

Le vrai coût de l'impatience

Beaucoup d'entreprises veulent aller vite. C'est compréhensible. La pression concurrentielle est réelle. Mais automatiser avant d'ordonner, c'est bétonner sur du sable.

Les projets qui échouent ne manquent généralement pas de budget ni de compétences techniques. Ils manquent de fondations. Ils automatisent des processus bancals avec des données douteuses, puis s'étonnent que les résultats soient inutilisables.

La mise en ordre opérationnelle n'est pas un préalable bureaucratique. C'est la condition de possibilité d'une automatisation qui tient dans la durée.