La plupart des automatisations ne meurent pas à cause de l'IA. Elles meurent parce que quelqu'un a automatisé le process idéal — celui du manuel — au lieu du process réel, celui que les gens font vraiment avec leurs exceptions, leurs raccourcis et leurs cas tordus. Un workflow qui ne prévoit pas la réalité se casse dès le premier jour et plus personne ne lui fait confiance.
Mappe le process réel, pas l'idéal
Avant de toucher à un seul outil, on observe comment le travail se fait aujourd'hui : où est le goulot d'étranglement, quelles exceptions surgissent, quelles décisions une personne prend sans s'en rendre compte. Cette carte, c'est 80 % du succès. Automatiser ce que tu crois qu'il se passe, au lieu de ce qui se passe, c'est la recette du pilote zombie.
Automatise un tronçon, pas tout
On n'essaie pas d'automatiser le process entier d'un coup. On attaque le tronçon le plus douloureux et le moins risqué, on le met en production, et on le laisse prouver sa valeur avant d'élargir. Un tronçon qui marche vaut mieux qu'un diagramme complet qui ne se déploie jamais.
Gestion des erreurs dès le jour 0
La question qui sépare une démo d'un système en production, c'est : qu'est-ce qui se passe quand ça plante ? Si la réponse c'est « ça casse en silence », ce n'est pas en production.
- Retries avec discernement pour les pannes transitoires.
- Fallback vers un humain quand le cas sort des limites.
- Alertes quand quelque chose casse — personne ne l'apprend par le client.
- Logs qui permettent de reconstruire ce qui s'est passé et pourquoi.
L'adoption avant la techno
Une automatisation que l'équipe n'utilise pas n'économise rien. C'est pour ça qu'on mesure l'adoption, pas seulement la capacité technique. Si les gens reviennent à la méthode manuelle, le système a échoué même si le code est impeccable.
Ce qu'on mesure
- Heures réellement économisées, pas estimées sur une feuille.
- Adoption : % de l'équipe qui l'utilise vraiment.
- Taux d'erreur et temps de récupération.
- Process automatisés qui sont encore vivants à 3 mois.
Voilà ce que fait un Senior AI Operations Implementer : il ne « monte pas une automatisation », il livre un process qui continue de marcher — et que l'équipe utilise — le jour où le pod ne regarde plus.